数字图像处理技术及应用实践研究

来源: 发布时间:2019-08-21 09:30:22

  摘要:数字化图像处理技术以直观、具象、通用性强、精度高等特点,在通信与信息系统应用广泛。由于数字图像处理涉及多个学科知识的交叉融合,处理方式灵活,图像传输可靠性强,特别是在人工智能领域,数字图像处理技术为提升机器视觉感知与识别创造了条件,在航空、通信、安防、科技文化艺术等等领域发挥了重要作用。

  关键词:数字图像处理;图像增强;实践应用

  数字图像处理技术以二维数据为信息源,通过对图像信号的技术处理,来提升视觉图像效果。数字图像在信号采集、识别、处理及转换等方面优势突出,应用领域更广。如在航天领域,通过卫星、航天器拍摄的航天图像,转换为数字信号并传输到地面设备,由技术人员进行图像提取、分析、增强、分割等处理,来获得最佳的成像质量,为开展科学规划、建设、勘探提供影像指导。在通信领域,数字图像处理技术在数字通信、网络通信、光纤通信中,以图像信号的产生、传输、交换、处理为主要方式,通过变换编码、熵编码等技术来优化图像信号,提高数据传输速率和质量。在科技文化艺术领域,数字图像处理技术广泛应用于影视、游戏画面编辑与创新设计中。

  一、数字图像处理特点与过程

  随着数字成像设备、数字图像传感器的广泛应用,数字图像处理技术也得到了快速发展。数字图像在处理的特点表现在四方面:一是能够确保图像输入输出一致。在模拟图像处理中,技术的应用可能会降低图像质量,而数字图像却能够保证输入输出一致性。二是数字图像在处理精度上更高。数字图像是建立二维数据基础上,可以实现图像像素的多级处理。如16、32、64级。在传统图像处理中,因考虑到像素位数的处理难度,往往降低图像精度。数字图像在处理时,可以不受数组、像素位数的局限,从而获得更高的图像精度。三是应用范围广。数字图像包括多种类型的图像,如可见光图像、X射线图像、超声波图像、红外线图像等等。在处理方式上可以对数字图像进行多种类型的转换。四是灵活度高。数字图像可以实现非线性处理,利用数字技术来分析图像逻辑关系,进而实现图像的压缩、复原、匹配描述识别等需要。

  在数字图像处理应用中,主要包括四个阶段。一是对图像进行数字化处理,根据不同应用领域,借助于采集设备来获得数字图像数据,并将之转存到图像数据模块,这一阶段的图像数据基本元素为像素。二是对图像数据进行编码处理,编码的主要目标在于确保图像质量,通过合理的压缩编码,来优化图像数据格式及要求,以满足传输、存储等需要。三是对图像的恢复处理。恢复图像主要是为了改善数据“退化”现象,通过恢复处理来获得更为完整的图像数据。如图像退化主要有离焦、光学系统像差等。第四阶段是图像分割,根据需要来划分图像。如将图像像素注入指定区域;寻找图像区域结果,提前有价值的图像信息等。

  二、数字图像处理技术

  在数字图像采集过程中,由于受到设备硬件条件的限制,加之采集环境恶劣,可能会出现成像距离远、曝光值不达标、图像信息在形成、传输、接受、存储等过程中受到干扰等,最终影响图像质量。通常,在分析图像质量时,需要从图像的对比度、色彩失真度、分辨率,以及视觉效果等方面来考查。如某手机摄像头与探月成像设备相比,两者的分辨率相差很大;在不同天气条件下,也可能对图像带来模糊、朦胧、对比度下降、色彩失真等干扰。所以,在数字图像处理技术中,图像增强技术应用较广。图像增强技术,本身就是为了提高图像质量,改善图像清晰度、对比度、可见度,为提升视觉效果创造条件。滤波技术是一种重要的图像处理技术,通过滤波技术能够对图像中的部分分量进行处理。如平滑滤波可以消除图像中的噪声;锐化滤波可以提高图像锐利度。

  在平滑滤波技术中,主要是对图像中的每一个像素进行卷积遍历后得到平滑图像。对高频分量的滤除称为低通滤波,可以直接用于模糊图像,来消除图像噪声,不过,图像在低通滤波后,纹理信息被模糊化,边缘信息受到破坏。从视觉效果来看,平滑滤波模板尺寸越大,去噪效果越好,但图像越模糊。为此,我们通常调整平滑模板各位置的权重系数,来降低模糊程度。在图像处理中,越接近模板中心的像素,所占权重应越大,而模板边缘的权重要小。在实际平滑滤波处理中,各模板系数均为整数,周边系数为1,内部系数按比例增加,中心系数最大。锐化滤波主要是对图像边缘进行处理,在数字图像处理时,通常对被模糊后的细节进行锐化处理,来降低模糊程度。锐化滤波有两种,一种是高通滤波,与低通滤波原理相似;另一种是微分锐化,包括梯度锐化、拉普拉斯锐化等。在图像处理技术中,在图像边缘,物体与背景相交处,梯度变化大,而背景或物体部分,梯度变化小。在梯度模板类型上,Robert模板为交叉梯度,Sobel模板是基于Sobel梯度应用较广。梯度算子总有两个不同方向的模板,来响应不同方向的边缘信息。拉普拉斯算子为一个模板,包含了不同方向的边缘响应信息,可以实现对图像细微处的优化处理,增进图像细节表现力。同时,拉普拉斯模板在进行滤波处理时,边缘响应度高,对图像进行增强处理后,保留了边缘图像结构特征。不过,梯度模板与拉普拉斯模板在进行图像锐化时,往往还会增加图像噪声。

  三、结语

  随着大数据、人工智能等新型技术的应用,数字图像处理技术也获得更大发展。通过分析图像处理技术,来实现图像数据信息的压缩、复原、分割等。图像增强是图像处理的重要内容,在图像增强处理中要结合数字图像类型、特点及 要求,把握好整体与局部特征关系。选择合适的增强处理技术,来提升图像质量,满足特殊分析需要。另外,在数字图像处理方法上,还要结合图像可视化特征,引领学生了解各类算法原理,掌握图像处理技巧和实践能力。

  参考文献:

  [1]单亮亮,杨英宝,朱熹,张希泽,曹晨,潘鑫.数字图像混合噪声滤波算法研究[J].地理空间信息,2018,16(07):13-15+9.

  [2]关雪梅.Matlab图像滤波处理技术研究[J].安阳师范学院学报,2018(05):37-39+94.


京ICP备19010415号  版权所有:科技风杂志社官网  未经本刊授权不得转载本站文章