計算機圖像分析算法研究

現(xiàn)如今，計算機在生活、生產(chǎn)中的應(yīng)用變得越來越多樣，諸如信息采集、數(shù)據(jù)分析、圖像處理等，以其中十分常見的計算機圖像處理為例，在眾多的研究與實踐中，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?，F(xiàn)代社會中，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)人員對圖像進行有效的處理，然而現(xiàn)階段針對圖像處理的技術(shù)并不成熟，還有待進一步完善。由此可見，對計算機圖像分析算法進行探討研究，具有十分重要的現(xiàn)實意義。

1  計算機圖像處理概述

作為計算機應(yīng)用技術(shù)與現(xiàn)代信息技術(shù)融合發(fā)展的產(chǎn)物，計算機圖像處理技術(shù)如今在諸多行業(yè)領(lǐng)域得到廣泛推廣。依托計算機圖像處理技術(shù)，以實現(xiàn)對圖像的處理，這實際上即為一個計算機二維矩陣生成的過程。一般而言，計算機二維矩陣生成過程，可劃分為掃描、采樣以及量化三個流程。其中，首先，在掃描過程中，應(yīng)當(dāng)處理好計算機開展圖像掃描的順序，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程中，應(yīng)當(dāng)開展好圖像像素區(qū)域灰度值測量工作，由于像素是掃描過程中最小尋址單位，一般而言，在計算機圖像處理中往往可通過光電傳感器得以實現(xiàn)。值得一提的是，在計算機圖像處理過程中，開展采樣工作旨在實現(xiàn)對圖像灰度值的采集，進而轉(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，可將計算機圖像處理界定為依托矩形掃描網(wǎng)絡(luò)對圖像予以掃描處理，進一步獲取一個二維整數(shù)矩陣，該二維矩陣與上述掃描的圖像相互間有著相對應(yīng)的關(guān)系，因而，計算機圖像換而言之即為對圖像開展數(shù)字化處理后得到的二維整數(shù)矩陣。計算機圖像處理流程，如圖1所示。

圖1  計算機圖像處理流程示意圖

2  對計算機圖像分析算法開展研究的意義

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、圖像弱化等常用技術(shù)，通過對計算機圖像分析算法開展探討研究，可為圖像處理效果提供有利保障，并切實提高圖像的清晰度、分辨率。另外，對計算機圖像分析算法開展探討研究，可有效找出數(shù)字化技術(shù)在實踐應(yīng)用中存在的種種不足，進而推動計算機圖像處理技術(shù)的有效革新，促進計算機數(shù)字化技術(shù)的健康穩(wěn)定發(fā)展。

3  計算機圖像分析算法

伴隨現(xiàn)代信息技術(shù)的迅猛發(fā)展，計算機圖像處理相關(guān)技術(shù)人員必須要緊緊跟隨時代前進腳步，不斷開拓創(chuàng)新，加強對國內(nèi)化先進技術(shù)的學(xué)習(xí)引入，切實加強對各式各樣計算機圖像分析算法的科學(xué)合理應(yīng)用。如何進一步促進計算機數(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：

3.1  圖像增強法

圖像增強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，在對某風(fēng)景圖像處理時為了進一步突出近景圖像，需要對圖片局部噪音分辨率進行針對性的處理。進而對圖片突出部分進行圖像處理，一般會對圖像進灰色度調(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，進而可提高圖像整體立體性及清晰度。另外，通過對圖像增強法的應(yīng)用，還可經(jīng)由對圖像色彩度進行科學(xué)處理，以改善圖像的視覺效果。如需要對圖像色彩度進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

圖像邊緣化是計算機圖像處理的常規(guī)方式之一。進行圖像邊緣化處理可以顯著強化圖像視覺效果的柔和度，應(yīng)用現(xiàn)代圖像處理技術(shù)進行處理。如基于Robert邊緣處理技術(shù)對圖像進行邊緣化處理，Robert變勻處理技術(shù)可以對圖像對角線方向臨近像素差別進行檢測，則可以完成邊緣處理，以強化圖片視覺效果。在實際應(yīng)用過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)與圖像視覺效果即為對角階梯式呈現(xiàn)效果。在完成圖像邊緣化處理后能夠顯著強化圖像立體性效果，以使得圖像達到理想的柔和度、清晰度。另外，圖像邊緣化算法運行中，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°的視覺效果。色彩分辨度的轉(zhuǎn)變與圖像主成像效果實現(xiàn)集中化，進而完成對圖像邊緣化處理效果的顯著變化。

3.3  閥值計算法

圖像處理一項主要目的即為讓圖像可與人眼視覺特性相符，給人帶來舒適感；還有目的即為為計算機處理提供有效便利，而計算機處理終究同樣是為了達到與人眼視覺感相符的目的。閥值計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，尚未闡明實際的閥值計算方法，不過檢測閥值threshold用式在算法中提出了實際的應(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算法經(jīng)由分析人眼對色彩觀察的生理特征，得出在人類視覺對色彩的分辨率高圖像部分，因為人們普遍可快速找出色彩相互間存在的差異，所以它們對應(yīng)的閥值可小一些，相比較而言，在視覺分辨率低的圖像部分，它們對應(yīng)的閥值則應(yīng)當(dāng)要更大。因而，檢測閥值threshold用式算法可有效幫助計算機結(jié)合人眼視覺特性以對圖像展開分析，進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：選取某一時刻，建立馬爾卡夫鏈，對轉(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刻用以出發(fā)點，再結(jié)合上述馬爾卡夫鏈，實現(xiàn)對序列的建立，接著開展預(yù)算，于此期間需要對之前獲取的預(yù)算迭代值予以去除。應(yīng)用Bayesian-MCMC算法對計算機圖像開展處理時，應(yīng)當(dāng)重視對計算機圖像分辨率的處理，并依托圖像形狀特征提取得以實現(xiàn)。Bayesian-MCMC算法在計算機圖像分辨率處理中的應(yīng)用，具體而言：第一步是對貝葉斯形狀特征進行提取。在計算機圖像中包含的形狀特征，可有效反映圖像對應(yīng)區(qū)域及物體的特征，與此同時可結(jié)合相關(guān)高層視覺特征，諸如目標(biāo)、對象等開展有效描述，在圖像語義獲取過程中，不管是目標(biāo)還是對象均可發(fā)揮十分重要的作用。圖像現(xiàn)狀特征提取，即為對形狀的表達、描述，其實現(xiàn)的重要前提為形狀分割。依托直接分割，可獲取對應(yīng)的形狀區(qū)域或形狀邊界，通過對其中的像素數(shù)據(jù)予以分析，便可獲取需求的形狀特征。依托Bayesian-MCMC算法對圖像像素予以處理，并對獲取的結(jié)果開展處理分析，可得出在計算機圖像處理中，Bayesian-MCMC算法迭代次數(shù)十分低，再引入簡單的跳轉(zhuǎn)核，便可保證最終處理效果的統(tǒng)一性。

4  結(jié)語

總而言之，隨著圖像應(yīng)用領(lǐng)域的不斷擴大，近年來計算機圖像處理技術(shù)實現(xiàn)了長足發(fā)展，并在發(fā)展的同時逐步轉(zhuǎn)變成圖像理解及計算機視覺領(lǐng)域中十分重要的一項技術(shù)，可顯著提高傳統(tǒng)圖像處理算法的效果及運算效率。因而，計算機圖像處理相關(guān)技術(shù)人員必須要革新思想觀念，提高對計算機圖像處理內(nèi)涵特征及其重要性的有效認(rèn)識，不斷推進對各式各樣計算機圖像分析算法的優(yōu)化創(chuàng)新及科學(xué)合理應(yīng)用，積極促進計算機數(shù)字化技術(shù)的健康穩(wěn)定發(fā)展。

本文來源：《企業(yè)科技與發(fā)展》：http://12-baidu.cn/w/qk/21223.html