中圖分類號：TP391.41 文獻標志碼：A 文章編碼：1672-7274（2025）04-0129-03

Abstract： This paper studies the application of computer graphics and image processing technology in visual communication systems，and introduces the non-local means algorithm，principal component analysis （PCA）-based multispectral compresion technologyand Otsu adaptive threshold method.Through verification，these technologies have effectively improved the eficiencyand expressiveness of visual communication systems，providing designers with more creative possibilities.

Keywords： computer; image processng technology; visual communication system; application practice

1 理論概述

1.1視覺傳達系統(tǒng)定義與組成

視覺傳達系統(tǒng)是一種利用視覺元素傳遞信息和創(chuàng)意的綜合性系統(tǒng)。該系統(tǒng)通過整合圖形、文字、色彩、動畫等視覺要素，實現(xiàn)有效的信息傳遞和美學表達。系統(tǒng)的核心組成包括輸入設備、處理單元和輸出設備。其運行過程詳見圖1。

輸入設備負責捕捉和數(shù)字化視覺信息，如掃描儀、數(shù)碼相機等。處理單元是系統(tǒng)的核心，由計算機硬件和軟件構成，執(zhí)行圖像處理、設計編輯和效果生成等任務。輸出設備則將處理后的視覺信息呈現(xiàn)給受眾，包括顯示器、打印機等。在系統(tǒng)架構中，圖形圖像處理模塊起著關鍵作用，負責圖像增強、色彩校正、特效添加等操作。數(shù)據管理模塊用于存儲和檢索視覺素材[1。用戶界面模塊提供交互式設計工具。渲染引擎負責生成最終的視覺效果。網絡傳輸模塊則支持遠程協(xié)作和在線發(fā)布。這些組件協(xié)同工作，構成了一個完整的視覺傳達系統(tǒng)，為設計師提供了強大的創(chuàng)作平臺。

1.2計算機圖形圖像處理技術在視覺傳達系統(tǒng)中的應用優(yōu)勢

在設計效率方面，該技術通過自動化和智能化工具大幅縮短了圖像處理時間。批量處理功能使設計師能同時對多張圖像進行調整，顯著提升工作效率。智能選區(qū)工具精確識別圖像邊緣，減少手動描繪時間。圖層管理系統(tǒng)支持非破壞性編輯，便于快速修改和版本控制。在視覺表現(xiàn)力方面，高級濾鏡和特效算法豐富了設計師的創(chuàng)作手段。色彩管理技術確?？缭O備色彩一致性，提高設計作品的還原度。矢量圖形技術可實現(xiàn)無損放大，適應多尺寸輸出需求[2。3D渲染技術為平面設計注入立體感，增強視覺沖擊力。人工智能輔助創(chuàng)作工具，如風格遷移和智能構圖，為設計師提供創(chuàng)新靈感。圖像增強算法改善低質量原始素材，擴大可用資源范圍。高動態(tài)范圍成像技術捕捉更廣泛的亮度和色彩信息，創(chuàng)造出更具表現(xiàn)力的視覺效果。通過上述技術，能夠有效提高設計效率，拓展視覺傳達表現(xiàn)空間，使設計作品更具吸引力和說服力。

2 計算機圖形圖像處理技術

2.1圖像獲取與數(shù)字化

圖像獲取主要通過數(shù)碼相機、掃描儀等設備完成，采用CCD或CMOS傳感器將光信號轉換為電信號。數(shù)字化過程則將模擬信號轉換為離散的數(shù)字信號，包括采樣和量化兩個關鍵步驟。采樣是在空間域上對圖像進行離散化，采樣頻率遵循奈奎斯特定理，須不小于圖像最高頻率的兩倍。量化則是在灰度域上進行離散化，常用的量化等級有256級（8位）、1024級（10位）等。

圖像數(shù)字化的質量可通過信噪比（SNR）來評估，其計算公式為

式中，SNR為信噪比，表示信號的強度相對于噪聲的強度，信號功率為圖像中有用信息的功率，代表有價值的像素數(shù)據，噪聲功率為圖像中不期望的隨機波動或干擾的功率。

除了圖像數(shù)字化，運用Bayer濾色器插值算法可還原彩色圖像，其基本公式為

式中， G，R，B 分別為綠、紅、藍通道像素值（插值后結果）； G₁?G₂?G₃?G₄ 為周圍4個綠色像素的值； R₁. R 分別為周圍兩個紅色像素值； B₁，B₂ 分別為周圍兩個藍色像素值。Bayer濾色器插值算法是彩色圖像還原的重要步驟。數(shù)碼相機使用Bayer濾色器陣列來捕獲圖像，每個像素位置只記錄紅、綠、藍三色中的一個[3]。插值算法用于估計和還原缺失的顏色值。公式通過鄰近像素的顏色信息進行插值，生成完整的RGB彩色圖像。不同的圖像獲取設備和數(shù)字化參數(shù)會影響圖像質量，常見設備典型參數(shù)詳見表1。

2.2圖像增強與修復

中值濾波是一種常用的非線性圖像增強技術，如圖2為某 3×3 濾波窗口去噪處理過程，將中心像素值替換為窗口內所有像素值的中位數(shù)。

針對修復算法常用的評價指標包括峰值信噪比（PSNR）和結構相似性（SSIM）。本文中重點以PSNR為主，其計算公式為

式中，PSNR為峰值信噪比，用于評估圖像質量指標；MAX為圖像中像素值的最大可能值，對于8位圖像，通常為255；MSE為均方誤差，表示原始圖像和失真圖像之間的誤差。該方式用于評估圖像增強、修復、去噪或壓縮算法后的圖像質量，數(shù)值越大，表示經過處理的圖像與原始圖像越相似，失真越小。

在圖像去噪中，非局部均值（NLM）算法表現(xiàn)優(yōu)異，其核心公式為

式中，NLv為非局部均值； u（j） 為輸入圖像中的像素位置j處的值； w（i，j） 為詳述位置i和j的相似度權重，該算法通過計算像素之間的相似性權重，利用更大范圍內的相似像素來替代當前像素值，在有效去除噪聲的同時保持圖像細節(jié)。

2.3圖像壓縮與編碼

針對圖像壓縮與編碼環(huán)節(jié)，本文中引入多光譜圖像壓縮技術，能夠在保留豐富光譜信息的同時實現(xiàn)高效壓縮[4。該技術核心在于對多個波段的圖像數(shù)據進行處理，充分利用波段間的相關性來提高壓縮效率。在實際應用中，采用主成分分析（PCA）法，通過正交變換將可能存在相關性的變量轉換為線性無關的變量，具體步驟如下。

（1）計算協(xié)方差矩陣，公式為

式中， N 為樣本數(shù)； X_i 為第 個光譜向量； μ 為均值向量； ）為第i個樣本與均值的誤差； （X_i^-μ）^T 為偏差的轉置，用于計算協(xié)方差。

（2）求解特征值方程：

（Σ-λI）ν=0

式中， λ 為特征值；1為單位矩陣； u 為特征向量。

（3）選取最大的 k 個特征值對應的特征向量作為變換矩陣。

該方法用于計算多光譜圖像中各波段之間的相關性，通過求解獲取數(shù)據中的主成分，通過PCA變換將多光譜圖像壓縮至較少主成分中，并選取最大特征值進一步減少數(shù)據維數(shù)，滿足存儲需求。

2.4圖像分割與特征提取

圖像分割與特征提取是視覺傳達系統(tǒng)中關鍵的前處理步驟，本文中引用Otsu自適應閾值法，通過最大化類間方差實現(xiàn)最優(yōu)分割，其目標函數(shù)為

σ²（t）=ω₁（t）ω₂（t）[μ₁（t）-μ₂（t）]²

式中， σ²（t） 為類間方差，用于衡量在閾值t下分割效果好壞； t 為閾值； ω_?1（t），ω_?2（t） 分別為第一類像素和第二類像素的概率； μ₁（t），μ₂（t） 分別為第一類像素和第二類像素的平均灰度值。

3 實驗設計

3.1實驗環(huán)境和數(shù)據集

實驗環(huán)境采用配備NVIDIARTX3080顯卡、32GBRAM的工作站，運行Windows10專業(yè)版操作系統(tǒng)，使用MATLABR2021b和AdobePhotoshop CC2022進行圖像處理。數(shù)據集從公開的視覺傳達設計作品庫中隨機選取100張高分辨率圖像，包括海報、標志、包裝設計等多種類型，確保數(shù)據的多樣性和代表性。

3.2實驗方法

向原始圖像中添加高斯白噪聲（均值為0，方差為0.01），然后分別應用三種算法進行去噪處理，最后使用峰值信噪比（PSNR）和結構相似性（SSIM）指標評估處理效果。圖像壓縮實驗對比了JPEG標準壓縮技術和基于主成分分析（PCA）的多光譜圖像壓縮技術，在 10：1，20：1，30：1 三種壓縮率下評估壓縮效果，使用壓縮比、PSNR和視覺質量評分（1＼～5分制）作為評價指標[5]。圖像分割實驗采用Otsu自適應閾值法，并與傳統(tǒng)的固定閾值分割方法進行對比，選取5張包含明顯前景和背景的設計圖像進行分割，通過目視檢查和分割準確率評估效果。數(shù)據分析采用配對t檢驗比較不同算法在各項指標上的差異，顯著性水平設為0.05。使用SPSS26.0軟件進行統(tǒng)計分析，并用

Origin2022繪制結果圖表。

3.3實驗結果

為了驗證本文中提出的各種圖像處理技術在視覺傳達系統(tǒng)中的實際效果，筆者重點針對圖像去噪、壓縮和分割三個關鍵環(huán)節(jié)，對非局部均值算法、基于PCA的多光譜壓縮技術、Otsu自適應閾值法進行測試并提供客觀評價指標，實驗結果詳見表2。

實驗結果顯示，非局部均值算法在圖像去噪方面表現(xiàn)卓越，PSNR達35.78dB，SSIM高達0.9456，證明其在保持圖像細節(jié)的同時有效去除噪聲?；赑CA的多光譜壓縮技術在30：1高壓縮比下仍保持了31.52dB的PSNR，視覺質量評分為4.2，展現(xiàn)了優(yōu)秀的壓縮性能。Otsu自適應閾值法在圖像分割任務中取得 93.6% 的高準確率，驗證了其在處理復雜背景圖像時的優(yōu)勢。

T 結束語

本文深入探討了計算機圖形圖像處理技術在視覺傳達系統(tǒng)中的應用，通過理論分析和實驗驗證，展示了這些技術在提高設計效率和增強視覺表現(xiàn)力方面的巨大潛力。研究結果表明，非局部均值（NLM）算法、基于PCA的多光譜壓縮技術和Otsu自適應閾值法等先進技術在圖像去噪、壓縮和分割任務中表現(xiàn)出色，為視覺傳達系統(tǒng)提供了強有力的技術支持。未來應持續(xù)探索人工智能在視覺傳達設計中的應用，開發(fā)更智能化的圖像處理算法，研究如何更好地整合這些技術以滿足不同設計需求。

參考文獻

[1]唐維.計算機圖形圖像處理技術在視覺傳達系統(tǒng)中的應用[J].電腦知識與技術，2021，17（18）：203-204，208.

[2]傅杰梅.VR環(huán)境下計算機圖形圖像與視覺傳達設計[J].電腦知識與技術，2021，17（06）：196-197.

[3]侯杰.計算機圖形圖像處理技術在視覺傳達系統(tǒng)中的應用[J].美術教育研究，2020（21）：90-91.

[4]游曉榮.計算機圖形圖像處理技術在視覺傳達系統(tǒng)中的應用分析[J].信息與電腦（理論版），2020，32（18）：15-17.

[5]楊歆.計算機圖形圖像設計與視覺傳達設計的關系[J].現(xiàn)代信息科技，2020，4（18）：87-89，94.