计算机图像处理与识别技术的应用

仝琼琳

（喀什大学 新疆维吾尔自治区喀什地区 844000）

1 计算机图像处理技术与识别技术概述

1.1 基本概念

在各类图像分析、处理过程中，通过计算机图像处理技术的应用能够使图像信息利用率有效提升，其中应用过程中包括了以下几方面：首先对需要处理的图像进行分析和转化，这个过程为计算机系统后续进行信息识别提供有力的参考依据，为提高图像处理质量和效率提供强有力支撑；对所选定的图像进行科学处理，并对图像信息的有效性予以切实保障；对完成处理的图像进行合理科学应用，从而使计算机图像处理技术应用价值得以充分发挥，为各行业领域的可持续发展起到有效促进作用。另外在计算机图像处理技术应用时，需要对各类图像进行科学分类，如在不同行业领域中，对模拟图像、数字化图像等的应用方向及应用予以明确。

通过处理技术的有效应用，使图像实现数据化处理，利用计算机专业软件对图像数据进行分析和处理，将完成处理后的数据进行还原，能够将所需图像进行有效提取。因此计算机数字图像处理技术需要基于视觉信息技术，利用物体成像原理，借助计算机软件工具，实现图像的数据化转化及处理，再对处理完成的图像，通过算法处理方式的运用，使数据能够转化为图像。

在计算机图像处理与识别技术应用过程中，图像作为最为常见的信息载体，能够有效描述客观对象的相似性和生动性。其中图像包括了从相片、纸质、计算机、电视等方面所提取的视觉信息，并且可划分为数字图像与模拟图像两种。前者作为人们日常生活中常见图像形式，其包含了庞大的信息量，同时也使数据信息处理量不断增加，传统的人工处理方式无法满足图像处理效率及准确性等要求，在此状况下，需要对计算机图像处理与识别技术应用加强重视，与人类图像识别相较之下，两者具有相似，如人们在进行图像识别时，能够直观感受图像的颜色、形状、大小等信息，在借助大脑神经系统，对所获取的信息进行处理和反馈，进而对相关图像和信息进行初步认识及自动提取。但与人类图像识别系统相较之下，计算机图像识别在直观感受方面仍存在一定差距，极容易影响后期图像处理和识别结果的有效性和准确性。

1.2 计算机图像处理技术分类

计算机图像处理技术中包括了数字化图像、模拟图像两种处理技术，其中数字化图像在使图像精度有效提升的同时，还能够使操作步骤不断简化，使公众图像处理需求得以有效满足；与数字化图像相较之下，模拟图像在操作灵活性、图像处理精度等方面存在一定的不足。

计算机图像识别技术包括了非线性降维图像识别技术、神经网络图像识别技术等。非线性降维图像识别技术主要针对图像识别中存在的异常高维识别问题，通过此技术和算法的应用，能够使较低分辨率的图像获得较高维度的数据，如针对像素为100×200 位于20000 的维度空间的图像时，其图像计算较为复杂，对存储容量要求较大，在图像识别上也加大了难度，此技术能够保证图像本征结构的完整性，在此基础上，实现降维运算处理，对图像进行最优化分割，能够在较低维度下，对图像进行最优化处理，有效提升图像识别速率。神经网络图像识别技术是模仿人工神经网络的新型图像识别技术，在传统图像识别方法中对神经网络算法进行有效融合，使计算统计得以有效简化，使识别速度不断提升。另外作为深度神经网络图像识别中的重要算法之一，卷积神经网络与传统神经网络存在一定差异，其通过局部连接方式的运用，对多个卷积层进行合理设计，使图像实现降维处理的同时，通过权值共享，使神经元之间连接的数量级大幅度减少。

2 计算机图像处理技术要点分析

2.1 数字图像化

现阶段计算机图像处理过程中，首先需要对样本进行抽样，并将其进行数字化处理。随着计算机技术的广泛应用，能够实现图片处理的应用软件较多，包括了CD、Photoshop等软件，通过各种图像处理软件，能够实现图像修饰和数字化转换，有利于照片美化、编辑、修改等处理功能。

2.2 还原及增强功能开发

图像处理技术基于各种边缘学科交叉而形成，其中涉及了传感器、计算机、信号处理、信息技术、模式识别、人工智能、应用对象等，有效借助计算机相关理论、技术和方法，对图像进行复原、增强、去噪、增强、特征提取、分割等处理。其中能够使受损图像还原和增强，同时根据图像品质退化的原因，利用复原技术能够有效校正图像，并确保不清楚、有噪声、有破损的图像能够恢复原状，解决这类问题时，首先需要对退化原因进行探寻和确定，充分借助复原技术对图像进行修正和恢复，其中重要环节是需要对各退化位置进行模型构建，在基于数据和模型的基础上，对退化影响最大程度消除，进而能够获得与理想成像系统相吻合的图像品质。在实际复原过程中，需要对导致图像存在缺陷的原因进行明确，在此基础上进行尽可能修补，如照相机或摄像机在拍摄过程中，因曝光过度等原因，导致图片品质受到影响，通常在进行图像处理时，会根据曝光实际情况，适当增加算法进行部分弥补，使退化原因得以消除，最后借助理想成像系统，使图像原貌得以修复。此外在进行运动拍摄时，针对数据不清晰的问题，可利用运动模型的连续帧、若干帧，对图像进行恢复。通过图像增强功能的实现，能够使图像质感增强，图像质量有效改善，使不清晰、模糊的图像，借助图像增强手段和方式进行处理，如亮度、对比度增加，同时应注意图像恢复与图像增强的概念存在差异，与恢复原貌相较之下，增强只是针对图像中有价值或感兴趣的部分，通过技术手段使画面质量增强，其无需满足与原貌相同的修复要求，但在增强过程中，需要对图像进行反复度验，使其达到满意的程度，同时对适合的处理方式进行确定。在实际应用过程中，可采用低通滤波器，有效减少人为干扰，使图像清晰度有效提升，图像质量增强，也采用灰度等级对直方图进行展示和对比，使图像细节化程度有铲提升，进而使图像细节更加真实。

2.3 图像分割

为了实现图像处理及识别目的，需要先按照一定规则对图像进行分割，并根据分割区域或物体进行分析，并将无价值的部分剔除，对有利用价值的部分进行提取，如在车辆监控系统中，需要提取汽车牌照号，剔除汽车车身时可通过图像分割的方式，对所需图像区域或物体部分进行提取。其次图像分割难度较大，计算机与人的视觉系统存在较大差异，难以快速对所需要目标进行捕获和提取，而且由于提取场景往往具有复杂性和多变性，对计算机而言，要完成提取难度较大，因此在进行图像分割时，需要对提高处理有效性和可靠性的技术手段加大研究力度的同时，还需要将各种处理方式进行有效融合。另外现阶段人脸识别技术、汽车牌照识别技术在人们生活领域得以广泛应用，使自动识别功能得以实现。

2.4 图像分析

在计算机图像处理技术应用中，需要充分利用图像分析，对图像进行特征提取、分割、表示等，为后续计算机进行图像识别、分类、理解等提供有力支持。如通过医学图像处理应用，能够对病变物体存在位置进行检测，能够对病变大小进行确定。

2.5 图像重建

在图像复原、图像增强，以及图像处理后输出等环节，图像作为处理对象，在图像重建时，与上述几种方式不同，其以数据为输入对象，通过相关处理后进行图像输出，如医疗系统中常用CT，就是采用图像重建方式，利用螺旋CT对人体进行扫描，将数据转化为图像进行输出。

2.6 数据压缩域编码

图像处理过程中，需要处理的数据量较大，因此需要对数据进行有效压缩，使存储数量最大程度减少，使数据率降低，使传输宽带减少；对数据量进行有效压缩，有利于进行特征提取，为后续识别奠定良好的基础。另外图像处理具有再现性好、处理精度高、处理综合性较强等特点。

2.7 数字图像处理流程

数字图像处理包括了以下几方面：图像处理阶段、图像分析阶段和图像理解阶段。其中图像处理阶段包括了以下环节：针对图像像素级进行处理，可采用灰度变化、几何校正、图像锐化、图像平滑等处理；图像分析阶段需要针对感兴趣的目标进行分割、检测，根据所检测物体的周长、面积、纹理等，对测量特征进行有效提取。另外根据分析结果，能够对目标特点和性质进行描述，进而用户提供相关数据信息。最后在图像理解阶段，需要对图像中所有要素性质及之间相互关系加大研究力度，其中通过对象描述，能够对图像内容进行了解，对客观场景进行解释，并对相应行为进行指导和规划。

3 计算机图像处理与识别技术的优势

随着计算机图像处理与识别技术的快速发展和不断实践应用，其应用优势也日益凸显，主要体现在以下几方面：

3.1 处理速度快

随着互联网的快速发展及普遍应用，借助技术图片处理与识别技术，能够对海量数据信息进行处理，此技术具有良好的配合性及适应性，能够在较短时间内对数据进行分析和处理。

3.2 精确度高

与以往的人工图像处理方式以及传统的计算机图像处理识别技术相较之下，现阶段所使用的处理和识别技术已日趋成熟，且能够实现多张、多类型图像同时处理，并对完整，具有价值的图像数据进行筛选。

3.3 灵活性高

在进行图像处理时，通过此技术的应用，利用相关系统和数据库，能够对图像进行智能化设置及处理，相关操作人员能够借助相关技术，对图像进行自动判像，并对精度进行有效调整，使精度要求得以有效满足，进而使图像自动化处理得以实现。

4 计算机图像处理与识别技术应用原理及应用流程分析

通过此技术的应用，能够对海量数据信息实现快速化、高效化、精准化处理，特别是随着大数据技术的发展和应用，此技术在各行业领域中得到广泛应用，因此需要从应用原理及应用步骤等方面加大研究力度。

4.1 技术原理

与人类视觉的图像感知原理相较之下，计算机图像处理与识别技术应用原理有一定的相似性。在人类视觉形成过程中，首先能够对客观事物的颜色、形状、尺寸等产生直接认知，在此基础上，将所形成客观事物认知向大脑中枢神经进行反馈和储存，进而能够在大脑中具备客观事物相应的初始印象。因此如果再次遇到相类似的事物，人们能够直接从大脑中枢神经中对相应的信息进行提取，进而对事物进行处理和识别。此技术将上述处理和识别原理进行了结合，但与人类视觉图像感知相较之下，计算机处理能够更加客观，所以在生成的图像数据等信息中通常缺乏主观性描述。

4.2 技术应用流程

此技术应用流程主要包括了以下几方面：图像信息获取、预处理、特征选取、选择以及分类决策等。首先在信息获取阶段，借助计算机及各种传感设备对信息进行获取，将传感器所获取信息进行转化形成电信号后，再将电信号进行转化，有利于计算机进行识别和处理；其次在信息预处理阶段，将计算机所获取的图像信息通过预处理的方式，从大量信息中分析提取具有应用价值的信息，并对所有信息进行分析和汇总，并将汇总信息传送至图像识别模块，此阶段处理工作重点为了将海量信息中无意义、无价值的信息进行清除，使信息数据实现价值化、精简化。另外在选择和选取图像信息特征阶段，由于所涉及的图像信息特征较多，需要根据使用者实际需求，在应用过程中需要确保选取程序的有针对性，使所提取的特征与对识别要求相符合。最后在图像信息进行分类决策阶段，应遵循相应的规则，严格按照图像信息特征进行识别和分类，因此需要对具体对象制定相应的识别规则，确保能够在海量图像中，对特定对象的图像信息进行准确识别。

5 计算机图像处理与识别技术具体应用策略

随着近年来互联网技术、计算机技术等先进技术的不断发展，以及在社会各行业领域中得到广泛应用，为人们工作和生活提供便利的同时，也能够有效提升社会经济利益，推动社会可持续稳定发展。现阶段计算机图像处理和识别技术应用范围不断扩大，其中具体应用领域包括了以下几方面：

5.1 智能交通领域

此技术在智能交通领域中加以应用时，能够对该领域的可持续发展起到一定促进作用，其主要应用于智能胶条、驾驶辅助、车辆定位等方面，能够充分发挥技术的快速、精准判断优势，充分体现技术应用成效。由于现阶段我国机动车数量持续增长，加剧了道路交通拥堵的问题，同时也使各种交通安全事故发生率居高不下，其中交通管理中需要对交通事故责任方进行合理鉴定，这也是现阶段亟待解决的难题。此技术的应用，不仅能够在如驾驶辅助方面加以应用，使车辆偏离车道的情况最大程度减少，并且一旦出现偏离车道的情况，会通过相应的预警信号，提高车辆驾驶员人员的注意力。同时还能够鉴定交通事故责任中，通过对比识别违章车辆车牌号进行，对责任方进行准确判断。另外现阶段针对车辆车牌颜色、尺寸等，会制定和出台相应的规章制度，对其加以规范，能够进一步推动此技术在智能交通领域中的广泛应用。

5.2 有色金属领域

作为工业生产以及人们生活中常见的金属类特色，有色金属种类较多，为了提高有色金属检测和提取精度，需要对此技术应用加强重视。其中铜作为最为常见的有色金属之一，在工业生产中得到广泛应用，主要以铜矿的形式在自然界中存在，并且金属类型较多，性质状态各不相同，使铜矿石检测难度增加。通过此技术的应用，能够充分借助现代化仪器设备，以及成像技术，采用物理化学检测识别法，检测铜矿石中的X 线荧光光谱数据，并进行系统录入，并对铜矿石的特征进行提取和总结，在此基础上获取相应的数据信息，从而有效提升铜矿石检测精确度，能够使工作难度降低，工作时间缩短。

5.3 医学医疗领域

近年来我国医学医疗技术得到快速发展和进步，相关领域中涉及的数据信息不断增加，为了更好地应对行业发展要求，此技术应用的重要性提高了认识。由于医学医疗领域中各种图像处理要求具有一定的复杂性，为了确保处理结果的有效性和可靠，需要针对不同图片类型采用不同的处理方式。如针对细胞染色体，在进行分类处理过程中，通过此技术应用，能够将其通过与系统数据库中相关数据进行对比，从微观层面入手，对细胞染色体进行有效辨别，能够为医护人员提供更高效、更准确、更可靠的数据支撑。其次此技术还可在核磁共振影像分析、虚拟内窥镜等方面加以应用，可有效提高处理结果的精准度。另外为了提高患者治疗的精准性和实效性，可在3D 建模、2D 断层图像排水、解剖图像分析等方面加强技术应用，使医护人员能够对相关数据信息进行准确、全面、及时获取，切实保障治疗工作的顺利开展。

5.4 公安侦探领域

此技术应用优势的充分发挥，在公安侦探领域中得到广泛应用，能够为侦探工作的顺利开展、提高破案效率提供有力的技术支持。如为了有效识别和确定犯罪嫌疑人时，在查询过程中，可利用此技术，将嫌疑犯以往的图像与犯罪现场视频进行对比分析，为破案工作提供重要依据，在破案工作中发挥至关重要的作用。另外在公安侦探领域中，还可通过此技术的应用，对失真或复杂图像进行有效处理，提高图像的清晰度和完整度，在刑事案件侦破中发挥重要应用价值。

5.5 农产品采摘领域

随着我国农业生长领域中科学技术的快速发展和应用，不少地区农业生产中，开始使机器人进行识别，从而能够完成对农产品进行采摘作业。应用过程中需要利用此技术对农产品空间位置进行精准把握和定位，同时通过计算机系统，对各类农产品信息资源进行广泛收集和整理。其次根据所有农产品信息资源，对农产品果实进行分辨。在农产品采摘过程中，如识别果实为红色时，机器人会自动进行采摘。另外在此技术应用时，可将背景颜色设置为绿色，有利于系统对果实颜色进行有效识别。

5.6 植物生长监测领域

在农业领域中，此技术还能够对农作物生长状况进行监测，一旦农作物出现病虫害现象，能够对病虫害图像进行及时诊断，其中包括了：水果缺陷识别、田间杂草识别、粮虫检测等技术。在粮虫图像预处理环节中，可运用的技术包括了二值化、灰度化、锐化、平滑化等，其中灰度化中又包括了加权平均法、最大值法、平均值等方法。在应用时，首先可将彩色粮虫图像转化为灰色，通过三原色的应用，以及目标图像和背景图像采用0、1 进行代表，采用二值化方式，对粮虫图像进行处理，进而使对象区域范围能够清晰显示。另外完成图像预处理操作后，针对所获得的高质量图像，利用边缘检测技术，能够对目标图像和背景图像进行有效区分，同时还可采用局部差分算法，对边缘进行检测，从而对相应阈值的边缘图像进行提取。

5.7 工业领域

在工业领域中，能够使工业生产安全性和生产质量有效提升。现阶段工业零部件生产加工通常采用流水线作业模式，并且零件加工环节中进行了自动识别系统的安装。在实际生产过程中能够使零部件实现自动化生产，使生产效率有效提升。此外能够将零部件的所有生产细节信息通过图像的形式进行展示，进而在零部件生产过程中，对各个零部件实现实时检测，有效提升零部件生产质量。

6 结束语

随着互联网技术、计算机技术等先进技术的快速发展和广泛应用，为人们的生活和生产提供了极大的便利，同时也进一步推动了计算机图像处理和识别技术的应用力度，现阶段此技术在各行业领域获取得了良好的应用成效，能够对海量数据信息进行有效处理，并且能够切实保障处理效率和处理精确度。另外为了进一步提高技术应用效果，使技术应用更加成熟，需要对技术应用过程加强探索和创新，使此技术与其他技术之间加强融合，使此技术的应用前景更加广阔。