圖像處理與識別的應用研究

◆張 蓉

圖像處理與識別的應用研究

◆張 蓉

（山西藥科職業(yè)學院 山西 030006）

隨著計算機處理器、運行內(nèi)存、磁盤空間等硬件的不斷更新?lián)Q代，計算機的處理運算和存儲能力得到飛躍，這為數(shù)字圖像處理與識別技術(shù)的發(fā)展提供了硬件基礎(chǔ)；圖像處理運算算法得不斷完善使得圖像識別技術(shù)逐漸為人們所運用。本文從圖像處理方法以及圖像識別在人臉識別、車牌識別中的應用出發(fā)，對圖像處理技術(shù)與圖像識別的應用進行研究。

圖像處理；圖像識別；人臉識別

0 引言

圖像處理與識別技術(shù)的使用越來越廣泛，如醫(yī)學圖像處理MRI應用、彩超圖像處理、制造業(yè)元器件檢測及瑕疵檢測、電影特技、指紋識別、車牌識別、人臉識別等，并且隨著社會的發(fā)展，對事物類別分類的需求在不斷增長，人們需要進行處理、識別的對象也變得更多，因此圖像處理技術(shù)是非常重要的一環(huán)。

1 圖像處理方法探究

圖像處理是為了達到人們對視覺效果的需求和具體實踐所需的條件，它把人作為最終的信息接收者，主要目的是改善圖像的質(zhì)量。圖像處理是計算機視覺的基礎(chǔ)。

（1）圖像增強

圖像處理與識別中所使用的處理方法就包括圖像增強這一部分，其中圖像增強又可細分為灰度增強、圖像銳化、中值濾波三個方面。圖像增強更加利于計算機和人工對圖像進行分析處理操作。圖像增強這一圖像處理方法已經(jīng)在當今社會得到了較為廣泛地運用，這要歸功于其操作簡便、處理后效果顯著的優(yōu)勢，也因此能夠?qū)D像處理識別技術(shù)做出重要貢獻[1]。

首先對灰度增強這一技術(shù)進行探究，這一技術(shù)的數(shù)學模型是：整體面積為A的連續(xù)圖像f（x,y）在經(jīng)過處理后變?yōu)橐粋€N行M列的數(shù)字圖像f(n,m）。對這個圖像而言，不同區(qū)域的像素數(shù)量與圖像上區(qū)域的灰度值有一定的聯(lián)系，若選取灰度值較大的區(qū)域則像素的數(shù)量隨之增多，圖像整體表現(xiàn)出來的色彩及明暗程度就較亮；若取的灰度值較小，則圖像顯示出來給人的視覺效果就是偏暗的。

灰度增強的原理是根據(jù)一定的數(shù)學模型關(guān)系一點一點地去更改原始圖像里每一個像素的灰度值。假定原圖像的灰度值r=f（x，y），經(jīng)過增強處理后灰度值可以用r,=g（x,y）來表示，而灰度增強這一過程就可以用g（x,y）=T（f（x,y））來表示，有了灰度增強這一過程的表達公式也就有了灰度增強的運算方法[2]。

除了灰度增強外，圖像增強還包括銳化這一技術(shù)，因攝像工具聚焦或傳輸通道問題造成圖像中人或物的輪廓不清晰。采用銳化這一操作可以使原圖像的輪廓更加清晰，也更加能夠滿足人的視覺需求。銳化操作的原理是將原圖中人物輪廓像素的灰度值處于兩極分化，高灰度值變得更高，而低的則更加低，銳化這一操作一般由以下幾種方法來完成：第一種是梯度法，這里的梯度表示的是圖像中臨近像元亮度的變化情況，具體來講就是存在邊緣的圖像例如自然湖或是人工湖、小溪流的邊界，山川、公路、高架橋等，在其邊緣區(qū)域的顏色變化較為明顯因此梯度值也較大；而在圖像中亮度變化不是太劇烈的區(qū)域梯度值相應的變小。由此可知，想要完成對圖像的銳化操作的過程便是檢測出圖像中梯度值較大的區(qū)域也就意味著邊緣，接著將圖像邊緣區(qū)域的像元值用合適的梯度值替換掉，這就將圖像的邊緣變得更加突出，也就完成了對圖像的銳化。

第二種是拉普拉斯算法，其在銳化操作中的實現(xiàn)原理和作用與梯度法有一些不同之處，這一算法不對圖像中亮度的平均變化進行計算，而是對亮度變化率的變化率進行計算，也就是二階導數(shù)，經(jīng)過拉普拉斯算法計算得出的圖像則是將亮度發(fā)生劇烈變化的區(qū)域更加劇烈[3]。

（2）邊緣檢測

對數(shù)字圖像的處理除了圖像增強還有對圖像的檢測，在圖像處理與識別技術(shù)的應用中對圖像分析時的第一項工作就是邊緣檢測，它還是圖像分割處理、圖像中形狀識別和提取處理的基本內(nèi)容，邊緣是圖像中亮度變化率較高的區(qū)域；對邊緣檢測過程中可運用一階和二階導數(shù)對圖像灰度值進行測算，此外把形狀匹配技術(shù)與邊緣檢測共同運用，以坐標變換的形式將曲線上點固定形成峰點，這樣一來變可根據(jù)空間峰點完成對曲線的檢測。

2 圖像識別在人臉圖像識別中的應用

人類對人臉識別的研究和發(fā)展能夠分成三個階段。第一階段是分析要達到人臉識別這一目的所需要的面部的信息。研究伊始用一個簡單的語句和儲存人臉信息的數(shù)據(jù)庫中的一張臉的信息聯(lián)系起來，后來又有研究人員利用計算機實現(xiàn)這一操作，但很明顯對人工操作的需求較高。第二階段相比第一階段有一定的進步，實現(xiàn)了人機交互的模式，但仍需要人進行輔助操作。第三階段才真正實現(xiàn)了人臉自動識別，以計算機技術(shù)和圖像處理和識別技術(shù)作為基礎(chǔ)，使人臉識別系統(tǒng)更加成熟，下面對圖像識別在人臉圖像識別中的應用進行闡述[4]。

對人臉進行識別是一項復雜的工程，計算機對人臉圖像識別的流程如圖1。

圖1 人臉圖像識別流程

人臉識別這一過程首先是圖像的采集，對人臉圖像數(shù)字化處理后檢測圖像中的人臉信息、執(zhí)行人臉檢測、定位、識別等一系列計算操作，進而通過運算結(jié)果和取得的特征進行身份判斷。在對人臉進行識別時主要涉及到對人臉的檢測定位和識別算法。人臉圖像檢測定位處理有顯式和隱式特征兩種。以顯式特征為基礎(chǔ)的方法又有三種：一是膚色模型、二是模板匹配、三是先驗知識。在人臉的圖像中，皮膚的顏色是圖像整體上最明顯的特點之一，因此可利用膚色模型這一方法根據(jù)區(qū)域圖像中顏色的不同能夠輕易分辨人臉與其他物體，運用圖像處理手段對圖像中的像素點進行分析處理，找到人類面部膚色的區(qū)域從而完成以顯式特征為基礎(chǔ)的檢測定位。

3 圖像識別在車牌識別中的應用

隨著社會不斷發(fā)展，人們的需求也在日益增長，許多行業(yè)對圖像處理識別系統(tǒng)需求迫切，需要一種能同時兼顧效率與安全的驗證方式，在此以車牌識別為例對數(shù)字圖像的識別處理進行分析。圖像處理與識別在車牌識別中應用如下：首先是由攝像系統(tǒng)將車輛牌照信息拍攝記錄下后以數(shù)字圖像的格式儲存，因外界環(huán)境因素和和系統(tǒng)本身因素影響無法確保圖像的質(zhì)量，所以接著要對圖像進行預處理操作，處理操作包括對彩色數(shù)字圖像進行灰度處理來提高系統(tǒng)對圖像的處理速度；中值濾波來降低圖像噪聲；圖像增強來改善車牌數(shù)字圖像的顯示效果；對處理后的圖像執(zhí)行車牌定位操作，最后實現(xiàn)對車牌的識別功能。

4 結(jié)束語

綜上所述，圖像處理和識別技術(shù)自產(chǎn)生以來就在不斷發(fā)展，隨著各方面技術(shù)的提升，圖像識別也在生活中有了更加廣泛的應用。在對圖像處理和識別應用研究中，只有將提高圖像處理和識別的硬軟件技術(shù)和生活的需求相結(jié)合，才能使其得到更加深層次的應用和更加廣闊的發(fā)展空間。

[1]朱安琪.圖像處理與識別系統(tǒng)的開發(fā)研究[J].電子測試, 2016.

[2]張蕓峰.檢測自動化中的圖像處理及識別探討[J].同行, 2016.

[3]解士瑤, 梁洪晶, 高凱.基于圖像處理的路面裂紋識別系統(tǒng)的圖像配準[J].電子制作, 2016.

[4]田靜, 杜云明, 周思宇.圖像處理演示系統(tǒng)設計[J].中國科技信息, 2017.