光学识别技术中数字图像处理的运用论文.docx

光学识别技术中数字图像处理的运用论文光学识别技术中数字图像处理的运用论文数字图像处理技术是在以计算机为基础发展而来的一种新型信息处理技术，在很多方面该技术均得到十分广泛的应用。在光学识别中应用数字图像处理技术，可使光学处理及数字处理实现有效结合，从而能够使光学识别能够得到更加理想效果，能够使光学信息处理效率得到进一步提高，因此掌握数字图像处理在光学相关识别中的应用有着十分重要的作用及意义。1微分算子处理方法在光学相关识别过程中，为能够使识别率得到进一步提高，可选择的一种比较简单的方法就是微分相关或者梯度相关，该方法在联合变相相关中已经得到十分广泛应用，并且使识别效率得到很大程度提高。为能够对相似图像进行有效识别，应当对图像之间所存在的具有不同特征信息进行利用，这一点属于边缘提取意义的重要体现。从当前实际情况来看，应用比较广泛的微分算子主要包括Prewitt算子、Roberts算子以及Sobel算子。对于离散图像而言，微分边缘检测算子即利用图像在垂直方向与水平方向上存在的差分向梯度算子接近。对于Roberts算子而言，其计算公式为：其能够利用两个2×2模板共同作用得以实现：对于较复杂图像而言，单纯选择2×2方式的Roberts算子，则其所得到的边缘检测效果比较差，若选择3×3Prewitt算子以及Sobel算子，则可使其检测效果得到较好改善，可取得比较理想的结果。对于Prewitt算子而言，其实现可利用利用以下两个模板对于上述两个矩阵而言，其所代表的内容分别为图像在水平方向上与垂直方向上的梯度。Sobel算子与Prewitt算子两者相比较而言，其所存在差异就是选择不同模板：2群体特征边缘提取算法根据数字图像自身所存在的特点，可将其看做数字生命存在空间，对于像素而言，可将其看作数字生存资源。数字生命之所以能够得到发展，其所依据的主要就是在图像中灰度值不同的各种像素。在本文研究中，对于特征像素，将将其作为有效资源，对于在图像环境中所存在的数字生命，可将其作为智能体。依据先前所指定系统规则，智能化可进行移动以及发展，在搜索有效资源完成之后，在图像环境中所存在智能体可将数字图像自身所具备相关特征表现出来。对于当前图像环境中智能体而言，其主要包括两种，即驻留智能体以及活动智能体。对于初始智能体而言，其状态通常情况下都是随机的，或者具备相统一的.某种特征，在环境中局部信息对其行进方式会产生一定影响。在对资源进行搜索过程中，智能体一旦发现像素位置中有有效资源存在，则其便会驻留于这一位置而停止移动，这种智能体就是所谓驻留智能体。对于活动智能体而言，其所指的就是在某时间步时，其实际变化特征以及状态与预定义要求范围相符合，并且会通过一些相关行为对图像环境进行进一步反应。对于搜索资源智能体而言，其主要就是利用不同的4种行为反应之间互相转换而与环境相适应，这4种行为主要为驻留有效资源位置行为，寻求新资源扩散行为，邻域内繁殖行为，另外还有在能源衰竭时而出现的消失行为。在实际应用过程中，当搜索过程不断持续时，对于用于有效资源寻找的智能体而言，其数量也在不断增加，在开始时其数量为零，随着其不断增加，最终将会在某个固定常数保持稳定。在指定在步骤内，若智能体未能够发展任何资源，则将会由于能量衰竭而导致其将继续搜索行为中止，并且在图像环境中该智能体也会消失。在这种情况下，可有效防止智能体对无效资源不断进行搜索，能够有效避免这种无效循环模式，最终能够使无用计算量得以有效减少，从而使计算效率能够得以有效增加。3形态学边缘检测方法对于形态学运算而言，其所针对对象主要为二值图像，并且以数学形态学中集合论方法为基础而逐渐发展得到的一种图像处理方法。对于该方法而言，其基本思想就是利用形态一定结构对图像中相关对应形状进行度量以及提取，从而能够分析以及识别相关图像。在这种运算方法中，常见结构主要包括三种，即菱形、方形以及圆形。对于二值形态学边缘检测而言，其方法主要包括三种，利用这三种检测方法可将图像外边界、内边界以及形态学梯度获得。对于对象r以及结构核t而言，以膨胀图像减去原图像便能够将图像外边界获得，其表达式如下：t⊕r-t;以原图像将腐蚀图像减去便能够获得图像内边界，其表达式如下：t-t⊕r;以膨胀图像将腐蚀图像减去便能够将形态学梯度获得，其表达式为：t⊕r-t⊕r.在实际操作过程中，当选择的检测方法有所不同情况下，其所获得厚度以及形状边界也存在一定差异[2-3].4结束语在当前光学信息处理过程中，为能够使信息处理效率得到有效提高，应当在光学识别中对数字图像处理技术进行合理利用，在实际应用过程中应当根据不同情况选择不同计算方法进行检测计算，从而使检测结果更加准确，使光学信息处理能够更加科学合理，可为光学信息处理的进一步发展提供较好技术支持。参考文献：[1]朱安琪.数字图像处理