王彥超

（平頂山教育學(xué)院 計算機系，河南 平頂山 467000）

圖像處理與識別二者之間是相互聯(lián)系的，圖像處理是圖像識別的基礎(chǔ)條件，圖像識別又促進了圖像處理技術(shù)的提升。通過計算機對圖像進行處理、分析，最終達到需要的技術(shù)效果，能夠?qū)μ幚韺ο筮M行識別。圖像處理與識別的最終目的是識別，文字識別、數(shù)字圖像識別、物體識別是圖像識別經(jīng)歷的3個階段。在我國的很多領(lǐng)域中，對于很精細的對象用肉眼是無法滿足需求的，此時就需要利用計算機的圖像處理與識別技術(shù)，通過精細的技術(shù)代替人類處理大量的物理信息，提高識別效率，降低錯誤率。

1 圖像處理與識別技術(shù)的原理及優(yōu)勢

圖像處理與識別技術(shù)其實與人類的圖像識別原理相似，人類的圖像處理與識別也是先對看到的事物有一個直觀感受，然后經(jīng)過大腦的加工和處理將這些信息存儲起來，再次看到相同的事物時就會從大腦中提取出來，這就是人類的圖像處理與識別的過程。計算機的圖像處理與識別過程與人類相似，只是在觀察圖像時沒有人類的感受，利用計算機的優(yōu)勢，在信息加工、存儲以及提取的速度方面更快，容量更大，細節(jié)更加精細。所以用計算機圖像處理與識別技術(shù)可以代替人類處理大量繁瑣的事物，效率更高。利用計算機進行圖像處理與識別技術(shù)還有重要的模式識別，運用數(shù)學(xué)思想中的統(tǒng)計與概率進行統(tǒng)計模式識別、句法模式識別、模糊模式識別，與人腦相比具有很大的優(yōu)勢[1]。

2 圖像識別技術(shù)的過程

計算機圖像處理與識別技術(shù)的過程與人類的圖像識別原理相似，主要有信息的獲取、預(yù)處理、特征抽取和選擇、分類器設(shè)計和分類決策幾個步驟。信息的獲取是通過傳感器將光或者聲音等信息轉(zhuǎn)換為電信息，將研究對象的基本信息轉(zhuǎn)換為機器可以識別的信息；在獲取信息后，要對圖像進行去燥、平滑以及變換等處理，從而突出圖像中的重要特征，便于下一步的特征抽?。辉陬A(yù)處理后，圖像中的重要特征都會顯示出來，然后通過設(shè)定的程序?qū)@些特征進行識別，識別后要分別抽取不同的特征，在實際操作中，會根據(jù)需要選擇有用的特征。特征的抽取與選擇是圖像識別中最為重要的環(huán)節(jié)，直接關(guān)系到圖像識別的結(jié)果。分類器設(shè)計是指通過訓(xùn)練而得到一種識別規(guī)則，通過此識別規(guī)則可以得到一種特征分類，使圖像識別技術(shù)能夠得到高識別率。分類決策是指在特征空間中對被識別對象進行分類，從而更好地識別所研究的對象具體屬于哪一類[2]。

3 計算機圖像處理與識別技術(shù)的應(yīng)用

3.1 計算機圖像處理與識別技術(shù)在交通領(lǐng)域的應(yīng)用

為了確保交通系統(tǒng)的高效運行，應(yīng)用圖像處理與識別技術(shù)可構(gòu)建全方位、動態(tài)、高效的地面運行管理系統(tǒng)，促進質(zhì)量交通的發(fā)展，有效改善交通混亂的現(xiàn)象。車輛收費、道路擁擠、車輛失竊、車輛違章都是現(xiàn)代交通系統(tǒng)中存在的問題，利用圖像處理與識別技術(shù)對車牌和車身進行識別，可高效處理這些問題，在促進智能交通的發(fā)展中發(fā)揮了重要的作用。

3.1.1 圖像處理與識別在車身顏色和形狀識別方面存在的問題

在對車身進行顏色識別時，基于實驗室的環(huán)境因素，會取得較好的成效，但是由于車輛的實際行駛環(huán)境會受到諸多因素的影響，比如天氣、光線、灰塵、噪聲等，都會對識別率造成一定的影響。所以處于室外中運動的車輛因為顏色的非恒定性、運動目標不完全分割以及目標本身顏色的復(fù)雜性，都是影響車身顏色識別的重要因素，這是智能交通中圖像處理與識別應(yīng)該解決的問題。在對車身形狀識別方面也存在一定的問題，由于車輛本身在尺度、方向以及位置上會發(fā)生相對變化，行駛的過程中受到不均勻速度的影響，其形狀和大小在角度上會發(fā)生一定的偏差。同時，車輛間的遮擋、光照條件的變化等，都會對車身形狀識別增加難度，所以對車身顏色和形狀識別是圖像處理與識別技術(shù)需要解決的重要問題，才能夠更好地應(yīng)用于智能交通領(lǐng)域中。

3.1.2 圖像處理與識別技術(shù)在車牌識別中的應(yīng)用

車身顏色識別、車身形狀識別以及車牌識別都是圖像處理與識別技術(shù)在交通系統(tǒng)中的重要應(yīng)用，經(jīng)過圖像處理與識別技術(shù)的發(fā)展，在車身顏色和形狀方面的識別水平得到了大幅的提升，而對于車牌的識別包括了定位技術(shù)以及字符識別技術(shù)。車牌自動識別主要包括定位、分割以及字符識別幾個部分，首先進行車牌特征提取，車牌像素特征提取是最為簡單的方式，在圖像掃描的過程中，對于黑色像素取值1、白色像素取值0，就能夠得到維數(shù)與圖像中像素點數(shù)相同的向量矩陣。但是這種方法的適應(yīng)性不佳，所以還需要在適應(yīng)性方面進行改善。對骨架特征進行提取具有較好的適應(yīng)性，因為對圖像線條進行統(tǒng)一寬度后會縮小差異性，通過計算機算法能夠提取到車牌骨架的特征并得到向量矩陣。對車牌圖像的特征點進行提取可以有效彌補其他方法中適應(yīng)性差這個缺點，通過13點特征提取法能夠降低因為角度變化而造成字符傾斜產(chǎn)生的誤差。除了上述提車牌特征提取方法之外，圖像處理與識別技術(shù)中還有梯度統(tǒng)計、弧度統(tǒng)計、角點提取等一系列特征向量提取方法。

車牌分割也是車牌識別技術(shù)中的重要部分，灰度轉(zhuǎn)化是車牌分割的首要環(huán)節(jié)，通過車牌定位能夠得到256色位圖的圖像，灰度轉(zhuǎn)化能夠避免因為顏色差異帶來的不便，為下一步操作提供依據(jù)；經(jīng)過灰度處理的車牌圖像再進行二值化處理，可將圖像灰度值處理為黑白兩種顏色；車牌大多都是有攝像頭拍攝的，所以會受到環(huán)境的影響而造成圖像模糊的情況，通過梯度銳化處理能夠使模糊的圖像變得清晰；為了保證車牌識別的清晰度，還要去除離散的噪聲。在攝像頭拍攝車牌時，會因為角度問題而出現(xiàn)車牌傾斜的現(xiàn)象，對于這種現(xiàn)象，如果提示車牌字符像素的平均位置有較大差異，可通過圖像左右像素得到平均高度，求出斜率后得到偏轉(zhuǎn)角，然后重新組織坐標。車牌字符分割算法主要有垂直投影法、靜態(tài)邊界法以及連通區(qū)域法。這3種方法能夠確定車牌字符的邊界、分割得到車牌的清晰圖像，但是各存在其優(yōu)缺點，在實際使用中應(yīng)該有所選擇[3]。

3.2 計算機圖像處理與識別技術(shù)在安防領(lǐng)域中的應(yīng)用

圖像處理與識別技術(shù)在安防領(lǐng)域的應(yīng)用，大大提高了安防效率。視頻監(jiān)控系統(tǒng)在安防工作中應(yīng)用較為廣泛，圖像處理與識別在視頻監(jiān)控系統(tǒng)中的應(yīng)用，能夠?qū)崿F(xiàn)自動監(jiān)控，通過視頻圖像的采集，經(jīng)過識別后能夠為安防工作帶來重要的參考依據(jù)。一方面大大減輕了工作人員的工作量，另一方面也有效提高了安防工作效率。

3.3 計算機圖像處理與識別技術(shù)在農(nóng)業(yè)領(lǐng)域中的應(yīng)用

將計算機圖像識別技術(shù)應(yīng)用到農(nóng)業(yè)生產(chǎn)當(dāng)中，可以對植物的生長進行相應(yīng)的監(jiān)測與評價，同時還能夠?qū)r(nóng)產(chǎn)品進行質(zhì)檢，對植物的生長進行全景圖像的監(jiān)控。當(dāng)農(nóng)作物發(fā)生病蟲害時，可以通過計算機圖像識別技術(shù)對病蟲害的圖像進行診斷，比如茶葉種類分類、田間雜草識別、水果缺陷識別、糧蟲檢測技術(shù)等。糧食害蟲會嚴重影響到糧食的質(zhì)量，而傳統(tǒng)的取樣法、誘捕法、聲測法、近紅外反射光譜識別法都存在不同程度的缺陷，利用圖像處理與識別技術(shù)，對糧食害蟲進行檢測可提高檢測效率。

首先對糧蟲圖像進行預(yù)處理，預(yù)處理包括灰度化、二值化、平滑以及銳化幾種方法?；叶然幚硎抢米畲笾捣?、加權(quán)平均法以及平均值法將糧蟲圖像從彩色轉(zhuǎn)換為灰色，方法操作簡單，用三原色來描述灰度值。因為灰度化處理的目標圖像與背景圖像存在較大的差別，所以可用0和1分別表示目標圖像和背景圖像，這樣有利于灰色圖像與二值圖像之間的轉(zhuǎn)換。利用二值化進行糧蟲圖像處理，對象區(qū)域能夠更加明顯地顯示出來，為后續(xù)工作的開展提供有利的依據(jù)。對圖像進行平滑處理就是在相同的窗口放置圖像，保證所有像素的灰度值平均，對中心部位像素的灰度值進行替代，即可完成平滑處理。通過加深圖像的灰度顏色以及對比外援色彩數(shù)值，可有效提升圖像的清晰度，達到圖像銳化的目的。

在對圖像進行預(yù)處理后，可得到高質(zhì)量的圖像，還需要利用邊緣檢測技術(shù)將圖像中的目標和背景區(qū)分開來。利用局部差分算法進行Roberts邊緣檢測算子，通過互相垂直方向上的差分，Roberts邊緣檢測算子能夠計算梯度，在得到合適的閾值后，將梯度幅度和閾值比較，可得到階躍邊緣點，最終獲取邊緣圖像。Sobel邊緣檢測算子是對各個像素的領(lǐng)域加權(quán)差進行考察，加權(quán)差最大的點即為邊緣點，Sobel是檢測效果最好的邊緣檢測。

對糧蟲進行圖像特征提取為糧蟲識別提供數(shù)據(jù)支持，其中區(qū)域描述子特征的效果最好，一般包括以下8種區(qū)域描述子特征：圖像中待識別對象面積像素點個數(shù)總和，待識別對象的周長，待識別對象面積占圖像總體比例，待識別糧蟲圖像的最小外接矩形的寬度比上長度值，待識別對象緊湊性，反應(yīng)待識別對象的復(fù)雜程度，等效面積圓半徑，待識別對象長短軸長度之比。通過對糧蟲圖像的幾何形態(tài)特征進行識別，可有效防止蟲害，提高糧食存儲質(zhì)量。

4 計算機圖像處理與識別技術(shù)的發(fā)展

4.1 趨于標準化和高速化

計算機圖像處理與識別技術(shù)在多個領(lǐng)域的應(yīng)用，大大提高了人們的生活質(zhì)量，同時也帶動了相關(guān)產(chǎn)業(yè)的進一步發(fā)展。在計算機圖像處理與識別技術(shù)中，還有很多瓶頸需要克服，為了更好地發(fā)揮圖像處理與識別的功能，不僅要在硬件方面有所升級，還需要在軟件方面不斷研發(fā)。為圖像處理與識別系統(tǒng)配置最好的硬件，便于處理程序時在速度和容量方面的提升，逐漸向標準化和高速化方面發(fā)展。在軟件方面，要在圖像獲取、分析、處理、存儲這些方面加速研發(fā)，加快對三維景物的識別，更好地發(fā)揮圖像處理與識別技術(shù)的優(yōu)勢。

4.2 朝著多維化方向發(fā)展

基于二維處理的計算機智能化圖像識別技術(shù)正在向三維處理甚至是多維處理轉(zhuǎn)變，這就預(yù)示著日后的圖像識別處理將會更加準確。當(dāng)下，計算機的硬件水平處于上升的過程，這就使得計算機智能化圖像識別技術(shù)被廣泛應(yīng)用到生活中的每個領(lǐng)域，在今后的發(fā)展過程中，分類、整理被識別圖像的詳細信息并轉(zhuǎn)化成清晰度較高的圖片將是計算機智能化圖像識別技術(shù)的發(fā)展重點。

5 結(jié)語

計算機圖像處理與識別技術(shù)在我國很多領(lǐng)域中都得到了有效的應(yīng)用，為促進社會的發(fā)展做出了重要的貢獻。圖像處理與識別是信息技術(shù)發(fā)展的必然產(chǎn)物，隨著科學(xué)技術(shù)的快速發(fā)展，圖像處理與識別技術(shù)水平還會提升，會更加標準化、高速化、多維化，為促進社會主義和諧社會的可持續(xù)發(fā)展奠定堅實的基礎(chǔ)。

[1]朱安琪.數(shù)字圖像處理與識別系統(tǒng)的開發(fā)研究[J].電子測試，2016（9）：95-96.

[2]郭元戎.圖像處理與識別技術(shù)的發(fā)展應(yīng)用[J].電子技術(shù)與軟件工程，2018（1）：58-59.

[3]寧彬.圖像處理技術(shù)在機動車車牌自動識別技術(shù)中的應(yīng)用[J].科學(xué)技術(shù)與工程，2013（2）：366-371.