Page 41 - 基于深度学习的人工智能技术研究

第二章 人工智能核心技术

增强图像对比度等方法来提高数据的有效性和可靠性。
（三）基于计算机视觉算法的图像处理技术的要点
1. 图像增强技术
图像增强技术是对图像进行处理的重要手段，其可以提高图像信息的质量。

在实际应用中，为了提升图像质量，需要对图像进行增强，主要包括滤波、锐化
等处理手段。滤波是对图像进行处理的重要手段。滤波能够将图像中的噪声去
除，提高图像质量。常见的图像滤波方法有：均值滤波、中值滤波、高斯滤波、
双边滤波等。但是，在实际应用中，滤波可能会对图像造成一定的影响，所以需

要进行图像增强处理。锐化是对图像进行处理的重要手段，其主要是利用某些参
数将图像中的细节信息凸显出来。由于图像具有一定的分辨率和清晰度，所以在
进行锐化时要保持一定的锐度。锐化主要有两种形式：线性锐化和非线性锐化。
线性锐化是指对不同灰度等级进行相同的加权平均处理后再进行锐化；非线性锐

化是指将不同灰度等级的灰度进行不同的加权平均处理后再进行锐化。线性锐
化算子有两种：第一种是直方图均衡化算子。第二种是直方图均衡化 - 局部均值
（Local-distribute-squared）算子。
2. 图像分割技术

在图像处理中，图像分割技术是一项非常重要的内容，主要是对图像中的特
征信息进行提取，以实现对图像信息的有效处理。图像分割技术的发展在很大程
度上推动了计算机视觉技术的发展，提高了其处理效率。现阶段，图像分割技术
在很多领域中都得到了广泛应用，其主要是基于边缘检测、轮廓提取以及区域分

割等实现对图像的有效处理。目前，基于计算机视觉算法的图像分割技术主要包
括两种：一是基于阈值的分割法，二是基于区域的增长法。阈值分割法主要是通
过设置一个阈值来实现对图像中不同部分的划分，以实现对图像特征信息的提取。
例如，当一幅图像中含有多个目标时，则可以采用区域增长法来对这些目标进行

分割。
基于区域增长法对图像中目标进行提取主要有两种方式：一种是从原始图像
中提取出所有可能的目标，另一种是从原始图像中提取出所有目标中最有价值的
部分。前者可以在分割过程中按照一定规律自动进行，而后者则需要通过手动选

择来实现。基于区域增长法对目标进行提取时主要是通过统计图像中各像素点的
灰度值来实现对目标区域的提取，能够有效克服传统方法在进行分割时存在的缺

33