計(jì)算機(jī)圖像分析算法研究

現(xiàn)如今，計(jì)算機(jī)在生活、生產(chǎn)中的應(yīng)用變得越來(lái)越多樣，諸如信息采集、數(shù)據(jù)分析、圖像處理等，以其中十分常見(jiàn)的計(jì)算機(jī)圖像處理為例，在眾多的研究與實(shí)踐中，不管是圖像處理相關(guān)技術(shù)，還是圖像處理算法，均呈現(xiàn)出多樣化的發(fā)展趨勢(shì)。現(xiàn)代社會(huì)中，人們溝通處理事物的方式變得多樣豐富，圖像處理技術(shù)的誕生使人們可更深入地感受生活，而圖像要想更好地呈現(xiàn)于人們眼前，就必須要得到相關(guān)技術(shù)人員對(duì)圖像進(jìn)行有效的處理，然而現(xiàn)階段針對(duì)圖像處理的技術(shù)并不成熟，還有待進(jìn)一步完善。由此可見(jiàn)，對(duì)計(jì)算機(jī)圖像分析算法進(jìn)行探討研究，具有十分重要的現(xiàn)實(shí)意義。

1  計(jì)算機(jī)圖像處理概述

作為計(jì)算機(jī)應(yīng)用技術(shù)與現(xiàn)代信息技術(shù)融合發(fā)展的產(chǎn)物，計(jì)算機(jī)圖像處理技術(shù)如今在諸多行業(yè)領(lǐng)域得到廣泛推廣。依托計(jì)算機(jī)圖像處理技術(shù)，以實(shí)現(xiàn)對(duì)圖像的處理，這實(shí)際上即為一個(gè)計(jì)算機(jī)二維矩陣生成的過(guò)程。一般而言，計(jì)算機(jī)二維矩陣生成過(guò)程，可劃分為掃描、采樣以及量化三個(gè)流程。其中，首先，在掃描過(guò)程中，應(yīng)當(dāng)處理好計(jì)算機(jī)開(kāi)展圖像掃描的順序，即為要與預(yù)先決定滿意的圖像掃面順序保持相同；然后，在二維矩陣生成采樣過(guò)程中，應(yīng)當(dāng)開(kāi)展好圖像像素區(qū)域灰度值測(cè)量工作，由于像素是掃描過(guò)程中最小尋址單位，一般而言，在計(jì)算機(jī)圖像處理中往往可通過(guò)光電傳感器得以實(shí)現(xiàn)。值得一提的是，在計(jì)算機(jī)圖像處理過(guò)程中，開(kāi)展采樣工作旨在實(shí)現(xiàn)對(duì)圖像灰度值的采集，進(jìn)而轉(zhuǎn)入量化環(huán)節(jié)將采樣獲取的灰度值轉(zhuǎn)化為離散整數(shù)值。綜上，可將計(jì)算機(jī)圖像處理界定為依托矩形掃描網(wǎng)絡(luò)對(duì)圖像予以掃描處理，進(jìn)一步獲取一個(gè)二維整數(shù)矩陣，該二維矩陣與上述掃描的圖像相互間有著相對(duì)應(yīng)的關(guān)系，因而，計(jì)算機(jī)圖像換而言之即為對(duì)圖像開(kāi)展數(shù)字化處理后得到的二維整數(shù)矩陣。計(jì)算機(jī)圖像處理流程，如圖1所示。

圖1  計(jì)算機(jī)圖像處理流程示意圖

2  對(duì)計(jì)算機(jī)圖像分析算法開(kāi)展研究的意義

圖像處理數(shù)字化技術(shù)的應(yīng)用涵蓋了各類技術(shù)，如圖像增強(qiáng)、圖像弱化等常用技術(shù)，通過(guò)對(duì)計(jì)算機(jī)圖像分析算法開(kāi)展探討研究，可為圖像處理效果提供有利保障，并切實(shí)提高圖像的清晰度、分辨率。另外，對(duì)計(jì)算機(jī)圖像分析算法開(kāi)展探討研究，可有效找出數(shù)字化技術(shù)在實(shí)踐應(yīng)用中存在的種種不足，進(jìn)而推動(dòng)計(jì)算機(jī)圖像處理技術(shù)的有效革新，促進(jìn)計(jì)算機(jī)數(shù)字化技術(shù)的健康穩(wěn)定發(fā)展。

3  計(jì)算機(jī)圖像分析算法

伴隨現(xiàn)代信息技術(shù)的迅猛發(fā)展，計(jì)算機(jī)圖像處理相關(guān)技術(shù)人員必須要緊緊跟隨時(shí)代前進(jìn)腳步，不斷開(kāi)拓創(chuàng)新，加強(qiáng)對(duì)國(guó)內(nèi)化先進(jìn)技術(shù)的學(xué)習(xí)引入，切實(shí)加強(qiáng)對(duì)各式各樣計(jì)算機(jī)圖像分析算法的科學(xué)合理應(yīng)用。如何進(jìn)一步促進(jìn)計(jì)算機(jī)數(shù)字化技術(shù)的健康穩(wěn)定發(fā)展可以將下述內(nèi)容作為著手點(diǎn)：

3.1  圖像增強(qiáng)法

圖像增強(qiáng)法在圖像處理中的應(yīng)用，是為了使圖像處理核心部分得到有效凸顯，使圖像不論是清晰度還是分辨率均超出整體圖像的突出效果?，F(xiàn)如今，技術(shù)人員往往會(huì)采用降低圖片灰色度或提高圖片色彩度等處理手段，以提升圖片整體成像效果。就好比，在對(duì)某風(fēng)景圖像處理時(shí)為了進(jìn)一步突出近景圖像，需要對(duì)圖片局部噪音分辨率進(jìn)行針對(duì)性的處理。進(jìn)而對(duì)圖片突出部分進(jìn)行圖像處理，一般會(huì)對(duì)圖像進(jìn)灰色度調(diào)整，以改善圖像部分處像素灰度值下調(diào)的情況得到有效突出，進(jìn)而可提高圖像整體立體性及清晰度。另外，通過(guò)對(duì)圖像增強(qiáng)法的應(yīng)用，還可經(jīng)由對(duì)圖像色彩度進(jìn)行科學(xué)處理，以改善圖像的視覺(jué)效果。如需要對(duì)圖像色彩度進(jìn)行控制一般是將色彩亮度上調(diào)約1%~5%，色彩搭配調(diào)整則控制在10%~20%范圍，需要注意的是，圖片色彩度提升應(yīng)當(dāng)與圖片分辨率相互間保持正相關(guān)關(guān)系，從而防止受圖像被色彩調(diào)整影響效果，導(dǎo)致圖像出現(xiàn)模糊。

3.2  圖像邊緣化

圖像邊緣化是計(jì)算機(jī)圖像處理的常規(guī)方式之一。進(jìn)行圖像邊緣化處理可以顯著強(qiáng)化圖像視覺(jué)效果的柔和度，應(yīng)用現(xiàn)代圖像處理技術(shù)進(jìn)行處理。如基于Robert邊緣處理技術(shù)對(duì)圖像進(jìn)行邊緣化處理，Robert變勻處理技術(shù)可以對(duì)圖像對(duì)角線方向臨近像素差別進(jìn)行檢測(cè)，則可以完成邊緣處理，以強(qiáng)化圖片視覺(jué)效果。在實(shí)際應(yīng)用過(guò)程中圖像邊緣化處理技術(shù)受圖像鄰近分辨值相互作用一定程度影響，由此決定圖像處理結(jié)構(gòu)與圖像視覺(jué)效果即為對(duì)角階梯式呈現(xiàn)效果。在完成圖像邊緣化處理后能夠顯著強(qiáng)化圖像立體性效果，以使得圖像達(dá)到理想的柔和度、清晰度。另外，圖像邊緣化算法運(yùn)行中，還涉及到圖像邊緣化處理的色彩分辨率角度出現(xiàn)變化。通常來(lái)看，圖像邊緣化成效的角度是由0°向90°轉(zhuǎn)變的，亦或圖像色彩分布呈階梯色彩分辨度轉(zhuǎn)化，即呈現(xiàn)出45°、90°、135°的視覺(jué)效果。色彩分辨度的轉(zhuǎn)變與圖像主成像效果實(shí)現(xiàn)集中化，進(jìn)而完成對(duì)圖像邊緣化處理效果的顯著變化。

3.3  閥值計(jì)算法

圖像處理一項(xiàng)主要目的即為讓圖像可與人眼視覺(jué)特性相符，給人帶來(lái)舒適感；還有目的即為為計(jì)算機(jī)處理提供有效便利，而計(jì)算機(jī)處理終究同樣是為了達(dá)到與人眼視覺(jué)感相符的目的。閥值計(jì)算法包括有多種不同的方法，但大部分僅僅是提供了理論層面的算法，尚未闡明實(shí)際的閥值計(jì)算方法，不過(guò)檢測(cè)閥值threshold用式在算法中提出了實(shí)際的應(yīng)用方法，依托全面系統(tǒng)的分析，結(jié)合算法及圖像效果的相關(guān)數(shù)據(jù)找出它們的規(guī)律，從而得出這一閥值計(jì)算法經(jīng)由分析人眼對(duì)色彩觀察的生理特征，得出在人類視覺(jué)對(duì)色彩的分辨率高圖像部分，因?yàn)槿藗兤毡榭煽焖僬页錾氏嗷ラg存在的差異，所以它們對(duì)應(yīng)的閥值可小一些，相比較而言，在視覺(jué)分辨率低的圖像部分，它們對(duì)應(yīng)的閥值則應(yīng)當(dāng)要更大。因而，檢測(cè)閥值threshold用式算法可有效幫助計(jì)算機(jī)結(jié)合人眼視覺(jué)特性以對(duì)圖像展開(kāi)分析，進(jìn)一步收獲良好的處理效果。

3.4  Bayesian-MCMC算法

Bayesian-MCMC算法應(yīng)用的步驟主要為：選取某一時(shí)刻，建立馬爾卡夫鏈，對(duì)轉(zhuǎn)移核予以核定，并確定與轉(zhuǎn)移核相關(guān)的平穩(wěn)分布狀況，選取馬爾卡夫鏈中某一時(shí)刻用以出發(fā)點(diǎn)，再結(jié)合上述馬爾卡夫鏈，實(shí)現(xiàn)對(duì)序列的建立，接著開(kāi)展預(yù)算，于此期間需要對(duì)之前獲取的預(yù)算迭代值予以去除。應(yīng)用Bayesian-MCMC算法對(duì)計(jì)算機(jī)圖像開(kāi)展處理時(shí)，應(yīng)當(dāng)重視對(duì)計(jì)算機(jī)圖像分辨率的處理，并依托圖像形狀特征提取得以實(shí)現(xiàn)。Bayesian-MCMC算法在計(jì)算機(jī)圖像分辨率處理中的應(yīng)用，具體而言：第一步是對(duì)貝葉斯形狀特征進(jìn)行提取。在計(jì)算機(jī)圖像中包含的形狀特征，可有效反映圖像對(duì)應(yīng)區(qū)域及物體的特征，與此同時(shí)可結(jié)合相關(guān)高層視覺(jué)特征，諸如目標(biāo)、對(duì)象等開(kāi)展有效描述，在圖像語(yǔ)義獲取過(guò)程中，不管是目標(biāo)還是對(duì)象均可發(fā)揮十分重要的作用。圖像現(xiàn)狀特征提取，即為對(duì)形狀的表達(dá)、描述，其實(shí)現(xiàn)的重要前提為形狀分割。依托直接分割，可獲取對(duì)應(yīng)的形狀區(qū)域或形狀邊界，通過(guò)對(duì)其中的像素?cái)?shù)據(jù)予以分析，便可獲取需求的形狀特征。依托Bayesian-MCMC算法對(duì)圖像像素予以處理，并對(duì)獲取的結(jié)果開(kāi)展處理分析，可得出在計(jì)算機(jī)圖像處理中，Bayesian-MCMC算法迭代次數(shù)十分低，再引入簡(jiǎn)單的跳轉(zhuǎn)核，便可保證最終處理效果的統(tǒng)一性。

4  結(jié)語(yǔ)

總而言之，隨著圖像應(yīng)用領(lǐng)域的不斷擴(kuò)大，近年來(lái)計(jì)算機(jī)圖像處理技術(shù)實(shí)現(xiàn)了長(zhǎng)足發(fā)展，并在發(fā)展的同時(shí)逐步轉(zhuǎn)變成圖像理解及計(jì)算機(jī)視覺(jué)領(lǐng)域中十分重要的一項(xiàng)技術(shù)，可顯著提高傳統(tǒng)圖像處理算法的效果及運(yùn)算效率。因而，計(jì)算機(jī)圖像處理相關(guān)技術(shù)人員必須要革新思想觀念，提高對(duì)計(jì)算機(jī)圖像處理內(nèi)涵特征及其重要性的有效認(rèn)識(shí)，不斷推進(jìn)對(duì)各式各樣計(jì)算機(jī)圖像分析算法的優(yōu)化創(chuàng)新及科學(xué)合理應(yīng)用，積極促進(jìn)計(jì)算機(jī)數(shù)字化技術(shù)的健康穩(wěn)定發(fā)展。

本文來(lái)源：《企業(yè)科技與發(fā)展》：http://m.k2057.cn/w/qk/21223.html