光學(xué)識(shí)別技術(shù)中數(shù)字圖像處理的運(yùn)用論文
數(shù)字圖像處理技術(shù)是在以計(jì)算機(jī)為基礎(chǔ)發(fā)展而來(lái)的一種新型信息處理技術(shù)，在很多方面該技術(shù)均得到十分廣泛的應(yīng)用。在光學(xué)識(shí)別中應(yīng)用數(shù)字圖像處理技術(shù)，可使光學(xué)處理及數(shù)字處理實(shí)現(xiàn)有效結(jié)合，從而能夠使光學(xué)識(shí)別能夠得到更加理想效果，能夠使光學(xué)信息處理效率得到進(jìn)一步提高，因此掌握數(shù)字圖像處理在光學(xué)相關(guān)識(shí)別中的應(yīng)用有著十分重要的作用及意義。
1 微分算子處理方法
在光學(xué)相關(guān)識(shí)別過(guò)程中，為能夠使識(shí)別率得到進(jìn)一步提高，可選擇的一種比較簡(jiǎn)單的方法就是微分相關(guān)或者梯度相關(guān)，該方法在聯(lián)合變相相關(guān)中已經(jīng)得到十分廣泛應(yīng)用，并且使識(shí)別效率得到很大程度提高。為能夠?qū)ο嗨茍D像進(jìn)行有效識(shí)別，應(yīng)當(dāng)對(duì)圖像之間所存在的具有不同特征信息進(jìn)行利用，這一點(diǎn)屬于邊緣提取意義的重要體現(xiàn)。從當(dāng)前實(shí)際情況來(lái)看，應(yīng)用比較廣泛的微分算子主要包括 Prewitt 算子、Roberts 算子以及 Sobel 算子。
對(duì)于離散圖像而言，微分邊緣檢測(cè)算子即利用圖像在垂直方向與水平方向上存在的差分向梯度算子接近。對(duì) 于 Roberts 算 子 而 言， 其 計(jì) 算 公 式 為：
其能夠利用兩個(gè) 2×2 模板共同作用得以實(shí)現(xiàn)：
對(duì) 于 較 復(fù) 雜 圖 像 而 言， 單 純 選 擇 2×2 方 式 的Roberts 算子，則其所得到的邊緣檢測(cè)效果比較差，若選擇 3×3Prewitt 算子以及 Sobel 算子，則可使其檢測(cè)效果得到較好改善，可取得比較理想的結(jié)果。對(duì)于 Prewitt 算子而言，其實(shí)現(xiàn)可利用利用以下兩個(gè)模板
對(duì)于上述兩個(gè)矩陣而言，其所代表的內(nèi)容分別為圖像在水平方向上與垂直方向上的梯度。Sobel 算子與Prewitt 算子兩者相比較而言，其所存在差異就是選擇不同模板：
2 群體特征邊緣提取算法
根據(jù)數(shù)字圖像自身所存在的特點(diǎn)，可將其看做數(shù)字生命存在空間，對(duì)于像素而言，可將其看作數(shù)字生存資源。數(shù)字生命之所以能夠得到發(fā)展，其所依據(jù)的主要就是在圖像中灰度值不同的各種像素。在本文研究中，對(duì)于特征像素，將將其作為有效資源，對(duì)于在圖像環(huán)境中所存在的數(shù)字生命，可將其作為智能體。依據(jù)先前所指定系統(tǒng)規(guī)則，智能化可進(jìn)行移動(dòng)以及發(fā)展，在搜索有效資源完成之后，在圖像環(huán)境中所存在智能體可將數(shù)字圖像自身所具備相關(guān)特征表現(xiàn)出來(lái)。
對(duì)于當(dāng)前圖像環(huán)境中智能體而言，其主要包括兩種，即駐留智能體以及活動(dòng)智能體。對(duì)于初始智能體而言，其狀態(tài)通常情況下都是隨機(jī)的，或者具備相統(tǒng)一的.某種特征，在環(huán)境中局部信息對(duì)其行進(jìn)方式會(huì)產(chǎn)生一定影響。在對(duì)資源進(jìn)行搜索過(guò)程中，智能體一旦發(fā)現(xiàn)像素位置中有有效資源存在，則其便會(huì)駐留于這一位置而停止移動(dòng)，這種智能體就是所謂駐留智能體。對(duì)于活動(dòng)智能體而言，其所指的就是在某時(shí)間步時(shí)，其實(shí)際變化特征以及狀態(tài)與預(yù)定義要求范圍相符合，并且會(huì)通過(guò)一些相關(guān)行為對(duì)圖像環(huán)境進(jìn)行進(jìn)一步反應(yīng)。對(duì)于搜索資源智能體而言，其主要就是利用不同的 4 種行為反應(yīng)之間互相轉(zhuǎn)換而與環(huán)境相適應(yīng)，這 4 種行為主要為駐留有效資源位置行為，尋求新資源擴(kuò)散行為，鄰域內(nèi)繁殖行為，另外還有在能源衰竭時(shí)而出現(xiàn)的消失行為。
在實(shí)際應(yīng)用過(guò)程中，當(dāng)搜索過(guò)程不斷持續(xù)時(shí)，對(duì)于用于有效資源尋找的智能體而言，其數(shù)量也在不斷增加，在開(kāi)始時(shí)其數(shù)量為零，隨著其不斷增加，最終將會(huì)在某個(gè)固定常數(shù)保持穩(wěn)定。在指定在步驟內(nèi)，若智能體未能夠發(fā)展任何資源，則將會(huì)由于能量衰竭而導(dǎo)致其將繼續(xù)搜索行為中止，并且在圖像環(huán)境中該智能體也會(huì)消失。在這種情況下，可有效防止智能體對(duì)無(wú)效資源不斷進(jìn)行搜索，能夠有效避免這種無(wú)效循環(huán)模式，最終能夠使無(wú)用計(jì)算量得以有效減少，從而使計(jì)算效率能夠得以有效增加。
3 形態(tài)學(xué)邊緣檢測(cè)方法
對(duì)于形態(tài)學(xué)運(yùn)算而言，其所針對(duì)對(duì)象主要為二值圖像，并且以數(shù)學(xué)形態(tài)學(xué)中集合論方法為基礎(chǔ)而逐漸發(fā)展得到的一種圖像處理方法。對(duì)于該方法而言，其基本思想就是利用形態(tài)一定結(jié)構(gòu)對(duì)圖像中相關(guān)對(duì)應(yīng)形狀進(jìn)行度量以及提取，從而能夠分析以及識(shí)別相關(guān)圖像。在這種運(yùn)算方法中，常見(jiàn)結(jié)構(gòu)主要包括三種，即菱形、方形以及圓形。對(duì)于二值形態(tài)學(xué)邊緣檢測(cè)而言，其方法主要包括三種，利用這三種檢測(cè)方法可將圖像外邊界、內(nèi)邊界以及形態(tài)學(xué)梯度獲得。
對(duì)于對(duì)象 r 以及結(jié)構(gòu)核 t 而言，以膨脹圖像減去原圖像便能夠?qū)D像外邊界獲得，其表達(dá)式如下：t ⊕ r-t;以原圖像將腐蝕圖像減去便能夠獲得圖像內(nèi)邊界，其表達(dá)式如下：t-t⊕r;以膨脹圖像將腐蝕圖像減去便能夠?qū)⑿螒B(tài)學(xué)梯度獲得，其表達(dá)式為：t ⊕ r-t⊕r.在實(shí)際操作過(guò)程中，當(dāng)選擇的檢測(cè)方法有所不同情況下，其所獲得厚度以及形狀邊界也存在一定差異[2-3].
4 結(jié)束語(yǔ)
在當(dāng)前光學(xué)信息處理過(guò)程中，為能夠使信息處理效率得到有效提高，應(yīng)當(dāng)在光學(xué)識(shí)別中對(duì)數(shù)字圖像處理技術(shù)進(jìn)行合理利用，在實(shí)際應(yīng)用過(guò)程中應(yīng)當(dāng)根據(jù)不同情況選擇不同計(jì)算方法進(jìn)行檢測(cè)計(jì)算，從而使檢測(cè)結(jié)果更加準(zhǔn)確，使光學(xué)信息處理能夠更加科學(xué)合理，可為光學(xué)信息處理的進(jìn)一步發(fā)展提供較好技術(shù)支持。
參考文獻(xiàn)：
[1] 朱安琪 . 數(shù)字圖像處理與識(shí)別系統(tǒng)的開(kāi)發(fā)研究[J]. 電子測(cè)試 ,2016（9）。
[2] 馬超 . 數(shù)字圖像處理算法在 QR 碼識(shí)別中的應(yīng)用[J]. 電子設(shè)計(jì)工程 ,2013（5）。
[3] 劉云琦 . 論數(shù)字圖像處理技術(shù)在車牌識(shí)別中的應(yīng)用 [J]. 中國(guó)科技投資 ,2012（33）。
【光學(xué)識(shí)別技術(shù)中數(shù)字圖像處理的運(yùn)用論文】相關(guān)文章：
數(shù)字圖像處理開(kāi)題報(bào)告01-19
數(shù)字圖像處理開(kāi)題報(bào)告推薦04-09
如何處理新課標(biāo)中的寫(xiě)作教育論文03-30
面試中HR識(shí)別謊言的技巧11-16
面試中HR該如何識(shí)別謊言10-14
文字識(shí)別論文的開(kāi)題報(bào)告參考11-16
CPU的處理技術(shù)有哪些01-07