计算机图像处理的应用与发展探究

王文文

【摘  要】随着图像处理技术的不断发展，图像处理技术已在智能交通、医药医学、工业、农业中得到应用。图像处理技术可以与其他学科进行相互交叉联系，多学科交叉促使计算机图像处理技术实现新突破，更新算法使计算机图像处理技术的应用范围扩大。

【Abstract】With the continuous development of image processing technology， image processing technology has been applied in intelligent transportation， medicine and medical science， industry and agriculture. Image processing technology can intersect and link with other disciplines， and the multidisciplinary intersection promotes the achievement of new breakthroughs in computer image processing technology and the updated algorithm expands the application range of computer image processing technology.

【關键词】计算机;图像处理;应用

【Keywords】computer; image processing; application

【中图分类号】TP391.4                                             【文献标志码】A                                                 【文章编号】1673-1069（2021）02-0190-02

1 计算机图像处理的关键技术

1.1 图像识别技术

图像识别技术指在分析和处理图像的基础上，对图像进行准确识别和分类。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 图像分割技术

图像分割技术在图像分析与处理、目标识别等领域均有应用且必不可少，根据图像各区域特征的不同进行分析，提供定性和定量的分析结果。针对图像目标识别及目标分类，图像分割起到关键作用。

1.3 图像增强技术

图像增强主要是针对原有图像画质差、目标对象与背景对比不清晰等问题的图像处理，使用伪色彩增强法、直方图增强法增强图像中的需求信息与必要信息，促进目标对象解释工作与目标区域分类工作的顺利完成。

1.4 图像压缩和编码技术

为了减少图片占用存储空间，使数据存储量得到有效控制，通过使用神经网络编码、小波变换编码等图像压缩技术，删除无用信息与冗余信息，提高图像的应用效果。

1.5 图像复原技术

针对图像受到外界不良因素影响时所采用的应急处理技术，一般通过使用同态滤波操作和维纳滤波操作技术提升已经退化的图像质量，去掉图像的模糊与噪声干扰。

2 计算机图像处理技术的基本应用

2.1 计算机图像处理技术在农业方面的应用

计算机图像处理技术在农业方面的应用主要表现为：农作物选种，种子是农作物的来源，种子质量的检验对于农作物成活率以及后期优质农作物的生产管理具有基础性的意义[1];在种植阶段应用图像处理技术，可生产检测中辅助实时高效地检测播种作业，有效避免人工播种的耗时耗力;利用农业采摘机器人采摘水果，如樱桃采摘，图像处理技术就会把程序默认为红色，所有的樱桃都会被采摘机器人采摘以及品质分级识别等，节省人力物力，创造更多经济效益;通过图像处理技术科学快速准确地识别发生虫害情况，减少人工虫害识别作业的时间成本。

2.2 计算机图像处理技术在医学方面的应用

图像处理技术应用于医学图像可视化技术中，构建出人体不可见的器官三维几何模型，辅助医生作出更加精准的诊断。针对恶性肿瘤治疗，图像处理技术辅助医生制定术前规划，了解病变基本形状及空间位置，在放射治疗过程中，避免射线照射到肿瘤周边的重要组织，减少对正常组织的伤害。利用数据接口和互联网与医学图像进行连接，实现医学图像远程实时传播，满足异地会诊需求，提高医院图像信息化管理水平[2]。

2.3 计算机图像处理技术在交通方面的应用

智能交通系统在我国起步较晚，最初进行一些基础性研究工作，主要涉及道路交通管理的优化、交通信息的采集、车辆动态识别等。近年来，我国在智能交通系统的研究进入快速发展的阶段。

利用安装在红绿灯下的道路摄像监控系统拍摄违法车辆，识别道路交通违法行为，规范司机行为、减少交通事故、提高道路通行效率，为安全驾驶提供保障。国内外学者针对此问题进行了大量研究并取得一定成果。检测运动目标是车辆违章检测系统中的关键，根据车辆行驶规律将车辆从背景中分离，根据目标的运动情况判断对其是否执行后续操作，如是否违法变道、掉头与闯红绿灯等。将图像分割为两大区域：含运动目标和不含运动目标。通过调整目标对象的相关属性，如背景颜色、亮度、清晰度等识别运动前景和背景。根据车辆引擎盖和车底阴影，利用区域前景及简单标定获得目标对象的定位识别，将对象进行框选，利用图像分割等特征获取目标对象的二维坐标及长度与宽度。国内学者提出了一种基于LabWindows/CVI的车辆违章检测系统，该系统应用地感线圈检测技术检测车辆是否违章，通过某些硬件传感器检测收集车辆违章的电信号，并判断该车辆行为是否违章，在一定程度上减轻人工作业压力。

国内外学者在智能交通违章识别算法研究上有了一定成果，如利用边缘检测和双极性融合的车道边缘检测算法，解决车道线提取过程中车道线被车辆遮挡的影响。针对驾驶员安全带佩戴情况的识别，使用基于边缘检测图像的投影直方图对车辆和驾驶员进行定位，利用直线滤波模板对驾驶员的边缘检测图进行滤波，并对Hough变换检测的直线图像进行分析。此外，可以通过肤色的最大似然度对皮肤进行特征提取，利用BP人工神经网络进行识别，进而检测驾驶员驾车打电话的情况。

在公共交通系统、电子收费系统中应用智能交通系统，对图像信息进行收集、提取和分割能够完整准确快速识别车牌与车辆信息。

将图像识别技术应用在道路桥梁裂缝检测中，替代以往的人工检测，可以提高检测效率，减少交通干扰。沥青路面表面以下形成的隐蔽裂缝是形成路面损坏的主要原因，传统路面病害主要是由于车辆超载引起的坑槽、裂缝等，降低行车的安全性和舒适性。传统人工检测的方式效率低、误差大。目前，国内在该领域研究较多，主要涉及卷积神经网络、YOLO算法、K-means等深度学习模型，在裂缝图像背景复杂的情况下及时对裂缝图像展开有性分析和裂缝识别。

随着人工智能技术的发展，机器学习被广泛应用在路面病害识别中。传统的机器学习的缺点是人工提取图像特征，无法实现路面图片端到端的智能识别。为克服该问题，利用卷积神经网络，自动进行特征学习[3]。近年来，深度学习方法逐渐被引入道路领域并取得较多成果。Zhang等基于卷积神经网络推出Crack.NET裂缝识别网络，实现三维沥青路面的像素级裂缝检测。沙爱民等利用三个CNN模型完成路面病害识别、路面裂缝特征提取和坑槽特征提取，计算准确度较高。

基于深度学习的算法模型往往含有大量参数，较大样本量的数据集更加有利于训练学习，从而构建出更可靠的模型。当前，该领域研究者能获得的路面图像数据集样本数量一般比较有限。针对数量较小、数据质量较差的数据集，经常采用數据增强的方法对数据集进行扩充。

2.4 计算机图像处理技术在化学工业方面的应用

当前，碳纤维增强水泥基复合材料已经成为国内外研究热点，并日益成为建筑和路面施工的重要工程材料。CFRC具有许多功能特性，包括用于路面除冰的电加热、建筑物的电磁波屏蔽以及建筑物健康监测等。

目前，针对SEM图像中CF分布评估的研究工作已经采取多种方法，如K值聚类、支持向量机和人工神经网络。这些方法虽然在一定程度上是有效的，但是准确性和效率上都有局限性。与传统方法相比，卷积神经网络在图像分割和目标识别方面取得成功。利用CNN对图像进行分割，并进行多尺度特征编码，CNN模型在图像和视频中提取汽车、行人等方面的性能是合理的。鉴于此，国内外学者将CNN应用在沥青路面和水泥砂浆裂缝的提取方面，CNN拥有处理现实环境中复杂背景的能力。CNN模型能很好地从各种背景中提取某些对象。在实际处理图片过程中，CNN模型具有分析不同尺度下SEM图像的能力，CNN模型不仅能在SEM图像中识别定位CF簇还能够在图像中分割出CF簇。

利用卷积网络分割扫描电镜图像中的碳纤维混凝土，定量表征碳纤维分布。通过建立不同尺度碳纤维的SEM图像数据库，测试训练编码解码网络，最终凭借碳纤维的分布，并利用分割结果分析碳纤维的分布与碳纤维混凝土属性之间的关系。CNN具有自动化特征，这意味着它在图像中自动提取低、中、高级特征方面非常强大;CNN具有鲁棒性特征，对目标的平移和变形具有良好的容忍度。CNN的这两个属性足以支撑CNN实现图像识别处理功能。

3 计算机图像处理技术的发展

当前，计算机技术不断发展，智能化的生活时代已经到来，随着5G时代的到来，图像、视频资源越来越多，图像处理技术被广泛应用于各行各业，多学科交叉、融合已成为趋势。多学科交叉促使计算机图像处理技术突破、创新，使计算机图像处理技术实现大范围使用。

4 结语

计算机图像处理技术在医学、农业、交通及工业等领域广泛应用，随着时代的发展进步及5G时代的到来，计算机图像处理技术发挥着不可或缺的作用，计算机技术将成为必不可少的一项技术。

【参考文献】

【1】李玉荣.计算机图像处理技术的发展趋势探讨[J].无线互联科技，2015（09）：104-105.

【2】戴春梅.探究计算机图像处理技术的发展新趋势[J].计算机光盘软件与应用，2014，17（21）：215+217.

【3】魏海斌，武少威，张启帆，等.基于图像处理的沥青路面裂缝识别算法研究[J].中外公路，2020，40（04）：73-78.