信息化时代背景下，各行各业中比较常用的一种技术就是图像处理技术，为改善图像校正效果，可基于计算机视觉算法处理。本文介绍了计算机视觉算法与图像处理技术的图像类别和技术特点，探讨了基于计算机视觉算法的图像处理技术，主要包括计算机视觉显示系统与图像畸变矫正两个部分，效果良好，有较高的推广应用价值。
目录
1计算机视觉算法........................................1
2计算机图像处理技术........................................2
2.1图像处理技术的含义与图像类别........................................3
2.2图像处理技术的特点........................................3
3计算机视觉显示系统........................................4
3.1光场三维重构........................................5
3.2显示系统的设计........................................5
4计算机图像畸变矫正........................................6
4.1矫正畸变........................................7
4.2处理畸变图像........................................7
文内图表........................................8
图1光场传播图........................................8
图2真三维立体显示框图........................................8
以往由于技术发达程度不足，物体在传统二维环境中能显示的仅有侧面投影，比较单一，为适应社会进步，技术就要不断发展，所以三维立体画面应运而生，一种新的显示技术出现了。为了获得理想的视觉效果，技术人员要在计算机视觉算法的基础上实施图像处理技术，将物体在三维空间内的实际坐标用三维体素表示出来，并矫正因投影而造成的畸变图像。相比于传统的BP神经网络，基于计算机视觉算法的图像处理技术显然更具优势，有更高的精度。
1 计算机视觉算法
人工智能领域存在许多种用于图像处理的数学模型，其中比较常见的一种就是计算机视觉算法，其技术优势较强，本质上是从数据或图像中收集信息。处理各种类型的图像时，人们能结合自己获得的直观认知和理解加以分析，但是将计算机用作处理工具时，流程则比较复杂，产生的解释方式也不止一种，所以技术人员通常会通过图像数据类型加以分析，用物理概率模型对图像进行解释，这样的算法就是计算机视觉算法。采用这种方法时，能够充分发挥技术优势对图像做出精准识别，而且能在图像的基础上绘制和预测模拟三维模型，大大方便了人们的工作。
2 计算机图像处理技术
2.1 图像处理技术的含义与图像类别
运用计算机解析和加工图像，让其转化为要用的目标图像的技术就是图像处理技术。在实际应用时的过程主要有两个：其一，对图像进行转化，让其成为计算机系统能识别出的数据形式，在存储好以便后续处理；其二，使用多种方法处理计算机内存储的图像数据，转化图像格式并完成数据处理。在图像类别方面，同样主要分为两个类别：其一是模拟图像。包括摄影图像与光学图像，摄影图像即胶片照相机所拍出的照片，在人们的生活中这种类型的图像经常出现；其二是数字化图像。这种图像类型是适应数字化技术和信息技术的发展于人们的需求而产生的，网络技术的迅速发展让数字化图像在很大程度上替代了模拟图像，其不仅方便处理，而且图像有很高的精密度，应用范围广泛。
2.2 图像处理技术的特点
图像处理技术主要有以下三个特点。第一，该技术有很高的精密度。图像处理技术能够将模拟图像数字化，获得二维数组后如果有相关设备支持，还能继续数字化处理图像，随意改变二维组数的大小。采用扫描设备可以等级量化像素的灰度，使技术精密度提高，满足人们日益提升的需求。第二，该技术的再现性很好。技术人员在处理图像时其实并没有复杂的要求，大多是想要利用图像进行真实场景还原，使照片尽量贴近现实。以往处理模拟图像的方法会降低图像质量，无法达到真实还原的目的。采用图像处理技术可以提高数字化图像反映原图的精准度。与此同时，图像处理技术可以在图像质量不受影响的基础上对图像进行传输、复制、保存等操作，再现性很高。第三，该技术有广泛的应用范围。各种格式的图像需要采用不同的方式加以处理，相比较模拟图像的处理方法，图像处理技术能处理各种遥感图像、波普图像、光图像等各种信息源图像，可应用于许多领域。
3 计算机视觉显示系统
3.1 光场三维重构
与传统的二维显示方法相比，真三维立体显示要用到更加复杂的技术，从整体上而言技术更为先进，显示出的像素也更高。具体而言，技术人员要基于三维数据场内的点构成一个立体空间，并完成成像过程，空间中最基本的单位是像素点，用（x、y、z）的形式表示，真三维立体图像由若干个立体点组成。在进行光场重构时主要运用的就是光学引擎和机械运动。比如，现有五维光场函数，以此为出发点对三维立体空间中的函数进行分析，将其三维坐标表示为F:L∈R5→∈R3,坐标下方向表示为L=[x,y,z,ψ，φ],图像颜色信息则表现为Y=[r,g,b].在显示三维模型和纹理时，其呈现形式是离散集点，而Li=[Pi,Yi],则用于表示空间内点的颜色和位置，光场在视觉算法下按图1的情况传播。
然后需要三维光场重构深度为h的子集（在点集L内）。根据不同的深度划分点集，将其分成若干个子集后，其中的每一个都能通过二维投影和散射屏幕进行光场重构，并且完成重构会出现呈三维状态的图像。相关研究显示，通过二维投影技术能够重构切片图像，不仅能达到高速旋转状态，还能重构出三维光场范围内的图像。
图1 光场传播图
3.2 显示系统的设计
分析目前使用的旋转式LED点阵体三维显示系统可以发现，其在构成三维立体光场时采用的成像形式只能是柱状形式，视场角和分辨率都不甚理想。技术人员利用ARM处理器的智能交互性能可以制作真三维显示系统，不只能从不同角度观察成像，还能提高成像图片的体素与分辨率，其整体设计框图如图2所示。
图2 真三维立体显示框图
在三维环境中拍摄物品时，要在三维的基础上进行物品展示，完成拍摄后存储物体的成像序列，采用视频采集技术导入相应的序号，切片处理要用的图像。向视频接口内传输数据信息，依次采用DMD控制设备、高速投影机、DLP和散射屏等设备进行处理和投影。电机驱动是支持图像信息高速处理的重要前提条件，转速传感器通过电机的驱动对转台的速度和角度进行探测，同时向控制器传输探测信号，从而闭环式控制转台。
4 计算机图像畸变矫正
4.1 矫正畸变
技术人员基于计算机视觉算法，能够灵活利用计算机的特点处理畸变图像，通过投影设备完成垂直投影时，垂轴放大率在视场变化的干扰下会渐渐变大，造成装置内的素点出现比较明显的偏移。一旦偏移距离过大，图像就会发生畸变，针对这种情况技术人员要及时采取图像处理技术将畸变消除，让图像能恢复原状，避免因畸变而影响使用。目前经常遇到的需要处理的畸变问题以径向畸变和切向畸变为主，但是使用后者造成的图像畸变其实并不明显，所以在处理图像畸变时主要针对的是径向畸变，其类型可分为两种，即桶型畸变与枕型畸变。
通常认为导致图形畸变的原因是空间状态发生扭曲，也就是我们所说的曲线畸变。以往技术人员运用二次多项式矩阵来求解畸变系数，然而当面对图像畸变复杂的情况时，该方法并不奏效。若多项式次数增高，处理畸变时要用到的矩阵的逆也要增大，那么随后编程、求解和计算的难度都会加大。基于BP神经网络矫正畸变，能适当提高精度。而基于计算机视觉算法，可以深化矫正畸变的方式，即采用卷积神经网络处理图像畸变。相比于传统技术，这种新技术具有与生物神经网络相似的权值共享网络结构，让网络模型的复杂程度与难度得以降低，权值数量减少，识别与泛化畸形图像的能力提高。
4.2 处理畸变图像
卷积神经网络是一种人工神经网络，能够优化图像处理技术。卷积神经网络的权值共享性与稀疏连接性都比较好，而且只需简单操作就能完成训练，也容易学习，在处理畸变图像方面是一种非常适合的连接方式。在处理畸变图像时，网络输入主要是输入多维图像，图像能够一次性进入网络内，不必再次对图像数据进行提取，比传统的识别算法更加简单。除此之外，基于卷积神经网络权值共享条件下采用计算机视觉算法可以将训练参数减小，不仅能对容量进行控制，还可以提高畸变处理时的泛化能力。
把图像信息以与卷积神经网络计算相符的状态呈现出来，那么就要设置卷积神经网络的分辨率与数字化图像的相同。因为图像有发生几何畸变的可能性，所以要分析可能发生的畸变形式，根据检测窗的比例，裁剪至需要的大小。
综上所述，随着信息技术的高速发展，先进的网络技术层出不穷，技术水平也不断提高，许多陈旧的、无法再满足人们需求的技术逐渐被摒弃，技术人员只有与时俱进，才能增强自身的竞争力。如今数字化图像已经取代了传统的模拟图像，其清晰度和真实度都很高，极大地方便了人们的生产和生活。针对存在图像畸变这一问题，可以在计算机视觉算法的基础上处理图像，矫正几何畸变，使图像更加清晰。
