張家偉

摘要：計(jì)算機(jī)圖像處理的出現(xiàn)對(duì)我們的日常生活產(chǎn)生了重要的影響，在動(dòng)漫、醫(yī)療、航空、公安等領(lǐng)域得到了廣泛的應(yīng)用。隨著計(jì)算機(jī)科學(xué)技術(shù)的快速發(fā)展，計(jì)算機(jī)圖像處理技術(shù)也在不斷地更新變化中，與其他學(xué)科相互穿插、相互融合，被賦予了新的內(nèi)涵。本文就此展開(kāi)對(duì)計(jì)算機(jī)圖像處理的應(yīng)用以及未來(lái)發(fā)展趨勢(shì)的探究，以期能夠進(jìn)一步豐富與計(jì)算機(jī)圖像處理相關(guān)的理論性研究。

關(guān)鍵詞：計(jì)算機(jī);圖像處理;車牌識(shí)別

中圖分類號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）30-0104-02

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 計(jì)算機(jī)圖像處理的內(nèi)涵

計(jì)算機(jī)圖像處理一經(jīng)出現(xiàn)就以其廣泛的應(yīng)用、良好的發(fā)展前景，成為廣大科研工作者以及學(xué)者們所關(guān)注的焦點(diǎn)之一。關(guān)于計(jì)算機(jī)圖像處理的內(nèi)涵很多期刊和相關(guān)資料都對(duì)其進(jìn)行了闡述。張穎（2011）在關(guān)于計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用的研究一文中指出：“所謂的計(jì)算機(jī)圖像處理技術(shù)就是指把圖像信號(hào)進(jìn)行轉(zhuǎn)換，成為數(shù)字信號(hào)并且利用計(jì)算機(jī)對(duì)其進(jìn)行處理”。呂勇謀（2020）也在淺談?dòng)?jì)算機(jī)圖像處理技術(shù)的發(fā)展與未來(lái)創(chuàng)新一文中指出“計(jì)算機(jī)圖像處理實(shí)際上就是利用計(jì)算機(jī)進(jìn)行圖像的顯示、儲(chǔ)存、修改等工作”。而根據(jù)百度百科的相關(guān)資料指出“計(jì)算機(jī)圖像處理從廣義上來(lái)說(shuō)，泛指一切利用計(jì)算機(jī)來(lái)進(jìn)行與圖像相關(guān)的過(guò)程、技術(shù)或系統(tǒng)”。

因此，根據(jù)以上資料以及相關(guān)文獻(xiàn)，可以得知計(jì)算機(jī)圖像處理本質(zhì)上是指，利用計(jì)算機(jī)以及相關(guān)軟件，對(duì)原始圖像進(jìn)行特定的處理譬如說(shuō)去除噪聲、增強(qiáng)、復(fù)原等以得到符合需求的圖像的過(guò)程。計(jì)算機(jī)圖像處理的主要內(nèi)容主要包括了以下幾個(gè)方面：

1.1 圖像識(shí)別

圖像識(shí)別是計(jì)算機(jī)圖像處理中重要的技術(shù)之一，主要是指在圖像進(jìn)行分析處理之前，對(duì)圖像進(jìn)行識(shí)別、認(rèn)知與分類的任務(wù)。人工智能方向研究中一般均具有圖像識(shí)別功能，通過(guò)將數(shù)據(jù)對(duì)象按照一定的特征對(duì)對(duì)象進(jìn)行分組的聚類方法和通過(guò)降維找到數(shù)據(jù)的共同點(diǎn)減少數(shù)據(jù)集的變量。對(duì)圖像進(jìn)行分類并識(shí)別目標(biāo)，常用的算法有K-means、卷積神經(jīng)網(wǎng)絡(luò)、YOLO 算法等。

1.2 圖像分割

圖像分割是計(jì)算機(jī)圖像處理實(shí)現(xiàn)過(guò)程中必不可少的關(guān)鍵步驟之一，是圖像識(shí)別的預(yù)處理，只有經(jīng)過(guò)正確的圖像分割才能確保正確的圖像識(shí)別。實(shí)際上，圖像分割指的是將圖像劃分成不同的具有獨(dú)特意義的區(qū)域的過(guò)程。目前，圖像分割主要有五種分割方式，即閾值分割、區(qū)域分割、分水嶺分割、邊緣分割、直方圖法，其中閾值分割在實(shí)際應(yīng)用中最為常見(jiàn)。

1.3 圖像增強(qiáng)

圖像增強(qiáng)是計(jì)算圖像處理中的一個(gè)重要分支，在圖像傳遞的過(guò)程中，每一個(gè)部分都可能會(huì)出現(xiàn)圖像質(zhì)量降低的情況，導(dǎo)致無(wú)法準(zhǔn)確地識(shí)別和判斷圖像所傳遞的信息。而圖像增強(qiáng)則是為了使不清晰的原始圖像變得清晰或者強(qiáng)調(diào)其中的某些特征，從而通過(guò)直方圖加強(qiáng)法、偽色彩增強(qiáng)法等方法增強(qiáng)圖像質(zhì)量與必要圖像信息，以滿足特殊需求，提高圖像可懂度。圖像增強(qiáng)技術(shù)經(jīng)過(guò)不斷地完善與發(fā)展，已經(jīng)融入了生活中的方方面面。

1.4 圖像壓縮和編碼

由于圖像存在冗余譬如空間冗余、時(shí)間冗余、頻譜冗余等，而在圖像處理過(guò)程中，圖像數(shù)據(jù)中的冗余信息過(guò)多會(huì)導(dǎo)致圖像應(yīng)用效果下降，而數(shù)據(jù)壓縮和編碼的目的就是在不會(huì)造成圖像失真的前提下對(duì)圖像數(shù)據(jù)進(jìn)行壓縮、編碼，刪除其中的冗余信息、減少圖像所占空間以更加高效、便利地進(jìn)行圖像的存儲(chǔ)與傳輸。

1.5 圖像復(fù)原

在計(jì)算機(jī)圖像處理過(guò)程中由于系統(tǒng)的特性以及高斯噪聲、斑點(diǎn)噪聲、椒鹽噪聲等噪聲因素會(huì)導(dǎo)致圖像的退化，針對(duì)退化圖像需要進(jìn)行圖像復(fù)原處理。圖像復(fù)原和圖像增強(qiáng)的目的相似，都是為了提高圖像的質(zhì)量，但圖像復(fù)原是基于去模糊函數(shù)對(duì)已退化的圖像進(jìn)行修復(fù)或者重建，并對(duì)修復(fù)或重建的模型進(jìn)行不斷地修正，去掉圖像的模糊與噪聲干擾，一步步將其復(fù)原到理想狀態(tài)的過(guò)程。

2計(jì)算機(jī)圖像處理應(yīng)用現(xiàn)狀

隨著科學(xué)技術(shù)的快速發(fā)展，計(jì)算機(jī)圖像處理的相關(guān)研究不斷地完善與進(jìn)步，并且計(jì)算機(jī)圖像處理技術(shù)在許多應(yīng)用領(lǐng)域譬如航空航天、林木、農(nóng)業(yè)、人工智能、化學(xué)工程、土木工程、公安司法等都受到了廣泛的重視并取得了開(kāi)拓性的成果。

2.1車牌識(shí)別

計(jì)算機(jī)圖像處理技術(shù)被廣泛應(yīng)用于車牌識(shí)別系統(tǒng)，借助于計(jì)算機(jī)圖像處理技術(shù)能夠?qū)崿F(xiàn)車牌的定位和識(shí)別，在日益龐大的交通網(wǎng)中發(fā)揮了重要的作用，成為了交通管理中的有力幫手。計(jì)算機(jī)圖像處理技術(shù)參與到車牌識(shí)別的過(guò)程重要由對(duì)圖像的預(yù)處理、車牌的定位、車牌字符的分割、車牌字符識(shí)別所構(gòu)成。1）圖像預(yù)處理：交通部門(mén)在各個(gè)道路上設(shè)置由照相機(jī)以及環(huán)形線圈檢測(cè)器所構(gòu)成的“電子眼”?！半娮友邸辈蹲浇?jīng)過(guò)的車輛，采集車牌圖像。而在采集過(guò)程中難免因?yàn)榄h(huán)境的差異以及硬件問(wèn)題導(dǎo)致原始圖像的質(zhì)量較低，難以識(shí)別。因此，需要對(duì)“電子眼”所采集到的圖像進(jìn)行預(yù)處理。首先，為了減小圖像原始數(shù)據(jù)量，便于后續(xù)處理時(shí)計(jì)算量更少，需要對(duì)采集的彩色圖像灰度化;其次，為了確保圖像的有效性與可靠性，抽取圖像中的所需特征，需要通過(guò)圖像濾波對(duì)所采集的圖像進(jìn)一步預(yù)處理，以在最大化地保留原始圖像特征的基礎(chǔ)上消除圖像噪聲;最后，對(duì)圖像進(jìn)行邊緣檢測(cè)，根據(jù)具體條件選擇Prewitt算子、Canny算子、Sobel算子、Roberts算子中最為合適的一種算法進(jìn)行邊緣定位，為獲取有效的信息區(qū)域奠定基礎(chǔ)。2）車牌的定位。圖像預(yù)處理之后，需要對(duì)車牌區(qū)域進(jìn)行定位，將含有車牌信息的子區(qū)域提取出來(lái)。首先對(duì)圖像進(jìn)行粗定位，篩選出候選區(qū)域，然后，為了能夠更快地提取出目標(biāo)圖像，進(jìn)一步地提升分析識(shí)別圖像的效率，需要對(duì)候選區(qū)域圖像進(jìn)行二值化處理，通過(guò)調(diào)整閾值將圖像分為黑白兩部分，進(jìn)一步縮小圖像數(shù)據(jù)大小的同時(shí)使得圖像中目標(biāo)物體的細(xì)節(jié)更加一目了然，與此同時(shí)對(duì)其進(jìn)行掃描，利用其像素的黑白跳變規(guī)律最終確定車牌區(qū)域，實(shí)現(xiàn)車牌精定位。3）糾正歪曲的車牌。由于實(shí)際道路中車流情況變化莫測(cè)，拍攝目標(biāo)車輛時(shí)的方向不可能是完全一致的，很有可能是從側(cè)面拍攝，導(dǎo)致提取的車牌是歪曲的。根據(jù)，寧蒙等人發(fā)表在《計(jì)算機(jī)工程與設(shè)計(jì)》中的自然場(chǎng)景下的車牌分割方法%Method of license plate segmentation in natural scene一文可知車牌的傾斜分為三種：水平傾斜，垂直傾斜，復(fù)合傾斜?？梢愿鶕?jù)不同的情況采用Hough變換法、TILT算法、貪心算法對(duì)其進(jìn)行糾正。4）車牌分割。當(dāng)對(duì)車牌進(jìn)行校正后，需要對(duì)車牌上的字符進(jìn)行分割，即將車牌中字符子圖像塊提取出來(lái)以便后續(xù)的車牌識(shí)別。目前有很多種方法可以實(shí)現(xiàn)車牌分割，譬如垂直投影法、區(qū)域生長(zhǎng)法、基于漢字結(jié)構(gòu)特征的分割法等，在實(shí)際的應(yīng)用中，可以根據(jù)處理的目標(biāo)車牌圖像的不同進(jìn)行選擇，最終得到分割后的字符。5）車牌識(shí)別。將提取的字符與所設(shè)置的字符庫(kù)進(jìn)行一一比對(duì)，得出最為匹配的結(jié)果，最終實(shí)現(xiàn)對(duì)車牌的有效識(shí)別。

2.2 遙感衛(wèi)星

計(jì)算機(jī)圖像技術(shù)在遙感衛(wèi)星領(lǐng)域也有著較為廣泛的應(yīng)用。譬如據(jù)相關(guān)資料顯示，60年代末時(shí)期發(fā)射了LANDSAT系列以及SKYLAB資源遙感衛(wèi)星，而衛(wèi)星所傳回的圖像由于環(huán)境因素圖像質(zhì)量較低，很難從圖像中獲取有用的信息。而隨著計(jì)算機(jī)圖像處理技術(shù)在該領(lǐng)域的逐漸應(yīng)用，遙感衛(wèi)星在空中將采集的原始圖像進(jìn)行數(shù)字化編碼后轉(zhuǎn)化為數(shù)字信號(hào)傳輸至處理中心，通過(guò)計(jì)算機(jī)圖像處理將圖像進(jìn)行壓縮編碼、圖像增強(qiáng)、圖像復(fù)原、圖像分割、圖像識(shí)別，最終從傳回的圖像中獲取出有效的清晰的信息。另外，計(jì)算機(jī)圖像技術(shù)在遙感衛(wèi)星中的應(yīng)用在資源勘探、氣象觀察、地形勘查等方面都發(fā)揮了重要的作用，譬如說(shuō)在鐵路建造設(shè)計(jì)中，就可以利用遙感衛(wèi)星獲取目標(biāo)區(qū)域的圖像，進(jìn)行圖像處理后對(duì)圖像進(jìn)行判讀，更加精確地根據(jù)所得的高質(zhì)量圖像進(jìn)行鐵路設(shè)計(jì)，進(jìn)一步提升了鐵路建設(shè)的效率與安全程度。

2.3 醫(yī)療領(lǐng)域

計(jì)算機(jī)圖像處理技術(shù)在超聲圖像、CT技術(shù)、體視化技術(shù)等方面都有著廣泛的應(yīng)用。在超聲成像過(guò)程中，利用圖像復(fù)原技術(shù)將超聲拍攝下的圖像采用維納濾波解卷算法進(jìn)行圖像斑點(diǎn)去噪，以提高目標(biāo)超聲圖像的分辨率，并利用圖像增強(qiáng)技術(shù)將成像的邊緣清晰化，并且突出圖像的高頻部分，更加便于醫(yī)生將正常組織與病灶區(qū)域分開(kāi)，從而進(jìn)一步增強(qiáng)醫(yī)療診斷的正確率。在醫(yī)療CT技術(shù)中，計(jì)算圖像處理技術(shù)亦發(fā)揮了十分重要的作用。對(duì)于CT影像來(lái)說(shuō)，最為重要的就是圖像質(zhì)量，因此，在實(shí)際應(yīng)用過(guò)程中，必須通過(guò)計(jì)算機(jī)圖像處理，獲得高清的數(shù)據(jù)圖像，保證整個(gè)成像系統(tǒng)在很寬的動(dòng)態(tài)范圍內(nèi)自動(dòng)獲得最佳密度和對(duì)比度的圖像，并通過(guò)圖像復(fù)原、圖像增強(qiáng)、圖像分割對(duì)所需區(qū)域進(jìn)行適當(dāng)處理，使其密度、對(duì)比度、邊緣銳利度最優(yōu)化，便于醫(yī)生診斷。在醫(yī)療領(lǐng)域，體視化技術(shù)也同樣離不開(kāi)計(jì)算機(jī)圖像處理。體視化技術(shù)能夠?qū)⒍S斷層圖像重建為三維圖像，借用圖像處理中濾波和變換方法來(lái)濾除體數(shù)據(jù)中的噪聲和校準(zhǔn)成像過(guò)程中帶來(lái)的畸變;利用計(jì)算機(jī)視覺(jué)的分割法區(qū)分不同物質(zhì)的體數(shù)據(jù)，最終實(shí)現(xiàn)所需的人體組織與器官顯示出來(lái)，病灶區(qū)域充分暴露，以幫助醫(yī)生更好地分析處理病體。

3 結(jié)論與展望

綜上所述，計(jì)算機(jī)圖像處理技術(shù)在各個(gè)領(lǐng)域都扮演了非常重要的角色，從以上計(jì)算機(jī)圖像處理在車牌識(shí)別、衛(wèi)星遙感、醫(yī)療輔助中的應(yīng)用可以看出，在未來(lái)發(fā)展進(jìn)程中，計(jì)算機(jī)圖像處理出現(xiàn)多學(xué)科交叉融合的趨勢(shì)，計(jì)算機(jī)圖像處理的作用與功能逐漸多元化。另外，隨著科學(xué)技術(shù)的進(jìn)步，計(jì)算機(jī)圖像處理也朝著智能化、高速傳輸、高清晰度等方向發(fā)展。譬如，基于深度學(xué)習(xí)的圖像識(shí)別，利用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network， CNN） 等深層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)高效且精準(zhǔn)地識(shí)別，在圖像處理領(lǐng)域獲得了極大關(guān)注，這勢(shì)必將提升現(xiàn)有計(jì)算機(jī)圖像處理系統(tǒng)的性能并開(kāi)創(chuàng)新的應(yīng)用領(lǐng)域。

參考文獻(xiàn)：

[1] 肖小奎，黎紹發(fā).加強(qiáng)邊緣保護(hù)的Curvelet圖像去噪方法[J].通信學(xué)報(bào)，2004，25（2）：9-15.

[2] 殷夫，紀(jì)震，周家銳，等.PET/CT圖像質(zhì)量主觀評(píng)價(jià)與感知模型[J].深圳大學(xué)學(xué)報(bào)（理工版），2015，32（2）：205-212.

[3] 仇樂(lè).網(wǎng)頁(yè)設(shè)計(jì)中計(jì)算機(jī)圖像處理技術(shù)應(yīng)用解析[J].煤炭技術(shù)，2013，32（3）：204-205.

[4] 鄧飛，祁亨年，趙光武.基于計(jì)算機(jī)圖像處理技術(shù)評(píng)估杉木和馬尾松種子活力[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（S2）：274-279.

[5] 王晨.高職高專院校計(jì)算機(jī)圖像處理與應(yīng)用課程教學(xué)策略[J].教育與職業(yè)，2014（27）：161-162.

[6] 周凌翱，車金慶.淺談項(xiàng)目教學(xué)法在《計(jì)算機(jī)圖像處理》課程教學(xué)中的應(yīng)用[J].價(jià)值工程，2012，31（16）：278.

[7] 黃園.試析計(jì)算機(jī)圖像處理課堂中的情境體驗(yàn)教學(xué)法的運(yùn)用[J].中國(guó)科教創(chuàng)新導(dǎo)刊，2013（22）：156.

[8] 宋曉玲.基于計(jì)算機(jī)圖像處理的板形識(shí)別探析[J].計(jì)算機(jī)光盤(pán)軟件與應(yīng)用，2014，17（15）：221，223.

[9] 湯敏，王惠南.彩色視網(wǎng)膜血管圖像的自動(dòng)分割算法[J].儀器儀表學(xué)報(bào)，2007，28（7）：1281-1285.

【通聯(lián)編輯：李雅琪】