王彥超

（平頂山教育學(xué)院 計(jì)算機(jī)系，河南 平頂山 467000）

圖像處理與識(shí)別二者之間是相互聯(lián)系的，圖像處理是圖像識(shí)別的基礎(chǔ)條件，圖像識(shí)別又促進(jìn)了圖像處理技術(shù)的提升。通過計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析，最終達(dá)到需要的技術(shù)效果，能夠?qū)μ幚韺?duì)象進(jìn)行識(shí)別。圖像處理與識(shí)別的最終目的是識(shí)別，文字識(shí)別、數(shù)字圖像識(shí)別、物體識(shí)別是圖像識(shí)別經(jīng)歷的3個(gè)階段。在我國(guó)的很多領(lǐng)域中，對(duì)于很精細(xì)的對(duì)象用肉眼是無法滿足需求的，此時(shí)就需要利用計(jì)算機(jī)的圖像處理與識(shí)別技術(shù)，通過精細(xì)的技術(shù)代替人類處理大量的物理信息，提高識(shí)別效率，降低錯(cuò)誤率。

1 圖像處理與識(shí)別技術(shù)的原理及優(yōu)勢(shì)

圖像處理與識(shí)別技術(shù)其實(shí)與人類的圖像識(shí)別原理相似，人類的圖像處理與識(shí)別也是先對(duì)看到的事物有一個(gè)直觀感受，然后經(jīng)過大腦的加工和處理將這些信息存儲(chǔ)起來，再次看到相同的事物時(shí)就會(huì)從大腦中提取出來，這就是人類的圖像處理與識(shí)別的過程。計(jì)算機(jī)的圖像處理與識(shí)別過程與人類相似，只是在觀察圖像時(shí)沒有人類的感受，利用計(jì)算機(jī)的優(yōu)勢(shì)，在信息加工、存儲(chǔ)以及提取的速度方面更快，容量更大，細(xì)節(jié)更加精細(xì)。所以用計(jì)算機(jī)圖像處理與識(shí)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(jì)算機(jī)進(jìn)行圖像處理與識(shí)別技術(shù)還有重要的模式識(shí)別，運(yùn)用數(shù)學(xué)思想中的統(tǒng)計(jì)與概率進(jìn)行統(tǒng)計(jì)模式識(shí)別、句法模式識(shí)別、模糊模式識(shí)別，與人腦相比具有很大的優(yōu)勢(shì)[1]。

2 圖像識(shí)別技術(shù)的過程

計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的過程與人類的圖像識(shí)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(jì)和分類決策幾個(gè)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(duì)象的基本信息轉(zhuǎn)換為機(jī)器可以識(shí)別的信息；在獲取信息后，要對(duì)圖像進(jìn)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取；在預(yù)處理后，圖像中的重要特征都會(huì)顯示出來，然后通過設(shè)定的程序?qū)@些特征進(jìn)行識(shí)別，識(shí)別后要分別抽取不同的特征，在實(shí)際操作中，會(huì)根據(jù)需要選擇有用的特征。特征的抽取與選擇是圖像識(shí)別中最為重要的環(huán)節(jié)，直接關(guān)系到圖像識(shí)別的結(jié)果。分類器設(shè)計(jì)是指通過訓(xùn)練而得到一種識(shí)別規(guī)則，通過此識(shí)別規(guī)則可以得到一種特征分類，使圖像識(shí)別技術(shù)能夠得到高識(shí)別率。分類決策是指在特征空間中對(duì)被識(shí)別對(duì)象進(jìn)行分類，從而更好地識(shí)別所研究的對(duì)象具體屬于哪一類[2]。

3 計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的應(yīng)用

3.1 計(jì)算機(jī)圖像處理與識(shí)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(yùn)行，應(yīng)用圖像處理與識(shí)別技術(shù)可構(gòu)建全方位、動(dòng)態(tài)、高效的地面運(yùn)行管理系統(tǒng)，促進(jìn)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(fèi)、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(shí)別技術(shù)對(duì)車牌和車身進(jìn)行識(shí)別，可高效處理這些問題，在促進(jìn)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(shí)別在車身顏色和形狀識(shí)別方面存在的問題

在對(duì)車身進(jìn)行顏色識(shí)別時(shí)，基于實(shí)驗(yàn)室的環(huán)境因素，會(huì)取得較好的成效，但是由于車輛的實(shí)際行駛環(huán)境會(huì)受到諸多因素的影響，比如天氣、光線、灰塵、噪聲等，都會(huì)對(duì)識(shí)別率造成一定的影響。所以處于室外中運(yùn)動(dòng)的車輛因?yàn)轭伾姆呛愣ㄐ?、運(yùn)動(dòng)目標(biāo)不完全分割以及目標(biāo)本身顏色的復(fù)雜性，都是影響車身顏色識(shí)別的重要因素，這是智能交通中圖像處理與識(shí)別應(yīng)該解決的問題。在對(duì)車身形狀識(shí)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(huì)發(fā)生相對(duì)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(huì)發(fā)生一定的偏差。同時(shí)，車輛間的遮擋、光照條件的變化等，都會(huì)對(duì)車身形狀識(shí)別增加難度，所以對(duì)車身顏色和形狀識(shí)別是圖像處理與識(shí)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(shí)別技術(shù)在車牌識(shí)別中的應(yīng)用

車身顏色識(shí)別、車身形狀識(shí)別以及車牌識(shí)別都是圖像處理與識(shí)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(shí)別技術(shù)的發(fā)展，在車身顏色和形狀方面的識(shí)別水平得到了大幅的提升，而對(duì)于車牌的識(shí)別包括了定位技術(shù)以及字符識(shí)別技術(shù)。車牌自動(dòng)識(shí)別主要包括定位、分割以及字符識(shí)別幾個(gè)部分，首先進(jìn)行車牌特征提取，車牌像素特征提取是最為簡(jiǎn)單的方式，在圖像掃描的過程中，對(duì)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(diǎn)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(jìn)行改善。對(duì)骨架特征進(jìn)行提取具有較好的適應(yīng)性，因?yàn)閷?duì)圖像線條進(jìn)行統(tǒng)一寬度后會(huì)縮小差異性，通過計(jì)算機(jī)算法能夠提取到車牌骨架的特征并得到向量矩陣。對(duì)車牌圖像的特征點(diǎn)進(jìn)行提取可以有效彌補(bǔ)其他方法中適應(yīng)性差這個(gè)缺點(diǎn)，通過13點(diǎn)特征提取法能夠降低因?yàn)榻嵌茸兓斐勺址麅A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(shí)別技術(shù)中還有梯度統(tǒng)計(jì)、弧度統(tǒng)計(jì)、角點(diǎn)提取等一系列特征向量提取方法。

車牌分割也是車牌識(shí)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?yàn)轭伾町悗淼牟槐?，為下一步操作提供依?jù)；經(jīng)過灰度處理的車牌圖像再進(jìn)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(huì)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(shí)別的清晰度，還要去除離散的噪聲。在攝像頭拍攝車牌時(shí)，會(huì)因?yàn)榻嵌葐栴}而出現(xiàn)車牌傾斜的現(xiàn)象，對(duì)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(biāo)。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(diǎn)，在實(shí)際使用中應(yīng)該有所選擇[3]。

3.2 計(jì)算機(jī)圖像處理與識(shí)別技術(shù)在安防領(lǐng)域中的應(yīng)用

圖像處理與識(shí)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(shí)別在視頻監(jiān)控系統(tǒng)中的應(yīng)用，能夠?qū)崿F(xiàn)自動(dòng)監(jiān)控，通過視頻圖像的采集，經(jīng)過識(shí)別后能夠?yàn)榘卜拦ぷ鲙碇匾膮⒖家罁?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(jì)算機(jī)圖像處理與識(shí)別技術(shù)在農(nóng)業(yè)領(lǐng)域中的應(yīng)用

將計(jì)算機(jī)圖像識(shí)別技術(shù)應(yīng)用到農(nóng)業(yè)生產(chǎn)當(dāng)中，可以對(duì)植物的生長(zhǎng)進(jìn)行相應(yīng)的監(jiān)測(cè)與評(píng)價(jià)，同時(shí)還能夠?qū)r(nóng)產(chǎn)品進(jìn)行質(zhì)檢，對(duì)植物的生長(zhǎng)進(jìn)行全景圖像的監(jiān)控。當(dāng)農(nóng)作物發(fā)生病蟲害時(shí)，可以通過計(jì)算機(jī)圖像識(shí)別技術(shù)對(duì)病蟲害的圖像進(jìn)行診斷，比如茶葉種類分類、田間雜草識(shí)別、水果缺陷識(shí)別、糧蟲檢測(cè)技術(shù)等。糧食害蟲會(huì)嚴(yán)重影響到糧食的質(zhì)量，而傳統(tǒng)的取樣法、誘捕法、聲測(cè)法、近紅外反射光譜識(shí)別法都存在不同程度的缺陷，利用圖像處理與識(shí)別技術(shù)，對(duì)糧食害蟲進(jìn)行檢測(cè)可提高檢測(cè)效率。

首先對(duì)糧蟲圖像進(jìn)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。灰度化處理是利用最大值法、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(jiǎn)單，用三原色來描述灰度值。因?yàn)榛叶然幚淼哪繕?biāo)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(biāo)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(jìn)行糧蟲圖像處理，對(duì)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(duì)圖像進(jìn)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(duì)中心部位像素的灰度值進(jìn)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(duì)比外援色彩數(shù)值，可有效提升圖像的清晰度，達(dá)到圖像銳化的目的。

在對(duì)圖像進(jìn)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(cè)技術(shù)將圖像中的目標(biāo)和背景區(qū)分開來。利用局部差分算法進(jìn)行Roberts邊緣檢測(cè)算子，通過互相垂直方向上的差分，Roberts邊緣檢測(cè)算子能夠計(jì)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(diǎn)，最終獲取邊緣圖像。Sobel邊緣檢測(cè)算子是對(duì)各個(gè)像素的領(lǐng)域加權(quán)差進(jìn)行考察，加權(quán)差最大的點(diǎn)即為邊緣點(diǎn)，Sobel是檢測(cè)效果最好的邊緣檢測(cè)。

對(duì)糧蟲進(jìn)行圖像特征提取為糧蟲識(shí)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(shí)別對(duì)象面積像素點(diǎn)個(gè)數(shù)總和，待識(shí)別對(duì)象的周長(zhǎng)，待識(shí)別對(duì)象面積占圖像總體比例，待識(shí)別糧蟲圖像的最小外接矩形的寬度比上長(zhǎng)度值，待識(shí)別對(duì)象緊湊性，反應(yīng)待識(shí)別對(duì)象的復(fù)雜程度，等效面積圓半徑，待識(shí)別對(duì)象長(zhǎng)短軸長(zhǎng)度之比。通過對(duì)糧蟲圖像的幾何形態(tài)特征進(jìn)行識(shí)別，可有效防止蟲害，提高糧食存儲(chǔ)質(zhì)量。

4 計(jì)算機(jī)圖像處理與識(shí)別技術(shù)的發(fā)展

4.1 趨于標(biāo)準(zhǔn)化和高速化

計(jì)算機(jī)圖像處理與識(shí)別技術(shù)在多個(gè)領(lǐng)域的應(yīng)用，大大提高了人們的生活質(zhì)量，同時(shí)也帶動(dòng)了相關(guān)產(chǎn)業(yè)的進(jìn)一步發(fā)展。在計(jì)算機(jī)圖像處理與識(shí)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(shí)別的功能，不僅要在硬件方面有所升級(jí)，還需要在軟件方面不斷研發(fā)。為圖像處理與識(shí)別系統(tǒng)配置最好的硬件，便于處理程序時(shí)在速度和容量方面的提升，逐漸向標(biāo)準(zhǔn)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(chǔ)這些方面加速研發(fā)，加快對(duì)三維景物的識(shí)別，更好地發(fā)揮圖像處理與識(shí)別技術(shù)的優(yōu)勢(shì)。

4.2 朝著多維化方向發(fā)展

基于二維處理的計(jì)算機(jī)智能化圖像識(shí)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(shí)別處理將會(huì)更加準(zhǔn)確。當(dāng)下，計(jì)算機(jī)的硬件水平處于上升的過程，這就使得計(jì)算機(jī)智能化圖像識(shí)別技術(shù)被廣泛應(yīng)用到生活中的每個(gè)領(lǐng)域，在今后的發(fā)展過程中，分類、整理被識(shí)別圖像的詳細(xì)信息并轉(zhuǎn)化成清晰度較高的圖片將是計(jì)算機(jī)智能化圖像識(shí)別技術(shù)的發(fā)展重點(diǎn)。

5 結(jié)語

計(jì)算機(jī)圖像處理與識(shí)別技術(shù)在我國(guó)很多領(lǐng)域中都得到了有效的應(yīng)用，為促進(jìn)社會(huì)的發(fā)展做出了重要的貢獻(xiàn)。圖像處理與識(shí)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(shí)別技術(shù)水平還會(huì)提升，會(huì)更加標(biāo)準(zhǔn)化、高速化、多維化，為促進(jìn)社會(huì)主義和諧社會(huì)的可持續(xù)發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)。

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

[2]郭元戎.圖像處理與識(shí)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(jī)動(dòng)車車牌自動(dòng)識(shí)別技術(shù)中的應(yīng)用[J].科學(xué)技術(shù)與工程，2013（2）：366-371.