五種計(jì)算機(jī)數(shù)字圖像處理技術(shù)效果對比

李敏 甘肅省財(cái)政學(xué)校

五種計(jì)算機(jī)數(shù)字圖像處理技術(shù)效果對比

李敏 甘肅省財(cái)政學(xué)校

對當(dāng)下常用的計(jì)算機(jī)數(shù)字圖像技術(shù)中的直方圖處理、圖像分割、灰度變換、圖像平滑、圖像邊緣提取這5種進(jìn)行理論分析，試研究了其常見技術(shù)類型，還從其現(xiàn)實(shí)中的用途、處理效果等進(jìn)行分析。

圖像處理 計(jì)算機(jī)數(shù)字圖像技術(shù) 處理效果

科技發(fā)展日新月異，計(jì)算機(jī)發(fā)展更是飛速，近些年來，人工智能技術(shù)愈發(fā)成熟并得到廣泛應(yīng)用，這使得人們對計(jì)算機(jī)技術(shù)也有了更為深刻的理解，其中，計(jì)算機(jī)數(shù)字圖像技術(shù)是一大關(guān)鍵技術(shù)。本文選擇了其中5種進(jìn)行理論分析、處理效果分析與用途研究等。

所謂數(shù)字圖像處理，是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計(jì)算機(jī)對其進(jìn)行處理的過程。圖像處理中，一般輸入的是質(zhì)量低的圖像，而輸出的是改善質(zhì)量后的圖像，這提高了人們?nèi)粘９ぷ魃a(chǎn)的效率與精確度。

圖像分為數(shù)字圖像和模擬圖像，數(shù)字圖像是二維圖像用有限數(shù)字?jǐn)?shù)值像素的表示，由數(shù)組或矩陣表示，其光照位置和強(qiáng)度都是離散的，模擬圖像則是連續(xù)的，二者可以采用某些方法進(jìn)行互相轉(zhuǎn)換。

數(shù)字圖像處理主要是處理空間離散、幅值量化分層的數(shù)字圖像。對于等待處理的數(shù)字圖像，要經(jīng)歷幾下幾個步驟。首先要選擇可以用于分析的圖片，其次要對數(shù)字圖像進(jìn)行分析處理，接著根據(jù)分析處理結(jié)果提取特征參數(shù)，最后根據(jù)建立數(shù)據(jù)樣品庫等方法得到圖像識別結(jié)果。在整個過程中，最重要的就是圖像分析與處理技術(shù)，這個方法有很多，如圖像編碼壓縮、圖像變換、圖像描述、圖像分割、圖像識別、直方圖處理、灰度變換、圖像平滑、圖像邊緣提取等，本文選擇其中5種來研究分析。

1 5種常見數(shù)字圖像處理技術(shù)的分析

1.1 灰度變換

一般來講，數(shù)字圖像設(shè)備獲取的都是RGB圖像，這種圖像所包含的圖像信息量非常大，并不適合用以圖像處理，所以，我們通常要將這種圖像轉(zhuǎn)換為灰度圖像，這就是灰度變換。以濃淡表示，各個像素與某一灰度值相對應(yīng)，設(shè)原圖圖像的灰度值為D=f(x,y)，處理后為D’=g(x,y),則灰度變換可表示為g(x,y)=T[f(x,y)]或D’=T(D)。根據(jù)轉(zhuǎn)換函數(shù)T不同，得到的灰度圖像也不同。

由于成像設(shè)備與當(dāng)時光線不同，若圖像亮度較差，清晰度也會較差，這時我們可以壓縮圖像的灰度范圍來增強(qiáng)對比度。

1.2 直方圖處理

直方圖反映了圖像的像素的灰度分布，就是圖像中的灰度級與出現(xiàn)出現(xiàn)這種灰度級的像素的概率之間關(guān)系的圖形?；叶戎狈綀D是處理圖像的基礎(chǔ)。圖像的離散函數(shù)比上像素總和即為灰度直方圖函數(shù)。

直方圖均衡化就是把一已知灰度概率分布的圖像經(jīng)過一種變換，使之演變成一副具有均勻灰度概率分布的新圖像。直方圖均衡化算法分為三個步驟，第一步是統(tǒng)計(jì)直方圖每個灰度級出現(xiàn)的次數(shù)，第二步是累計(jì)歸一化的直方圖，第三步是計(jì)算新的像素值。

1.3 圖像平滑

圖像平滑是指用于突出圖像的寬大區(qū)域、低頻成分、主干部分或抑制圖像噪聲和干擾高頻成分的圖像處理方法，目的是使圖像亮度平緩漸變，減小突變梯度，改善圖像質(zhì)量。目前常用的濾波器有中值濾波器和高斯濾波器。

中值濾波就是把數(shù)字圖像或序列中的一點(diǎn)用其鄰域各點(diǎn)的中值代替。這樣可以有效地提高圖像質(zhì)量。中值濾波在圖像處理中，常用于用來保護(hù)邊緣信息，是經(jīng)典的平滑噪聲的方法。

高斯濾波實(shí)質(zhì)上是一種信號的濾波器，其用途是信號的平滑處理。常用的零均值離散高斯濾波器函數(shù)：g(x)=exp(-x^2/(2 sigma^2)。改變分布函數(shù)可以改變高斯濾波曲線的形狀。

1.4 圖像分割

圖像分割是將圖像中有意義或有用的特征提取出來，或者說，將圖像分成各具有特點(diǎn)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟。

目前廣泛使用的是閾值化技術(shù)，這就是將選取的灰度閾值與圖像中的點(diǎn)進(jìn)行對比，將其大于閾值的分為一類，其他分為另一類，以此來進(jìn)行圖像分割。閾值可以寫成如下方程式：

T=T[x,y,f(x,y),p(x,y)]

1.5 圖像邊緣提取

圖像邊緣提取在數(shù)字圖像分析處理中非常重要。理想的邊緣檢測應(yīng)當(dāng)正確解決邊緣的有無、真假、定向定位。邊緣有重要的不變性質(zhì)，光線的變化影響區(qū)域的外觀，但不改變邊緣。

在平時的檢測中，檢測到的邊界一般都是不連續(xù)的、有噪聲的，這是因?yàn)橛性肼暫统上裾`差，所以，要采用特殊的方法來進(jìn)行轉(zhuǎn)化。其中，Sobel邊緣檢測法產(chǎn)生的邊緣效果很好，運(yùn)算起來簡單方便，但圖像邊緣較粗，容易造成數(shù)據(jù)丟失或是影響后續(xù)處理。而Prewit、canny、log這三種相比sobel要復(fù)雜，但結(jié)果圖像邊緣比較好，后續(xù)處理也更加方便不易差錯，同時很少造成數(shù)據(jù)丟失，不過算法較為復(fù)雜，計(jì)算量也相對較大。

2 總結(jié)

本文對當(dāng)下常用的計(jì)算機(jī)數(shù)字圖像技術(shù)中的五種進(jìn)行了簡要闡述分析，其中包括直方圖處理、圖像分割、灰度變換、圖像平滑、圖像邊緣提取。通過對這五種方法進(jìn)行分析，試研究了其常見技術(shù)類型，還從其現(xiàn)實(shí)中的用途、處理效果等進(jìn)行分析，希望大家能更好的理解它們的原理，從而更加靈活地將其應(yīng)用到生活工作中。

[1]周崟,張以青.計(jì)算機(jī)數(shù)字圖像處理技術(shù)[J].電腦編程技巧與維護(hù),2012（06）:80-81,83

[2]陶姿邑.關(guān)于計(jì)算機(jī)數(shù)字圖像處理技術(shù)的若干思考[J].山東工業(yè)技術(shù),2016（01）:158

[3]王天嬌.計(jì)算機(jī)數(shù)字圖像處理技術(shù)的發(fā)展[J].中國新通信,2016（04）:153

[4]占俊.幾種計(jì)算機(jī)數(shù)字圖像技術(shù)的處理效果研究[J].現(xiàn)代電子技術(shù),2015（21）:32-35

[5]吳紫依.淺談計(jì)算機(jī)數(shù)字圖像處理技術(shù)的發(fā)展[J].無線互聯(lián)科技,2014（05）:95