談計算機視覺技術圖像識別復原
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了談計算機視覺技術圖像識別復原范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：圖像由于噪聲、存儲不當、拍攝條件等原因會造成圖像質量不佳，對有特殊需求者需要對圖像進行增強與復原處理。從圖像識別技術闡述了圖像信息轉換為計算機識別的數字信息，并處理存儲。通過樣圖的濾波處理、消除噪聲了舉例說明了圖片通過濾波方式可以進行圖像的增強與復原。
1圖像識別
電子設備對圖像識別方式與生物視覺讀取原理是基本一致的，圖像讀取過程也是基本相似的。圖像的識別分為以下幾個過程，首先是通過傳感器對外部信息的采集獲取相應數據、傳感器通過變送器對采集的信息做一個初步的預處理過程、運算模塊對圖像特征判定、控制模塊對所有信息進行判定并轉換存儲。
1.1信息的獲取
通過視覺測量傳感器，對事物外觀尺寸、顏色、灰度、對比度等信息轉化為電信號提供給測量模塊。獲取研究對象的基本信息并通過對傳感器電信號測量將其傳輸給運算模塊進行運算轉碼存儲。平時看到的圖像，在顯示上無限放大后就會發現是由大量的顆粒組成的，顆粒與顆粒之間存在非常微小的縫隙，這種縫隙靠肉眼已經無法辨別了，因此看的圖像是連續的，可實際在顯示過程中確實通過每個LED經管明暗度、色彩等信息的變化而形成的連貫的圖像畫面，如常見顯示器像素1920*1280個像素點構成，現在的2K/4K顯示器的顯示點數就更多了，這種畫面快速地切換就形成了視頻的效果，最初的動畫就是利用這種原理制成的。而電子設備通過傳感器的采集得到的信息也是由多個點的信息進行存儲的，也就是相機、手機等電子產品所說的像素，多少像素就是多少個存儲信息點組成的圖像畫面，只是在電子存儲過程通過各種壓縮方式存儲的圖像有所不同，但基本原來都是一樣的。每一個響度點的存儲信息是一般都是有這個點的R、G、B3原色的數據值進行記錄存儲，也就是每張圖片都由一個三維數組矩陣疊加的方式進行記錄的，每個記錄點的數值都在顏色0-255之間矩陣疊加。RGB圖像與索引圖像都可以用來表示彩色圖像。只是RGB存儲方式是采用3原色的數值記錄的方式，再進行合成運算，然后通過顯示模塊進行顯示出來，而索引圖像的顯示存儲方式是有二維數組以矩陣的形式進行保存，也就是一個數量存儲一張圖片，其中還存有對比度與灰度信息。一個像素點存儲的數據類型一般為8位無符號整型信息，但是隨著電子技術的發展，像素的不斷擴容，一張圖片的存儲空間已經達到幾兆甚至十幾兆的容量空間。數字化圖像數據有兩種存儲方式：位圖存儲（Bitmap）和矢量存儲（Vector），也就是不同的存儲格式，BMP，GIF，GEPG等格式均是由不同的壓縮方式進行轉換存儲，可容量大小，顯示效果卻有不同。
1.2預處理
圖像在形成的過程中，會由于干擾，轉換壓縮等方式造成圖片的信息失真，這種失真最主要的原因就是噪聲，因此對于成像過程中，如何消除噪聲才是最根本的問題，噪聲如何消除主要分為幾個過程，為保證算法的精準先進行一步預處理是尤為重要的，可以判斷預處理后消除噪聲的方向是否正確，是否需要進行反向處理，以修正偏差，保證圖片的真實效果。從而改進特征抽取、圖像分割、匹配和識別的可靠性。圖像預處理，一般處理方式都是將圖片中的信息進行分類，保證信息的分類降噪處理，保證每個組塊的信息用不同程度的降噪算法，得到更加理想的圖像效果。圖像預處理的目的是消除圖像中無用的信息，恢復真實有用的信息，增強需要處理信息的可識別性和最大限度地簡化數據，一般通過數字化、幾何變換、歸一法、平滑、復原和增強等步驟。濾波主要是將干擾信息從需要的信息分離，通過選頻的方式，將有用的頻率過濾處理，形成可用信息，或將干擾信息源的頻段去除掉，進行放逐處理以得到理想的需求信息，圖像識別過程中對于圖像采集過程的干擾信息濾除尤為重要。圖像的歸一法和直方圖有些相似之處，在一定程度上可以將每個像素點的值由0-255的像素色彩值變為0或者1，將圖像色彩差距變得更小呈現階梯樣式。在目標與背景對比度差別較大時這種方法效果較好，否則會出現圖像分割粘連現象導致無法分割。圖像的平滑這種濾波方式是在圖像灰度在跳變方面的一種抑制，圖像的銳化濾波處理則與平滑濾波剛好相反，它是對圖像的灰度跳變的一種增強，突出圖像的細節信息變化；平滑和銳化都濾波處理方式，都用同一濾波處理函數，都是先建立個濾波器，但區別在于選擇不同的濾波方式算子不同。銳化濾波處理其實是對噪聲信息的一種增強，在很多處理過程中可以將圖像銳化和平滑結合使用，若畫面本身就有明顯的噪聲，可先平滑處理再進行銳化處理，若圖像銳化處理之后有了噪聲，可再去進行平滑處理。
1.3特征抽取和選擇
為了更加有效地對圖像進行識別，一般在圖像識別之前先進行模式的辨別，進行模式判定后再制定模式算法才是更加行之有效的方法；圖像如何先進行模式辨別，主要方法多為樣本抽取，抽取樣本通過這些圖像所具有的本身特征進行識別，而獲取這些特征過程就是特征的抽取。在特征抽取中所得到的特征也許對此次識別并不都是有用的，這個時候就要提取有用的特征，這就是特征的選擇。
1．3．1像素特征提取將圖像像素點進行二值化提取，像素點是黑色為1，若是白色則為0。對二值化后的0和1進行排列，通過像素點個數和維數確定對應的向量矩陣。
1.3.2骨架特征提取圖像邊緣交界線的寬度會直接影響識別的效果，要先對輪廓的線條進行統一處理，再進行線條分界線內特征進行提取，得到對應的特征向量矩陣。
1.3.3圖像特征點提取主要方法有梯度統計、弧度統計、角點提取等。原理是將提取數據進行分成8個模塊，再計算黑色像素點個數作為特征。
1.3.4分類器設計通過以上幾種特征提取制定特征識別規則，按特征判定將圖像按規則劃分，一種識別規則可以得出一種特征分類，每種特征分類關聯一種算法，為了使圖像識別算法能夠得到高識別率。分類決策是設計分類器的重要指標，從而更好地識別所研究的對象是屬于哪一類。圖像增強的目標是為了改進圖片的質量。
2圖像復原的基本方法
2.1圖像噪聲
是圖像在拍攝、轉換、壓縮、存儲等圖像成像過程中受到隨機信號干擾摻雜到真實圖像中不必要的或多余的干擾信息數據。為得到理想真實的畫面，需要對去除噪聲，還原真實圖像，這個過程稱之為圖像復原。圖像噪聲的產生圖像在拍攝過程中或傳輸保存時受到的隨機的干擾信號，在圖像中各種妨礙人們對真實準確的信息接受的因素。圖像中存在噪聲將嚴重影響了圖像的質量，因此在對圖像應用處理之前，必須予以糾正消除噪聲，體現真實圖像再進行處理應用。因此在對圖像處理之前，要用技術手段濾除圖像噪聲，圖像噪聲為不可預測的信源，只能用概率統計的方法來計算隨機誤差。在數字圖像系統中，圖像的輸入都是采用先鎖定內容再進行掃描的方式將多維圖像信息轉換成為一維數據，再對其進行加工、存儲、傳輸等變換處理。最后還要再組成多維圖像顯示出來，而圖像中的噪聲也同樣受到這樣的處理被分解合成，因此在圖像的增強與復原對圖像質量尤為重要。
2.2圖像增強
圖像增強主要是對圖像進行濾波或變換的處理常用方法一般為頻率域法和空間域法。頻率域法是把圖像看成一種二維信號，進行傅里葉變換來增強信號的一種方法。空域濾波是在原始圖像上直接進行數據運算，對各個像素的對比度值進行處理。空間域對圖像去噪的算法常見的有采用低通濾波法，可去掉圖像中的噪聲，采用高通濾波法，則可增強邊緣。中值濾波法，局部求平均值法，可以消除噪聲，鄰域平均法使圖像更加清晰等。
2.3圖像復原
圖像分割對與圖像分析是一道重要程序，就是把圖像分成若干個指定大小，并且具有獨特特征性質的區域，提取出感興趣想得到的目標過程的技術手段。常用的方式有閾值分割法，是一種計算公式算法簡單，得出結果效率較高、運算速度快。在重視運算效率的應用場合，它的應用非常廣泛。因此人們研究出各種各樣的閾值處理方法，包括自適應閾值應用最多、最佳閾值效果最好、全局閾值最為高效等。維納濾波是一種對平穩過程的最優估計，基于最小均方誤差準則。實際的本質就是要使估計誤差均方值最小化。這種濾波器的誤差值是最小的，它得出的結果也是最佳的，一般用于提取被穩定噪聲所污染的信息源，得到理想圖像效果。如圖1所示。根據測試結果發現維納濾波杜絕退化圖像與運動模糊圖像相當于逆濾波，維納濾波需要估計圖像的信噪比或者噪信比，信號的功率的圖譜使用需復原圖像的方差，噪聲分布是已知可以計算的，恢復運動模糊效果良好。噪信比估計的準確性對圖像影響比較大，利用自相關函數的維納濾波是效果最好的。
參考文獻
[1]張曉娟,高瑾.計算機圖像識別技術的應用及細節問題闡述與分析[J].電子技術與軟件工程,2016.
[2]阮秋琦.數字圖像處理的MATLAB實現.2版.清華大學出版社,2019.
[3]王小玉.圖像去噪復原方法研究.電子工業出版社,2017.
[4]李秋萍.數字圖像復原專利技術綜述.2019,(3):248.
[5]童零晶.基于視覺傳達技術的交通標志圖像智能識別.現代電子技術,2020,43(11):55-58.
[6]何曉瑩.基于機器視覺的圖像識別技術分析.中國科技縱橫,2019,(19):39-40.
作者：岑紅 單位：茂名技師學院
