光學識別技術中數(shù)字圖像處理的運用論文
數(shù)字圖像處理技術是在以計算機為基礎發(fā)展而來的一種新型信息處理技術，在很多方面該技術均得到十分廣泛的應用。在光學識別中應用數(shù)字圖像處理技術，可使光學處理及數(shù)字處理實現(xiàn)有效結合，從而能夠使光學識別能夠得到更加理想效果，能夠使光學信息處理效率得到進一步提高，因此掌握數(shù)字圖像處理在光學相關識別中的應用有著十分重要的作用及意義。
1 微分算子處理方法
在光學相關識別過程中，為能夠使識別率得到進一步提高，可選擇的一種比較簡單的方法就是微分相關或者梯度相關，該方法在聯(lián)合變相相關中已經得到十分廣泛應用，并且使識別效率得到很大程度提高。為能夠對相似圖像進行有效識別，應當對圖像之間所存在的具有不同特征信息進行利用，這一點屬于邊緣提取意義的重要體現(xiàn)。從當前實際情況來看，應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。
對于離散圖像而言，微分邊緣檢測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 于 Roberts 算 子 而 言， 其 計 算 公 式 為：
其能夠利用兩個 2×2 模板共同作用得以實現(xiàn)：
對 于 較 復 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效果比較差，若選擇 3×3Prewitt 算子以及 Sobel 算子，則可使其檢測效果得到較好改善，可取得比較理想的結果。對于 Prewitt 算子而言，其實現(xiàn)可利用利用以下兩個模板
對于上述兩個矩陣而言，其所代表的內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
根據數(shù)字圖像自身所存在的特點，可將其看做數(shù)字生命存在空間，對于像素而言，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，對于特征像素，將將其作為有效資源，對于在圖像環(huán)境中所存在的數(shù)字生命，可將其作為智能體。依據先前所指定系統(tǒng)規(guī)則，智能化可進行移動以及發(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特征表現(xiàn)出來。
對于當前圖像環(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智能體。對于初始智能體而言，其狀態(tài)通常情況下都是隨機的，或者具備相統(tǒng)一的.某種特征，在環(huán)境中局部信息對其行進方式會產生一定影響。在對資源進行搜索過程中，智能體一旦發(fā)現(xiàn)像素位置中有有效資源存在，則其便會駐留于這一位置而停止移動，這種智能體就是所謂駐留智能體。對于活動智能體而言，其所指的就是在某時間步時，其實際變化特征以及狀態(tài)與預定義要求范圍相符合，并且會通過一些相關行為對圖像環(huán)境進行進一步反應。對于搜索資源智能體而言，其主要就是利用不同的 4 種行為反應之間互相轉換而與環(huán)境相適應，這 4 種行為主要為駐留有效資源位置行為，尋求新資源擴散行為，鄰域內繁殖行為，另外還有在能源衰竭時而出現(xiàn)的消失行為。
在實際應用過程中，當搜索過程不斷持續(xù)時，對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，在開始時其數(shù)量為零，隨著其不斷增加，最終將會在某個固定常數(shù)保持穩(wěn)定。在指定在步驟內，若智能體未能夠發(fā)展任何資源，則將會由于能量衰竭而導致其將繼續(xù)搜索行為中止，并且在圖像環(huán)境中該智能體也會消失。在這種情況下，可有效防止智能體對無效資源不斷進行搜索，能夠有效避免這種無效循環(huán)模式，最終能夠使無用計算量得以有效減少，從而使計算效率能夠得以有效增加。
3 形態(tài)學邊緣檢測方法
對于形態(tài)學運算而言，其所針對對象主要為二值圖像，并且以數(shù)學形態(tài)學中集合論方法為基礎而逐漸發(fā)展得到的一種圖像處理方法。對于該方法而言，其基本思想就是利用形態(tài)一定結構對圖像中相關對應形狀進行度量以及提取，從而能夠分析以及識別相關圖像。在這種運算方法中，常見結構主要包括三種，即菱形、方形以及圓形。對于二值形態(tài)學邊緣檢測而言，其方法主要包括三種，利用這三種檢測方法可將圖像外邊界、內邊界以及形態(tài)學梯度獲得。
對于對象 r 以及結構核 t 而言，以膨脹圖像減去原圖像便能夠將圖像外邊界獲得，其表達式如下：t ⊕ r-t;以原圖像將腐蝕圖像減去便能夠獲得圖像內邊界，其表達式如下：t-t⊕r;以膨脹圖像將腐蝕圖像減去便能夠將形態(tài)學梯度獲得，其表達式為：t ⊕ r-t⊕r.在實際操作過程中，當選擇的檢測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 結束語
在當前光學信息處理過程中，為能夠使信息處理效率得到有效提高，應當在光學識別中對數(shù)字圖像處理技術進行合理利用，在實際應用過程中應當根據不同情況選擇不同計算方法進行檢測計算，從而使檢測結果更加準確，使光學信息處理能夠更加科學合理，可為光學信息處理的進一步發(fā)展提供較好技術支持。
參考文獻：
[1] 朱安琪 . 數(shù)字圖像處理與識別系統(tǒng)的開發(fā)研究[J]. 電子測試 ,2016（9）。
[2] 馬超 . 數(shù)字圖像處理算法在 QR 碼識別中的應用[J]. 電子設計工程 ,2013（5）。
[3] 劉云琦 . 論數(shù)字圖像處理技術在車牌識別中的應用 [J]. 中國科技投資 ,2012（33）。
【光學識別技術中數(shù)字圖像處理的運用論文】相關文章：
數(shù)字圖像處理開題報告01-19
數(shù)字圖像處理開題報告推薦04-09
《識別人臉的技術》閱讀答案10-07
如何處理新課標中的寫作教育論文03-30
面試中HR識別謊言的技巧11-16
面試中HR該如何識別謊言10-14
文字識別論文的開題報告參考11-16
CPU的處理技術有哪些01-07
合作寫作在應用文教學中的策略運用論文09-18