图像处理中的模糊算法及实现分析

图像处理中模糊算法的运用及具体流程
1. 图像处理中模糊算法的运用 在图像处理中，运用传统的处理方法处理图像后得到的信息显示 出来不够清晰，这便让图像整体的清晰度、准确度兼受较大的影响。 通过深入分析显示对象，模糊算法在处理数据时会建立一个模糊型的
08 / 2013 / China Computer&Communication
图像处理中的模糊算法及实现分析
倪迎花
图像处理又名影像处理，普遍指的是用数字摄像机、扫描仪等电子设备通过采样及数字化所得的一 个大的二维数组，该数组的元素被叫做像素，这个值是一个整数即灰度值。一般的图像处理方式都存在许 多不良之处，严重影响到了用户获取信息的便捷性，而运用模糊算法对图像进行处理能使图像的处理得到 显著的效果提高。所以，本文意在分析图像处理中模糊算法及实现，将模糊信息处理技术作为基础，并对 图像处理流程中模糊算法的运用进行阐述，最终提高原始图像处理的效果。
前言
作为信息技术中的一门系统研究图像理论、技术和应用的新的交 叉学科，图像处理有着举足轻重的地位。其目的是将数字图像利用计 算机或者其他的电子设备经过处理后供人观赏，也就是图像的信宿为 人。通过深入分析显示对象，模糊算法在处理数据时会建立一个模糊 型的数学模型，方便用户比较详细的对各项参数进行对比，从而利于 用户掌握最可靠的图像信息资源。另外，人的视觉特性和数字图像本 身兼具模糊性，因此在进行图像处理时运用模糊技术，尤其是在边缘 检测及图像分割等方面是非常可观的。再加之当前许多成功算法的实 现，运用模糊算法对图像进行处理是可行的。
割技术主要运用的方法。 硬 C 均值法（HCM 算法）是在对多源不确定性信息进行分析时， 需要根据其来源对信息进行分类。在此算法的基础上，图像模糊聚类 分割方法是一种依据在图像特征空间中进行模糊聚类的图像分割技 术，其实质利用目标函数将构成图像中的每个像素和聚类中心之间的 加权相似度测度。以此作为基础充分发挥了目标函数的非线性迭代的 最优化性。 当前，图像模糊聚类分割方法已初具规模，有用势函数聚类提供 的局部极值点，也有用硬 C 均值聚类法所得的去初始化 FCM 聚类中 心等。 作为普遍使用的一种图像分割法，直方图阈值法往往是利用图像 的灰度特征对灰度阈值进行必要的选择，并将需要进行处理的图像中 各个像素分散到适合的类别里。这一方法非常具有计算量少、简便实 用实效等特征。同样，模糊阈值法的基础的图像的模糊数学描述，再 进行模糊熵计算图像选取分割阈值。 通常，运用图像分割所得的目标以及背景差异需要大一些，所以 便有了 Bhandari 算法。 运用这一算法，首先要定义好黑目标模糊集与白背景模糊集，然 后通过标准 S 函数计算出白背景模糊集的隶属度函数，并将黑目标模 糊集的隶属度函数的背景进行补取。 需要注意的是隶属度函数的形式和取值都和阈值有着密切的关 联，所以对待每个待选的 t 值都需要求它们相对应的类间模糊散度， 最后把散度值最大的看作最优的分割阈值。 3. 高斯模糊算法 高斯模糊是图像处理中非常重要的一种算法，其充分发挥了高斯 函数的线性可分的特征，通过二维矩阵转换所得的效果，能在水平方 向进行一维高斯矩阵变换，再加上在竖直方向变换得到的一维高斯矩 阵。因为这一特性，高斯模糊算法通常用来减小图像噪声和降低细节 层级，利用其生成的图像视觉效果像是经过一个半透明的屏幕观察图 像，这在算法实现时将效率提高了约一个数量级。 我们可以把高斯模糊看成是一种图像模糊滤波器，通过正态分布 来计算需要处理图像的每个像素的变换。在理论上，每个像素的计算 都需要含有整幅图像也就说图像中的每点分布都不为零。然而通常在 实际的操作过程中，如计算高斯函数的离散近似值时，一些像素的计 算都可以忽略不做计算。 计算高斯模板、水平方向进行一维高斯变化和垂直方向进行一维 高斯变化是实现高斯模糊算法的三步。
在现已达到的计算机水平上，图像压缩通过“不失真”和“近似” 的方式对图像进行处理。“不失真”即图像在不失真的情况下捕获图 像中的空间或者时间相邻像素的差值，然后通过编码的方式对图像进 行进一步的压缩；对图像处理采取“近似”通常是结合交换的方法， 需要多项修剪和加工原始图像。所以，在图像的储存和传输方面，图 像压缩有着非常重要的地位。 用户对图像进行处理时采取图像增强和复原这两种方式，可以适 当的优化图像质量，从而保障了图像处理的质量。图像增强是将图像 作为一个二维信号，并对这个二维信号进行信号增强处理，或者采取 低通滤波法消除图像中的噪声；图像复原是依据已经掌握的图像信息， 修改处理原始图像，这样做利于提高图像的清晰度和完整性。 2. 图像处理的重点 图像是人们认识客观事件的重要知识来源，在社会生产和科研活 动中，人们都要频繁的和图像进行接触。伴随着计算机软硬件技术的 更新和提升，图像处理得到了长远的发展。不管在科学研究、军事国 防、工业生产还是现代的管理决策部门，数字图像处理技术都得到了 充分的运用，而且运用的场合也是极其的广阔。其现正以多样的内容、 新颖的形式和齐全的门类向着大型化、小型化、实时化以及远程化等 多方面快速发展起来。
图像处理中的模糊算法实现
1. 模糊算法在图像边缘的检测 作为图像分析中的重要内容，图像边缘检测在处理图像领域是一 种十分重要的预处理技术，已经在轮廓、特征的抽取以及纹理分析等 领域被广泛的运用。利用模糊算法对图像边缘进行检测要通过模糊理 论集使得灰度空间变换为模糊空间，也就是将需要处理的图像作为一 个模糊点集阵列。这个模糊点集阵列是 M×N，且有 L 级灰度的二维 图像。然后为了增强边缘两侧的像素灰度的对比度，减少图像的灰度 层次，可以运用模糊算法增强算子，在模糊空间中使得模糊增强。处 理结束后还需将模糊空间转换成数据空间，再提取出边界。 这种算法目前还存在着一定的技术缺陷，还需加强改进，以便简 化计算，提高速度。 2. 图像分割中的模糊技术 作为基本的计算机视觉技术，图像分割是从图像处理到图像分析 的过程中一个非常关键的步骤，近年来备受人们的重视。这是把需要 进行处理的图像分割成各个具有特性的区域，然后提取出感兴趣目标 的技术及过程。当前，聚类法、区域增长法和直方图阈值法是图像分
结语源自文库
综上所述，在当今，图像凭借其主观性等相关特征和优势，且在 图像处理和操作方面也变得越来越方便，所以图像已经成为了计算机 用户日常使用的一种信息表达方法。利用模糊算法对图像进行处理， 不仅能提供科学的数据模型给用户，还可以引导用户对图像进行适当 的出来，以此来提高图像信息的整体清晰度及其完整性。
（江苏省镇江高等职业技术学校）
５３
Artificial Intelligence
人工智能
数学模型，方便用户比较详细的对各项参数进行对比，从而利于用户 掌握最可靠的图像信息资源。进行图像处理时运用和大力推广模糊算 法具有十分便利的条件，充分符合复杂的图像处理的应用要求。因此， 随着计算机技术的不断更新与发展， 图像处理运用模糊算法更加普遍。 2. 运用模糊算法进行图像处理的具体流程 运用模糊算法进行图像处理能起到综合反应的作用，需要从多个 方面表达出原始图像中的信息资源。用户在使用模糊法进行图像处理 时首先要设计出一套完整的操作流程，弄清楚图像数字化、图像编码、 图像增强、图像复原和图像分割等需要处理的信息和问题，接着根据 相关的工作经验，建立具体的操作流程。 （1）图像录入。图像录入是把需要处理的原始图像中的重要信 息进行录入，进行集中存储，接着通过计算机等电子操作平台显现出 图像的本质状态。对图像进行录入的过程中，用户需捕捉像素、尺寸、 色彩等信息，寻找关键性的数据，最后将各项信息通过综合对比掌握 完整的图像录入流程。 （2）建立数学模型。建立数学模型是运用模糊算法进行图形处 理中非常关键的工具。因为在处理图像的过程中需要结合建立的数学 模型所表达出来的信息，保障图像处理结果的可靠性。所以在建立模 型前要对需要处理的图像进行系统、深层的分析，以此了解数据元结 构和函数关系，再根据各图像的特征建立模型，完成处理。 （3）图像处理。运用模糊算法进行图像处理时，首先要对处理 的图像进行正确有效的模糊算法，并根据运用算法后得到的结果，尤 其是实施计算任务要参照具体的函数关系。接着判断需要处理的图像 相应算法的计算标准时结合图像隶属的函数关系，最后对重要的参数 信息进行指导处理。 需要注意的是在进行图像处理时如果运用图像编码、增强和复原 等方法，需要先对标准的代码进行选用，然后依据模糊算法的要求进 行必要的图像处理。
图像处理技术的基础和重点
1. 图像处理技术的基础 图像处理又名影像处理，普遍指的是用数字摄像机、扫描仪等电 子设备通过采样及数字化所得的一个大的二维数组，该数组的元素被 叫做像素，这个值是一个整数即灰度值。光学 - 计算机混合处理法（运 用光学的方法对图像进行预处理后再做精确的处理时采用数字方法， 此法兼具二者的优势）、CCD 模拟处理法（根据 CCD 的特性将其作 为一个响应的滤波器以便进行信号的处理，然后改变始终脉冲频率以 此来实现模拟，最后将并列输入的信号转换为串行的序信号使数据信 息的重新排列得以实现）、电学模拟处理法（首先把光强度信号变换 成电信号，然后对浓度分割、光谱对比、彩色合成和反差放大等进行 处理，此法普遍运用于电视视频信号）是常见的图像处理方法。 图像压缩，图像增强和复原以及图像的匹配、描述和识别是图像 处理技术的三大部分。
５４
信息与电脑 / 2013 / 08