计算机图像处理和识别技术的应用

苏羚凤

摘要：在大数据和人工智能等技术的支持下，计算机图像识别精度和处理效率得到了大幅度提升，在各个行业得到了广泛应用。该文首先概述了计算机图像处理与识别技术的基本原理，随后分别从图像信息的获取、预处理、特征提取和分类决策等方面，介绍了计算机图像处理与识别的应用流程。最后结合实际情况，分析了该技术在交通领域、有色金属领域、农业生产领域、工业安全领域的具体应用。

关键词：计算机图像处理特征信息提取车牌自动识别

中图分类号：TP391.41文献标识码：A        文章编号：1672-3791（2022）01（a）-0000-00

Application of Computer Image Processing and Recognition Technology

SU Lingfeng

（Shandong Polytechnic Vocational College，Jining，Shandong Province，272067China）

Abstract：With the support of big data and artificial intelligence technology， computer image recognition accuracy and processing efficiency have been greatly improved and widely used in various industries. This paper first summarizes the basic principle of computer image processing and recognition technology， and then introduces the application process of computer image processing and recognition from the aspects of image information acquisition， preprocessing， feature extraction and classification decision-making. Finally， combined with the actual situation， the specific applications of the technology in the fields of transportation， non-ferrous metals， agricultural production and industrial safety are analyzed.

Key Words：Computer; Image processing; Feature information extraction; Automatic license plate recognition

在信息时代，数据成为一种宝贵的资源，但是如何从海量的数据中提取出有价值的信息，是亟需解决的关键问题。随着信息技术在各行各业的推广使用，计算机图像处理和识别技术的发展前景广阔。在这一背景下探究不同领域应用该技术的方法、技巧，既可以促进行业的创新发展，还能够创造更高的经济价值和社会效益。

1计算机图像处理与识别技术原理

在整个信息系统中，前端的传感装置、扫描装置、摄像装置等，会获取待测目标的图像信息。然后经过通信设备，将图像信息从前端传输到终端计算机上。由于计算机只能识别二进制数据，因此需要对采集到的图像进行数字化加工处理。另外，在处理环节，还会根据图像本身的情况，采取诸如降噪、去重、除雾等处理技术，以提高图像信息的清晰度，保证图像内容的真实性。完成处理后，计算机通过识别数据获取图像信息，然后利用大数据分析技术、人工智能决策技术等，做出相应的判断，下达相应的指令，完成图像自动处理和系统智能控制。由此可见，在计算机图像处理与识别技术的帮助下，在某些特定的场合，可以代替人工完成操作管理，在降低人工成本、提高管理效率等方面发挥了显著优势[1-2]。

2计算机图像处理与识别技术的应用流程

2.1图像信息的获取

获取图像信息是计算机图像处理与识别的第一步。计算机获取图像信息的方式主要是借助于前端的扫描仪或传感器。其中，传感器又可以分成多种类型，例如用于识别光信号的光传感器、用于识别声音信号的声传感器等。在一些比较复杂的系统中，可能会同时使用多种类型的传感装置，为了实现图像信息的统一，必须要将传感器获取的声音信号、温度信号等，统一转化成电信号。另外，对于采集到的图像信息，还会自动存储到数据库中，并且由系统生成备份文件。在后续的图像信息处理环节，只对原件做相应处理，而备份文件被保存起来，防止重要信息丢失的情况[3-4]。

2.2图像信息的预处理

对于获取的图像信息，还要通过预处理进行筛选、分类。由于初步获取的图像信息数量較多，并且其中很多图像可能存在画面不清晰、内容不完整，或者是不符合使用要求。在预处理环节，计算机会自动识别出这类信息并将其删除，从而实现数据“瘦身”，极大地降低了后续数据特征提取与计算分析的工作量。图像预处理中使用到的技术有多种，例如几何规范化技术、灰度级插值技术、高斯滤波技术等。另外，在图像预处理环节，还可以采用人工自定义的方式，设置信息筛选的指标。例如，以图像分辨率作为筛选指标，由计算机自动计算每一幅图像的分辨率，如果分辨率达不到设定的最低要求，则默认为图像画面模糊，进而将这些不符合要求的图像过滤掉。经过一遍预处理后，剩余的图像信息均具有较强的可靠性和较高的利用价值[5-6]。

2.3图像信息的特征提取

经过预处理筛选后，数据信息的总量大幅度减少，但是对于人工处理来说仍然有一定的压力。除此之外，由于前端传感器会源源不断地采集并传输被测目标的图像信息，因此会存在大量完全一致或者高度相似的图像。为了进一步降低系统运算的工作量，还需要应用到特征提取技术。特征提取步骤主要包括：第一，定义特征类型。在获取的图像中确定特征类型，例如边、角、颜色、形状等。第二，寻找特征。根据上一步确定的特征类型，由计算机按照顺序依次对数据库中保存的海量图像进行检索，寻找符合定义的特征。第三，特征信息集合。当所有图像均完成特征提取处理后，将提取到的特征信息进行汇总，制作成一个或多个集合。这样一来，每一个集合都保留了具有共性特征的数据信息，为下一步的图像信息分析决策提供了必要的支持。

2.4图像信息的分析决策

计算机图像处理和识别技术的核心作用，在于通过图像提供的信息，了解被测对象的实际情况，进而由计算机发出相应的指令，完成相应的控制，实现管理的自动化。因此，在计算机图像处理和识别技术的整个应用流程中，图像信息的分析决策是至关重要的环节。在这一过程中，可能会应用到的技术有计算机深度学习技术、人工神经网络技术等。当然，根据具体应用领域的不同，图像信息分析决策的结果也存在明显差异。例如：在电气系统故障自检中，分析决策结果是电气设备有无故障，以及故障的类型、发生的位置和解决建议等;如果是在机械自动控制系统中，分析决策结果是最佳运行方式等。除此之外，由计算机图像处理和识别系统做出的最终决策，还能够自动生成一份分析报告，提供给技术人员或管理人员，用于参考。

3计算机图像处理与识别技术的应用

在大数据、人工智能等相关技术日益成熟的背景下，计算机图像处理和识别技术也得到了快速发展，并且在诸多领域均发挥了技术应用优势，在推动管理智能化、生产自动化等方面扮演了不可替代的重要角色。综合来看，智慧交通、农业生产、工业安全等领域，计算机图像处理和识别技术的成熟度较高、应用效果较好。

3.1在交通领域的应用

在机动车保有量不断增加的背景下，“停车难”成为一类社会问题，相应的对停车管理也提出了更高的要求。尤其是对于医院、商场、小区这类车辆频繁出入的场所，人工进行停车管理难度较大，基于计算机图像处理和识别技术的车牌自动识别系统得到了推广使用。通过安装车牌自动识别系统，实现了对进出车辆的自动化管理。

当车辆进入到RFID射频识别区域中，装置会自动扫描车牌号码，并提取号码信息。然后将采集到的车辆号牌信息，与系统数据库中已经录入并存储的车辆号牌信息进行配对。如果能够顺利完成配对，说明该车辆属于小区业主或者医院或商场的工作人员，语音播报车辆类别及缴费情况后，系统自动抬杆放行;相反，如果未能完成配对，则说明该车辆属于没有登记的临时车辆，同样由系统进行语音播报，并开始计时。此时由人工控制或系统自动控制抬起栏杆放行，车辆进入停车场。

3.2在有色金属领域的应用

有色金属包含了铜、铅、铝、银等多种金属，进行有色金属的开采和利用对我国工业、制造业的发展有重要影响。以铜为例，自然界中的铜，多以铜矿石的形式存在，例如辉铜矿、黄铜矿等。从化学成分上来看，以硫化亚铜（Cu2S）、二硫化铁铜（CuFeS2）等为主。除此之外，在一些多金属共生矿中，由于铜的含量较少，或者同时含有多种金属元素，导致铜的检测难度较大，不利于铜的开采和利用。将计算机图像处理和识别技术应用到找矿工作中，技术人员首先利用X射线技术对待测区域采集到的矿石进行扫描，提取矿石的成分信息，例如密度、组分等。然后将所有信息保存起来，最后提取矿石中金属铜的特征信息。将提取信息与数据库中存储的特征信息进行对比，如果配对成功，则说明该矿石中含有铜元素，并且进一步测定铜的含量，为精确找矿提供了技术支持。

3.3在农业生产领域的应用

在农业机械化的推动下，近年来设施农业得到了快速发展。相比于以往的农业生产管理模式，基于计算机图像处理和识别技术的采摘机器人，可以代替人工完成对农作物果实的自动收获，显著提高了作业效率，并且极大地减轻了农民的劳作压力。智能采摘机器人的工作原理为：在机器人的上方有一台摄像装置，可以实时拍摄农作物的图像。将采集到的图像信息进行预处理后，由后台计算机进行农作物特征提取。将提取到的信息，与数据库中存储的农作物特征信息进行匹配。如果匹配成功，则准确定位农作物的位置，然后计算机发送指令，利用机器人的采摘装置，完成农作物的摘取。另外，基于人工智能的计算机图像处理和识别技术，还可以将农作物的颜色作为特征信息。例如作物为苹果时，果实为红色时才进行采摘，如果为青色则不采摘。

3.4在工业安全领域的应用

在工业自动化背景下，工业控制系统中包含了若干电气设备。整个系统只有密切配合才能保证工业流水线作业的顺利进行，而一旦某个电气设备出现故障，轻则影响产品质量安全，严重时还会导致整个生产线被迫停止运作。基于计算机图像处理与识别技术的故障自检系统，可以在工业流水线运行过程中，实时监测每台装置的运行工况。通过分析采集到的图像信息，进行故障特征信息提取，如果设备零件有磨损现象、过热问题等，系统能够自动识别并进行告警，将缺陷问题或故障信息反馈给技术人员。这样一来，技术人员就能够第一时间了解问题所在，并进行故障维修，使工业生产系统保持稳定运行。基于计算机图像处理与识别技术的工业故障自检系统运行流程如图1所示。

4结语

在现代信息技术、大数据分析和人工智能技术的推动下，计算机图像处理和识别技术在农业生产、工业安全、交通管理等各个行业均得到了推广应用。在应用这一技术时，需要重点把握好图像信息采集、预处理，以及特征信息提取与决策分析等一系列要点。根据分析结果，由计算机做出最佳决策，进行自动控制或者为管理人员手动控制提供参考。

参考文献

[1] 周铮，戴昀.计算机图像处理与识别技术的应用与研究——评《图像处理、分析与机器视觉》（第3版）[J].机械设计，2020，37（11）：155.

[2] 張晶飞，汤亮，黄志刚.基于MATLAB图像处理的智能控制路径识别算法研究[C]//2020中国汽车工程学会年会论文集（1）.2020：199-202.

[3] 王山海，刘谦，马鑫鑫.基于图像识别的人工影响天气业务的研究[J].计算机技术与发展，2019，29（5）：172-177.

[4] 杨楚皙.小波变换域基于图像数据集的图像编码算法研究[D].长春：吉林大学，2020.

[5] 刘华明.基于多分辨率技术的图像修复方法研究[D].南京：南京邮电大学，2020.

[6] 卢岩.宽视场高分辨率拼接成像及片上网络多核快速处理技术研究[D].北京：北京理工大学，2018.