計(jì)算機(jī)技術(shù)在圖像輪廓提取中的有效應(yīng)用

吳丹

摘 要：在一些具體的應(yīng)用領(lǐng)域，對(duì)圖像的輪廓進(jìn)行有效提取，這是關(guān)鍵的技術(shù)環(huán)節(jié)，涉及到很多有關(guān)圖像和信息處理的基礎(chǔ)技術(shù)。對(duì)此，計(jì)算機(jī)在該領(lǐng)域中有著不可或缺的影響，通過(guò)計(jì)算機(jī)技術(shù)完成對(duì)圖像的處理，通過(guò)采用一些必要的算法和函數(shù)的調(diào)用，完成相關(guān)信息處理的功能，獲取有關(guān)圖像的運(yùn)動(dòng)和狀態(tài)參數(shù)等。可以充分利用計(jì)算機(jī)快速反應(yīng)的能力來(lái)提升對(duì)圖像輪廓的處理效率。

關(guān)鍵詞：計(jì)算機(jī)技術(shù) 圖像輪廓提取 應(yīng)用

對(duì)圖像輪廓實(shí)現(xiàn)高效率提取，這是視覺測(cè)量中最為關(guān)鍵的核心技術(shù)，在實(shí)際的使用過(guò)程中，常常會(huì)采用計(jì)算機(jī)的有關(guān)技術(shù)，進(jìn)行圖像輪廓內(nèi)容信息的提取和處理。借助計(jì)算機(jī)技術(shù)的強(qiáng)大功能，不但能夠?qū)崿F(xiàn)圖像灰度級(jí)別進(jìn)行自動(dòng)分類選取，還能夠完成相應(yīng)的圖像缺陷的表面檢測(cè)功能，通過(guò)對(duì)圖像的高質(zhì)量提取以及處理，可以提高整個(gè)圖像的使用價(jià)值。

一、圖像輪廓提取中計(jì)算機(jī)技術(shù)的作用

計(jì)算機(jī)技術(shù)是目前世界上最重要的技術(shù)手段，也是影響最為廣泛的技術(shù)形式。隨著計(jì)算機(jī)應(yīng)用技術(shù)的持續(xù)發(fā)展成熟，其已經(jīng)滲透到幾乎所有的信息處理環(huán)節(jié)。對(duì)于圖像信息處理，計(jì)算機(jī)技術(shù)發(fā)揮著決定性的作用，通過(guò)一些圖像采集設(shè)備得到的圖像信息，以數(shù)字化的形式進(jìn)行存儲(chǔ)和處理，而具體的操作環(huán)節(jié)都是由計(jì)算機(jī)發(fā)揮關(guān)鍵性的作用，作為數(shù)據(jù)信息處理的平臺(tái)完成各種處理功能。以圖像輪廓采集來(lái)說(shuō)，計(jì)算機(jī)可同時(shí)基于多種技術(shù)方法完成該處理功能，包括獲取圖像相關(guān)輪廓的參數(shù)和信息，并及時(shí)進(jìn)行提取工作。這些圖像輪廓通過(guò)計(jì)算機(jī)的提取，將一些基本的參數(shù)和特征進(jìn)行整理轉(zhuǎn)化，形成更加準(zhǔn)確的輪廓信息圖像，其應(yīng)用也有了更大的空間層次。

以計(jì)算機(jī)應(yīng)用技術(shù)為基礎(chǔ)的圖像輪廓提取，不但能夠得到該圖像的顯著特征數(shù)據(jù)，還可以利用各種不同的數(shù)學(xué)算子，包括Sobel、Laplace、Canny等，對(duì)目標(biāo)圖像的實(shí)際灰度做以分析，并可進(jìn)行必要的調(diào)節(jié)，完成對(duì)目標(biāo)圖像的具體輪廓邊緣進(jìn)行全面提取。計(jì)算機(jī)圖像輪廓提取技術(shù)，就是基于圖像內(nèi)容分析，采用計(jì)算機(jī)相關(guān)應(yīng)用技術(shù)完成圖像中代表性特點(diǎn)的有效提取，采用包括高閾值條件下的圖像檢測(cè)內(nèi)容，比如圖像中較為重要的一些元素，通過(guò)提取這些典型性的線條以及輪廓等內(nèi)容，用來(lái)表征圖像的基本特點(diǎn)。在低閾值情況下，能夠確保輪廓中的一些細(xì)節(jié)內(nèi)容不發(fā)生丟失問(wèn)題，進(jìn)而確保圖像提取的輪廓更加生動(dòng)，輪廓效果得到有效保證。

二、計(jì)算機(jī)技術(shù)在圖像輪廓提取中的應(yīng)用

1.輪廓提取的原理

對(duì)圖像輪廓的提取，簡(jiǎn)單說(shuō)就是從物體的圖像上獲得相關(guān)其外形的各種參數(shù)數(shù)據(jù)，它可以有效確保視覺測(cè)量的實(shí)際精度。因?yàn)橛?jì)算機(jī)對(duì)于視覺測(cè)量中對(duì)圖像的處理只包含兩個(gè)實(shí)際的區(qū)域，即目標(biāo)區(qū)和背景區(qū)，為確定不同區(qū)域的范圍，需要借助閾值分析的方法對(duì)目標(biāo)圖像從背景里進(jìn)行提取和分割。在提取過(guò)程中，為降低圖像中的干擾內(nèi)容的影響，實(shí)際可通過(guò)非線性方程的濾波設(shè)計(jì)來(lái)完成干擾消除工作。圖像輪廓的提取，會(huì)將圖像內(nèi)部的所有構(gòu)成點(diǎn)全部忽略，而只注重圖像輪廓的內(nèi)容。正常情況下的圖像輪廓提取流程包括三步：一是對(duì)圖像完成初始的預(yù)處理，將圖像中的各干擾項(xiàng)消除，得到較為圓滑的輪廓形式。二是對(duì)圖像完成閾值分割，生成二維圖像，并對(duì)得到的二維圖像實(shí)施輪廓的生成和提取，得到目標(biāo)圖像的所有邊界描述線條。三是利用計(jì)算機(jī)的應(yīng)用算法將得到的輪廓數(shù)據(jù)信息按照確定的格式進(jìn)行存儲(chǔ)。

2.圖像輪廓提取技術(shù)

在圖像輪廓提取中，計(jì)算機(jī)處理技術(shù)主要包括三個(gè)主要的技術(shù)手段，即：圖像預(yù)處理、閾值分割、輪廓提取，通過(guò)對(duì)這三項(xiàng)技術(shù)的充分使用，計(jì)算機(jī)技術(shù)在圖像輪廓提取中的應(yīng)用得以最大化實(shí)現(xiàn)。下面分別對(duì)這三項(xiàng)技術(shù)進(jìn)行討論：

（1）圖像預(yù)處理技術(shù)

圖像預(yù)處理技術(shù)就是利用光學(xué)系統(tǒng)進(jìn)行成像，形成的二維圖像會(huì)含有干擾內(nèi)容。為提升計(jì)算機(jī)識(shí)別和分析判斷能力，需要預(yù)先消除這些不需要的二維圖像中的干擾部分。其目的就是要保留并顯示對(duì)圖像輪廓有價(jià)值的信息，而將那些無(wú)用的干擾信息徹底消除。圖像預(yù)處理技術(shù)需要進(jìn)一步加強(qiáng)圖像在清晰度方面的表現(xiàn)，所使用的是計(jì)算機(jī)技術(shù)中的視覺測(cè)量軟件，在圖像進(jìn)行輸入的整個(gè)過(guò)程中完成對(duì)目標(biāo)圖像的除噪音處理。

（2）閾值分割技術(shù)

閾值分割技術(shù)就是通過(guò)對(duì)圖像與背景進(jìn)行分割需要閾值進(jìn)行確定，并把該確定的分割閾值和圖像實(shí)際像素條件下的灰度做以細(xì)致的比較。其具體的操作流程包括幾個(gè)步驟：首先，是要設(shè)定目標(biāo)圖像的識(shí)別灰度范圍，處于最大值與最小值中間。其次，在目標(biāo)區(qū)間選取一標(biāo)準(zhǔn)閾值，像素范圍在該標(biāo)準(zhǔn)閾值之下，即圖像灰度值低于或等于標(biāo)準(zhǔn)閾值，對(duì)這些圖像點(diǎn)灰度值重新設(shè)定，確定其數(shù)值為0；反之，那些高于該標(biāo)準(zhǔn)閾值的像素，其新灰度值也要重新設(shè)定，其數(shù)值為1。通過(guò)采取閾值設(shè)定進(jìn)行圖像分割，就能夠獲取二值為0和1的表述圖像。

（3）輪廓提取技術(shù)

輪廓提取技術(shù)就是要對(duì)經(jīng)閾值分割的圖像實(shí)施必要的修補(bǔ)，這就是輪廓提取的核心內(nèi)容，最終得到目標(biāo)圖像的輪廓二維表現(xiàn)形式。一般情況下，都會(huì)采取內(nèi)部點(diǎn)掏空的措施完成二維圖形輪廓的有效提取。可設(shè)背景為黑色，而圖像為白色。如果圖像中存在1個(gè)點(diǎn)顯示顏色是白色，且該點(diǎn)附近8個(gè)點(diǎn)都顯示白色，就將這些點(diǎn)全部刪掉，即內(nèi)部掏空。根據(jù)該規(guī)則，就可獲得圖像較為準(zhǔn)確的輪廓。

結(jié)束語(yǔ)

綜上所述，通過(guò)輪廓提取可以得到該圖像中目標(biāo)圖像的輪廓的具體參數(shù)和特征，有利于將這些數(shù)據(jù)應(yīng)用到更廣泛的領(lǐng)域。通過(guò)計(jì)算機(jī)數(shù)據(jù)處理技術(shù)的充分運(yùn)用，包括對(duì)圖像閾值的控制，可以有效提升圖像輪廓提取的效率，降低信息特征數(shù)據(jù)提取過(guò)程中的失真率。突破了傳統(tǒng)對(duì)圖像輪廓檢測(cè)中一些典型的局限，通過(guò)形態(tài)學(xué)以及鏈碼跟蹤等相關(guān)技術(shù)的使用，實(shí)現(xiàn)了二維圖像的有效修補(bǔ)，輪廓提取的適用性變得更強(qiáng)。

參考文獻(xiàn)

[1] 孫川，崔航，葉朝祖. 計(jì)算機(jī)技術(shù)在圖像輪廓提取中的有效應(yīng)用探討[J]. 電子技術(shù)與軟件工程，2016，09.

[2] 馬建林. 基于Snake模型的醫(yī)學(xué)序列圖像輪廓提取及應(yīng)用研究[J]. 齊魯工業(yè)大學(xué)學(xué)報(bào)，2016，02.

[3] 李謙，李慶鵬，林家瑞. 改進(jìn)的主動(dòng)輪廓模型在腦腫瘤MRI圖像輪廓提取中的應(yīng)用[J]. 計(jì)算機(jī)與數(shù)字工程，2015，07.