李淵 趙金環(huán)

摘要：在我國市場經(jīng)濟不斷發(fā)展的背景下，人們對高品質(zhì)圖像的需求逐漸增加，因此，利用計算機視覺算法提升圖像處理工作效果已成為業(yè)內(nèi)首選。文章從計算機圖像處理技術(shù)的概念著手，分析了在計算機圖像處理工作中利用視覺算法的優(yōu)勢，并從多個角度闡述了基于計算機視覺算法的圖像處理技術(shù)應(yīng)用路徑，以期為提升圖像處理工作的整體效果提供建議，從而為我國計算機應(yīng)用行業(yè)的發(fā)展做出一定貢獻(xiàn)。

關(guān)鍵詞：計算機視覺算法；圖像處理；應(yīng)用探究

中圖法分類號：TP391 文獻(xiàn)標(biāo)識碼：A

在當(dāng)前的二維計算機圖片處理工作中，物體往往只能呈現(xiàn)出一個側(cè)面的投影，而隨著技術(shù)的進(jìn)步，人們對立體圖像的需求有所增加。本文介紹了一種利用計算機視覺技術(shù)實現(xiàn)三維立體顯示的計算機視覺方法。與ＢＰ 神經(jīng)網(wǎng)絡(luò)相比，該方法具有較高的校正準(zhǔn)確率，在圖像處理中具有較大的實用價值。

１ 計算機圖像處理技術(shù)概述

１．１ 圖像處理步驟

采用計算機技術(shù)對圖像進(jìn)行處理，首先，要對圖像進(jìn)行分析，獲取具體的圖像數(shù)據(jù)后才能得到要處理的圖像信息。其次，要做好圖像處理工作，并將處理后的圖像信息通過相關(guān)軟件轉(zhuǎn)換為計算機能夠采集的數(shù)據(jù)，接著將其存儲起來，以便以后可以利用不同的計算方法對儲存在計算機中的圖像信息進(jìn)行變換和分析處理。

１．２ 圖像類別

在計算機進(jìn)行圖像處理時，可以將圖像分為如下２ 類。（１）模擬圖像。其是指通過像素點位置進(jìn)行數(shù)據(jù)儲存。這類圖像的傳輸具有快速、精確、不靈活等特點。（２）數(shù)碼影像。在技術(shù)進(jìn)步的同時，影像技術(shù)也逐漸向數(shù)碼技術(shù)方向發(fā)展。數(shù)字圖像是一種新興的技術(shù)，由計算機和計算機技術(shù)發(fā)展而來。與模擬圖像相比，數(shù)字圖像具有更高的準(zhǔn)確度［１］ 。

２ 計算機圖像處理技術(shù)的應(yīng)用優(yōu)勢

２．１ 準(zhǔn)確性高

通過計算機圖像處理技術(shù)對數(shù)字圖像進(jìn)行分析后，可以獲取一個二維點陣陣列，它的二維陣列可以對任意尺寸的圖像進(jìn)行數(shù)字化處理。大部分人都會使用一種能夠分辨出像素的灰度級別的儀器，相關(guān)的處理數(shù)據(jù)儲存在１６ 位的字符中，其既能保證圖像的精度，又能滿足用戶對圖像處理的要求。

２．２ 再現(xiàn)能力強

從目前的圖像處理工作來看，客戶對圖像處理的結(jié)果要求依然較為簡單，客戶最重要的目標(biāo)就是提高處理后圖片的真實感。然而，模擬圖像技術(shù)在很大程度上降低了圖像的原始質(zhì)量，難以保證整體的處理效果。利用數(shù)碼影像處理技術(shù)，可以更精確地還原原圖像，不管是否經(jīng)過處理，影像的品質(zhì)都不會受到太大影響。另外，利用計算機數(shù)碼影像信號處理技術(shù)，可以在不改變原影像品質(zhì)的前提下，對數(shù)碼影像進(jìn)行復(fù)制、傳送，并能實現(xiàn)圖片的高品質(zhì)再現(xiàn)。

２．３ 可以滿足社會對高品質(zhì)圖像的需求

圖像的格式直接影響圖像的處理，相較于以往的模擬圖像，利用計算機視覺算法處理的圖像要豐富得多，不管是光圖像，流行圖像，還是航空圖像，都可以通過數(shù)碼圖像編碼設(shè)備進(jìn)行轉(zhuǎn)換。因此，計算機視覺算法在進(jìn)行圖片處理時有著較高的適用性。不管是哪一種類型的信息處理工具，都能實現(xiàn)對圖像的數(shù)字化，利用網(wǎng)絡(luò)技術(shù)可以實現(xiàn)對圖像的快速處理。

３ 基于計算機視覺算法的圖像處理技術(shù)的應(yīng)用路徑

隨著信息時代的來臨，計算機視覺技術(shù)在圖像處理技術(shù)中得到了越來越多的應(yīng)用，它能使圖像的質(zhì)量得到提高，利用三維體素映射出目標(biāo)的三維坐標(biāo)，能夠真實地反映出目標(biāo)在空間中的位置，控制體素的亮度、色彩，從而獲取立體影像信息。為防止立體投影儀造成的影像畸變，必須應(yīng)用比ＢＰ 神經(jīng)網(wǎng)絡(luò)更精確的影像運算和影像處理技術(shù)，并利用高速投影機、散射屏、基于ＣＮＮ 模型的深度學(xué)習(xí)方法，以實現(xiàn)較好的影像復(fù)原效果［２］ 。

３．１ 計算機視覺顯示系統(tǒng)設(shè)計

３．１．１ 光場重構(gòu)

與傳統(tǒng)的２Ｄ 顯示方法相比，為獲得更加逼真的３Ｄ顯示效果，必須使用更加復(fù)雜和先進(jìn)的處理技術(shù)，才能獲得理想的像素處理效果。在三維數(shù)據(jù)分析中，要構(gòu)造出一個完整的三維空間，在此基礎(chǔ)上，將三維空間中的各個基本單元作為一個像素點，并采用三維坐標(biāo)來表示，而真實的三維影像則是由許多立體的像素點組成。光場的重建需要借助光機和機構(gòu)的運動來完成。

例如，目前主要通過五維光場函數(shù)進(jìn)行圖像處理，利用該函數(shù)，能對三維空間中的圖像內(nèi)容進(jìn)行分析，目前圖像的３ 位坐標(biāo)主要使用Ｆ：Ｌ∈Ｒ５→∈Ｒ３ 來描述，Ｌ ＝［ｘ，ｙ，ｚ］為下方向，數(shù)字圖像色彩的數(shù)據(jù)信息是Ｙ ＝［ｒ、ｇ、ｂ］。在三維模型和紋理的顯示過程中，采用了離散的集合形式，利用Ｌｉ ＝［Ｐｉ，Ｙｉ］來表達(dá)３Ｄ 空間中的色彩和位置，并基于光場的擴散曲線來確定光場視覺算法。然后，利用３Ｄ 光場重建了ｈ 深度的子集，在不同的深度情況下，將其分割為若干子集合，利用二維投影、散射屏幕重建光場，從而獲得三維影像。

目前，相關(guān)技術(shù)研究人員認(rèn)為，利用二維投影技術(shù)可以重建快速轉(zhuǎn)動的影像，從而使影像在三維光場中得到重建。

３．１．２ 顯示系統(tǒng)設(shè)計

目前，利用旋轉(zhuǎn)式液晶顯示點陣系統(tǒng)進(jìn)行圖像分析的結(jié)果表明，利用成像方法重建三維立體光場，只能形成圓柱形，無法獲得良好的視覺位置和分辨率。利用ＡＲＭ 芯片的優(yōu)良性能，計算機視覺算法能夠?qū)崿F(xiàn)與圖像信息的智能交互，從而形成一個真實的立體顯示器，可以從不同的角度觀測所形成的立體影像，并進(jìn)一步提高圖像的像素和清晰度，使體素的存儲容量達(dá)到３０ＭＢ。具體的設(shè)計過程是：采用３ＤＳＭＡ 進(jìn)行數(shù)字模型化、圖像格式轉(zhuǎn)換、紋理貼圖，提取坐標(biāo)色彩信息，組織技術(shù)人員進(jìn)行交叉分析、抽取像素色彩信息。

在圖像處理的過程中，將人體的三維數(shù)據(jù)通過ＵＳＢ 接口發(fā)送到ＳＤＲＡＭ 中，然后由ＦＰＧＡ 對圖像進(jìn)行處理，最后將圖像信息發(fā)送到ＡＲＭ。在旋轉(zhuǎn)物體的圖像顯示中，ＡＲＭ 處理后的影像信息被傳輸至旋轉(zhuǎn)物體顯示裝置，ＦＰＧＡ 將轉(zhuǎn)換后的影像信息投影到散射屏上，由馬達(dá)和編碼器對其進(jìn)行調(diào)解，并將調(diào)節(jié)位置反饋至ＦＰＧＡ，由該編碼馬達(dá)向驅(qū)動模塊發(fā)送定位信息［３］ 。

在三維場景中拍攝物體時，要從立體角度顯示物體，對存儲在物體上的數(shù)據(jù)進(jìn)行掃描，利用視頻獲取技術(shù)將物體的編號輸入物體中，從而判斷出物體所要處理的圖像數(shù)據(jù)。然后通過ＤＭＤ 控制設(shè)備、投影機等對數(shù)據(jù)和圖像進(jìn)行處理與投射，通過傳輸方向散射實現(xiàn)圖像的投射。

在高速圖像處理中，編碼馬達(dá)是一個必不可少的先決條件，它既能監(jiān)測轉(zhuǎn)臺的角度和速度，又能把監(jiān)測信號傳輸?shù)娇刂破?，從而達(dá)到閉環(huán)控制的目的。在高速運行時，由同步控制裝置獲取編碼電機的位置信息，并與ＤＶＩ 視頻信號相結(jié)合，使控制器能夠依據(jù)編碼器的信號狀態(tài)生成幀頻率信號，從而保證了散射屏的位置和投影儀同步。散射屏采用方位型，傾斜角度為４５°，與投影機、光學(xué)系統(tǒng)保持同步。

步進(jìn)馬達(dá)能實現(xiàn)對散射屏幕方向和速度的定向調(diào)整，以及使底座旋轉(zhuǎn)。在開展展覽、會議等活動時，通過此裝置結(jié)合遙控方式進(jìn)行精密地旋轉(zhuǎn)，并安裝黑色的吸光片，可以防止投射時的光線泄露。通過在玻璃罩子上放置光電傳感器，可以將運動的仿真信號轉(zhuǎn)換成數(shù)字信號，然后通過ＡＲＭ 處理器將處理后的數(shù)據(jù)傳送到步進(jìn)電機，繼而實現(xiàn)對３Ｄ 圖像的精確旋轉(zhuǎn)，以滿足用戶對３Ｄ 圖像的需求，從而達(dá)到與用戶互動的目的。

上轉(zhuǎn)臺是用來帶動方向散射屏幕轉(zhuǎn)動的，從而達(dá)到立體投影的效果，而下轉(zhuǎn)臺則是用來驅(qū)動整個設(shè)備，通過藍(lán)牙、局域網(wǎng)等方式采集控制信號，然后把控制信號傳送到步進(jìn)電機。在展覽、會議等場合，通過遠(yuǎn)程控制設(shè)備，實現(xiàn)３６０°全方位的展示［４］ 。

３．２ 圖像畸變矯正算法

３．２．１ 畸變矯正

基于計算機視覺的方法，可以充分發(fā)揮計算機圖像處理技術(shù)的優(yōu)點，使處理畸變圖像更加方便靈活。

采用投射裝置進(jìn)行垂直投影，但由于視場變化，垂軸的放大倍數(shù)會逐漸增大，從而導(dǎo)致像素點發(fā)生明顯的偏移。當(dāng)偏差距離超過規(guī)定范圍時，會產(chǎn)生失真的問題，因此，必須采取相應(yīng)的圖像處理技術(shù)，以確?；謴?fù)后的圖像的保真度，避免因畸變嚴(yán)重而導(dǎo)致的失真。

目前，徑向畸變和切向畸變是主要的畸變類型，切向畸變導(dǎo)致的畸變并不明顯，所以在處理畸變時應(yīng)把徑向畸變作為研究的重點，而軸向畸變有桶形和枕形畸變。

人們普遍認(rèn)為，造成圖像失真的原因是空間狀態(tài)的扭曲，即所謂的曲線失真。利用二次多項式矩陣來確定失真系數(shù)，當(dāng)有較大的失真時，這種方法不能采用。

然而，由于多項式的數(shù)目越來越多，在處理失真時所使用的矩陣的反演也就越大，因此使用程序設(shè)計技術(shù)來解決和處理這類問題將會很困難。利用ＢＰ 神經(jīng)網(wǎng)絡(luò)的方法校正圖像的失真，可以進(jìn)一步提高處理的準(zhǔn)確率，并與計算機視覺相結(jié)合，實現(xiàn)更深層次的校正。卷積神經(jīng)網(wǎng)絡(luò)具有較好的圖像失真處理能力，它類似于生物神經(jīng)網(wǎng)絡(luò)，利用相似權(quán)重構(gòu)建了一個共享網(wǎng)絡(luò)，進(jìn)而利用網(wǎng)絡(luò)模型降低了圖像處理的難度，也減少了相應(yīng)的權(quán)重，具有更強的識別和概括能力。

３．２．２ 畸變圖像處理

ＣＮＮ 卷積神經(jīng)網(wǎng)絡(luò)具有較強的圖像處理能力，以及優(yōu)秀的稀疏連接性和權(quán)重分享性，同時具有較強的學(xué)習(xí)和訓(xùn)練能力。在處理變形圖像時，其具有良好的連接模式，只要一次輸入足夠多的圖像信息，便能有效提升ＡＩ 的圖像處理能力，且不需要重新抽取圖像信息，就能有效提升圖像處理效果。

通過權(quán)值分配，用戶能夠獲得較好的學(xué)習(xí)效果，降低了學(xué)習(xí)和訓(xùn)練的難度，便于對數(shù)據(jù)的容量進(jìn)行控制，并能更精準(zhǔn)地發(fā)現(xiàn)問題。卷積神經(jīng)網(wǎng)絡(luò)算法采用卷積層和池化層，不會出現(xiàn)明顯的特征采樣，利用卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重來進(jìn)行深度學(xué)習(xí)，并利用卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重來減少訓(xùn)練參數(shù)，使其易于調(diào)節(jié)和控制，從而提高失真處理的普遍性［５］ 。

利用卷積神經(jīng)網(wǎng)絡(luò)的解析度來表示圖像數(shù)據(jù)，它和數(shù)字圖像的處理方法一致，但由于圖像會發(fā)生幾何變形，因此要進(jìn)行正確的判別和訓(xùn)練，只需要對變形的形狀進(jìn)行預(yù)測和分析，就可以得到正確的測量窗口，從而實現(xiàn)精確的切割。比如，一個數(shù)碼格式的影像分辨率僅為２２７×２２７，經(jīng)過相減運算，其由２ 個全連接層和５個卷積層組成，然后將影像資料轉(zhuǎn)換成符合卷積神經(jīng)網(wǎng)絡(luò)運算的條件，并將其設(shè)定成同樣的解析度。

３．３ 圖像處理技術(shù)程序的實現(xiàn)

相關(guān)人員可以利用Ｍａｔｌａｂ 軟件建立圖像的數(shù)學(xué)模型，并利用程序?qū)D像的畸變進(jìn)行分析和計算。在確定和處理圖像的過程中，為提升卷積神經(jīng)網(wǎng)絡(luò)的處理能力，以１ ０００ 個畸變和標(biāo)準(zhǔn)圖像作為ＡＩ 處理樣本。該系統(tǒng)采用了基于ＤｅｅｐＬｅａｒｎｉｎｇ 的計算機視覺算法，對畸變圖像進(jìn)行了處理和校正，在進(jìn)行校正時，首先要將圖像中的各個像素點進(jìn)行映射，然后根據(jù)不同的灰度差來確定灰度。它具有低通濾波器的特性，校正精度高，沒有灰度的缺陷。因此，利用二次線性內(nèi)插方法，可以分析和計算出４ 個失真點周圍的４ 個灰度值的畸變值。

在對圖像進(jìn)行幾何變形的情況下，利用計算機視覺方法構(gòu)建ＣＮＮ 模型，對卷積和下降取樣層數(shù)進(jìn)行適當(dāng)?shù)姆峙?，并確定下降的取樣幅度，并將其與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合。利用灰度差中的雙線性插值方法，可對畸變圖像的點位灰度進(jìn)行優(yōu)化，并對各畸變點進(jìn)行處理，使１ ０００ 張圖像中的畸變點全部被處理，從而獲得校正后的完整圖像。

為降低卷積神經(jīng)網(wǎng)絡(luò)的運算難度和縮短變形處理的時間，將變形校正圖像分為２ 個階段，第１ 階段采用ＣＮＮ 模型進(jìn)行校正，第２ 階段合理分配校正參數(shù)。在進(jìn)行參數(shù)修正時，首先要建立１ 張查詢表，并將它作為一種常用的形式，確保其有足夠的存儲空間。然后，將已錄入的圖像數(shù)據(jù)與相應(yīng)的灰度值相結(jié)合，將當(dāng)前的灰度值設(shè)定為設(shè)定值，從而能夠進(jìn)行數(shù)字圖像的處理和修正。通過這種方法，可以在初始化階段根據(jù)映射表建立數(shù)字圖像的ＣＭＭ 模型，并通過此模型對圖像的變形進(jìn)行處理，并實現(xiàn)檢索表的自動生成［６］ 。

４ 結(jié)束語

利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行變形校正，并在此基礎(chǔ)上構(gòu)造一種新的自適應(yīng)算法，能有效提升計算機圖像處理的效果，在目前的計算機圖像處理方面有著較為廣闊的應(yīng)用前景，該方法在實際應(yīng)用中比多項模型和ＢＰ 神經(jīng)網(wǎng)絡(luò)的處理效果更理想，具有很好的穩(wěn)定性和推廣能力，有著較好的應(yīng)用前景。

參考文獻(xiàn)：

［１］ 王麗．計算機圖像處理技術(shù)的應(yīng)用及其發(fā)展趨勢展望［Ｊ］．信息系統(tǒng)工程，２０２２（１２）：１０１?１０４．

［２］ 謝曉旦．計算機視覺算法的圖像處理技術(shù)研究［Ｊ］．無線互聯(lián)科技，２０２２，１９（３）：１０３?１０４．

［３］ 付正廣．計算機圖像處理與識別技術(shù)的應(yīng)用研究［Ｊ］．黑龍江科學(xué)，２０２１，１２（２４）：１１０?１１２．

［４］ 葉一帆．基于計算機視覺算法的圖像處理技術(shù)研究［Ｊ］．長江信息通信，２０２１，３４（１０）：７３?７５．

［５］ 楊璐．基于計算機視覺算法的圖像處理技術(shù)研究［Ｊ］．信息記錄材料，２０２１，２２（９）：１３４?１３５．

［６］ 賀銀平．計算機視覺算法的圖像處理技術(shù)的探究［Ｊ］．電子世界，２０２１（４）：９６?９７．

作者簡介：李淵（１９９６—），碩士，助教，研究方向：機器學(xué)習(xí)、圖像處理。