分析计算机图像处理的应用与发展

张家伟

摘要：计算机图像处理的出现对我们的日常生活产生了重要的影响，在动漫、医疗、航空、公安等领域得到了广泛的应用。随着计算机科学技术的快速发展，计算机图像处理技术也在不断地更新变化中，与其他学科相互穿插、相互融合，被赋予了新的内涵。本文就此展开对计算机图像处理的应用以及未来发展趋势的探究，以期能够进一步丰富与计算机图像处理相关的理论性研究。

关键词：计算机;图像处理;车牌识别

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2021）30-0104-02

开放科学（资源服务）标识码（OSID）：

1 计算机图像处理的内涵

计算机图像处理一经出现就以其广泛的应用、良好的发展前景，成为广大科研工作者以及学者们所关注的焦点之一。关于计算机图像处理的内涵很多期刊和相关资料都对其进行了阐述。张颖（2011）在关于计算机图像处理技术的应用的研究一文中指出：“所谓的计算机图像处理技术就是指把图像信号进行转换，成为数字信号并且利用计算机对其进行处理”。吕勇谋（2020）也在浅谈计算机图像处理技术的发展与未来创新一文中指出“计算机图像处理实际上就是利用计算机进行图像的显示、储存、修改等工作”。而根据百度百科的相关资料指出“计算机图像处理从广义上来说，泛指一切利用计算机来进行与图像相关的过程、技术或系统”。

因此，根据以上资料以及相关文献，可以得知计算机图像处理本质上是指，利用计算机以及相关软件，对原始图像进行特定的处理譬如说去除噪声、增强、复原等以得到符合需求的图像的过程。计算机图像处理的主要内容主要包括了以下几个方面：

1.1 图像识别

图像识别是计算机图像处理中重要的技术之一，主要是指在图像进行分析处理之前，对图像进行识别、认知与分类的任务。人工智能方向研究中一般均具有图像识别功能，通过将数据对象按照一定的特征对对象进行分组的聚类方法和通过降维找到数据的共同点减少数据集的变量。对图像进行分类并识别目标，常用的算法有K-means、卷积神经网络、YOLO 算法等。

1.2 图像分割

图像分割是计算机图像处理实现过程中必不可少的关键步骤之一，是图像识别的预处理，只有经过正确的图像分割才能确保正确的图像识别。实际上，图像分割指的是将图像划分成不同的具有独特意义的区域的过程。目前，图像分割主要有五种分割方式，即阈值分割、区域分割、分水岭分割、边缘分割、直方图法，其中阈值分割在实际应用中最为常见。

1.3 图像增强

图像增强是计算图像处理中的一个重要分支，在图像传递的过程中，每一个部分都可能会出现图像质量降低的情况，导致无法准确地识别和判断图像所传递的信息。而图像增强则是为了使不清晰的原始图像变得清晰或者强调其中的某些特征，从而通过直方图加强法、伪色彩增强法等方法增强图像质量与必要图像信息，以满足特殊需求，提高图像可懂度。图像增强技术经过不断地完善与发展，已经融入了生活中的方方面面。

1.4 图像压缩和编码

由于图像存在冗余譬如空间冗余、时间冗余、频谱冗余等，而在图像处理过程中，图像数据中的冗余信息过多会导致图像应用效果下降，而数据压缩和编码的目的就是在不会造成图像失真的前提下对图像数据进行压缩、编码，删除其中的冗余信息、减少图像所占空间以更加高效、便利地进行图像的存储与传输。

1.5 图像复原

在计算机图像处理过程中由于系统的特性以及高斯噪声、斑点噪声、椒盐噪声等噪声因素会导致图像的退化，针对退化图像需要进行图像复原处理。图像复原和图像增强的目的相似，都是为了提高图像的质量，但图像复原是基于去模糊函数对已退化的图像进行修复或者重建，并对修复或重建的模型进行不断地修正，去掉图像的模糊与噪声干扰，一步步将其复原到理想状态的过程。

2计算机图像处理应用现状

随着科学技术的快速发展，计算机图像处理的相关研究不断地完善与进步，并且计算机图像处理技术在许多应用领域譬如航空航天、林木、农业、人工智能、化学工程、土木工程、公安司法等都受到了广泛的重视并取得了开拓性的成果。

2.1车牌识别

计算机图像处理技术被广泛应用于车牌识别系统，借助于计算机图像处理技术能够实现车牌的定位和识别，在日益庞大的交通网中发挥了重要的作用，成为了交通管理中的有力帮手。计算机图像处理技术参与到车牌识别的过程重要由对图像的预处理、车牌的定位、车牌字符的分割、车牌字符识别所构成。1）图像预处理：交通部门在各个道路上设置由照相机以及环形线圈检测器所构成的“电子眼”。“电子眼”捕捉经过的车辆，采集车牌图像。而在采集过程中难免因为环境的差异以及硬件问题导致原始图像的质量较低，难以识别。因此，需要对“电子眼”所采集到的图像进行预处理。首先，为了减小图像原始数据量，便于后续处理时计算量更少，需要对采集的彩色图像灰度化;其次，为了确保图像的有效性与可靠性，抽取图像中的所需特征，需要通过图像滤波对所采集的图像进一步预处理，以在最大化地保留原始图像特征的基础上消除图像噪声;最后，对图像进行边缘检测，根据具体条件选择Prewitt算子、Canny算子、Sobel算子、Roberts算子中最为合适的一种算法进行边缘定位，为获取有效的信息区域奠定基础。2）车牌的定位。图像预处理之后，需要对车牌区域进行定位，将含有车牌信息的子区域提取出来。首先对图像进行粗定位，筛选出候选区域，然后，为了能够更快地提取出目标图像，进一步地提升分析识别图像的效率，需要对候选区域图像进行二值化处理，通过调整阈值将图像分为黑白两部分，进一步缩小图像数据大小的同时使得图像中目标物体的细节更加一目了然，与此同时对其进行扫描，利用其像素的黑白跳变规律最终确定车牌区域，实现车牌精定位。3）纠正歪曲的车牌。由于实际道路中车流情况变化莫測，拍摄目标车辆时的方向不可能是完全一致的，很有可能是从侧面拍摄，导致提取的车牌是歪曲的。根据，宁蒙等人发表在《计算机工程与设计》中的自然场景下的车牌分割方法%Method of license plate segmentation in natural scene一文可知车牌的倾斜分为三种：水平倾斜，垂直倾斜，复合倾斜。可以根据不同的情况采用Hough变换法、TILT算法、贪心算法对其进行纠正。4）车牌分割。当对车牌进行校正后，需要对车牌上的字符进行分割，即将车牌中字符子图像块提取出来以便后续的车牌识别。目前有很多种方法可以实现车牌分割，譬如垂直投影法、区域生长法、基于汉字结构特征的分割法等，在实际的应用中，可以根据处理的目标车牌图像的不同进行选择，最终得到分割后的字符。5）车牌识别。将提取的字符与所设置的字符库进行一一比对，得出最为匹配的结果，最终实现对车牌的有效识别。

2.2 遥感卫星

计算机图像技术在遥感卫星领域也有着较为广泛的应用。譬如据相关资料显示，60年代末时期发射了LANDSAT系列以及SKYLAB资源遥感卫星，而卫星所传回的图像由于环境因素图像质量较低，很难从图像中获取有用的信息。而随着计算机图像处理技术在该领域的逐渐应用，遥感卫星在空中将采集的原始图像进行数字化编码后转化为数字信号传输至处理中心，通过计算机图像处理将图像进行压缩编码、图像增强、图像复原、图像分割、图像识别，最终从传回的图像中获取出有效的清晰的信息。另外，计算机图像技术在遥感卫星中的应用在资源勘探、气象观察、地形勘查等方面都发挥了重要的作用，譬如说在铁路建造设计中，就可以利用遥感卫星获取目标区域的图像，进行图像处理后对图像进行判读，更加精确地根据所得的高质量图像进行铁路设计，进一步提升了铁路建设的效率与安全程度。

2.3 医疗领域

计算机图像处理技术在超声图像、CT技术、体视化技术等方面都有着广泛的应用。在超声成像过程中，利用图像复原技术将超声拍摄下的图像采用维纳滤波解卷算法进行图像斑点去噪，以提高目标超声图像的分辨率，并利用图像增强技术将成像的边缘清晰化，并且突出图像的高频部分，更加便于医生将正常组织与病灶区域分开，从而进一步增强医疗诊断的正确率。在医疗CT技术中，计算图像处理技术亦发挥了十分重要的作用。对于CT影像来说，最为重要的就是图像质量，因此，在实际应用过程中，必须通过计算机图像处理，获得高清的数据图像，保证整个成像系统在很宽的动态范围内自动获得最佳密度和对比度的图像，并通过图像复原、图像增强、图像分割对所需区域进行适当处理，使其密度、对比度、边缘锐利度最优化，便于医生诊断。在医疗领域，体视化技术也同样离不开计算机图像处理。体视化技术能够将二维断层图像重建为三维图像，借用图像处理中滤波和变换方法来滤除体数据中的噪声和校准成像过程中带来的畸变;利用计算机视觉的分割法区分不同物质的体数据，最终实现所需的人体组织与器官显示出来，病灶区域充分暴露，以帮助医生更好地分析处理病体。

3 结论与展望

综上所述，计算机图像处理技术在各个领域都扮演了非常重要的角色，从以上计算机图像处理在车牌识别、卫星遥感、医疗辅助中的应用可以看出，在未来发展进程中，计算机图像处理出现多学科交叉融合的趋势，计算机图像处理的作用与功能逐渐多元化。另外，随着科学技术的进步，计算机图像处理也朝着智能化、高速传输、高清晰度等方向发展。譬如，基于深度学习的圖像识别，利用卷积神经网络（Convolutional Neural Network， CNN） 等深层神经网络实现高效且精准地识别，在图像处理领域获得了极大关注，这势必将提升现有计算机图像处理系统的性能并开创新的应用领域。

参考文献：

[1] 肖小奎，黎绍发.加强边缘保护的Curvelet图像去噪方法[J].通信学报，2004，25（2）：9-15.

[2] 殷夫，纪震，周家锐，等.PET/CT图像质量主观评价与感知模型[J].深圳大学学报（理工版），2015，32（2）：205-212.

[3] 仇乐.网页设计中计算机图像处理技术应用解析[J].煤炭技术，2013，32（3）：204-205.

[4] 邓飞，祁亨年，赵光武.基于计算机图像处理技术评估杉木和马尾松种子活力[J].农业工程学报，2012，28（S2）：274-279.

[5] 王晨.高职高专院校计算机图像处理与应用课程教学策略[J].教育与职业，2014（27）：161-162.

[6] 周凌翱，车金庆.浅谈项目教学法在《计算机图像处理》课程教学中的应用[J].价值工程，2012，31（16）：278.

[7] 黄园.试析计算机图像处理课堂中的情境体验教学法的运用[J].中国科教创新导刊，2013（22）：156.

[8] 宋晓玲.基于计算机图像处理的板形识别探析[J].计算机光盘软件与应用，2014，17（15）：221，223.

[9] 汤敏，王惠南.彩色视网膜血管图像的自动分割算法[J].仪器仪表学报，2007，28（7）：1281-1285.

【通联编辑：李雅琪】