论文部分内容阅读
摘 要：随着社会经济和科技的不断发展，各个行业领域都取得了一定的进步和成效。尤其是信息技术的快速发展和大量应用，使得对图像处理算法的开发环境提出了更高的要求。图像处理的算法能将数据以图形语言的方式表现出来，这是一种典型的数据处理过程，在数据处理方面是一大进步。本文在图像处理算法开发环境的基础上，分析了基于图形语言的图像处理算法开发环境模型，该模型旨在减少研发人员复杂的工作程序，减轻研发算法过程中的工作量，使更专注于目标算法的研发工作。
关键词：图形语言；图像处理算法；开发环境模型
信息化社会不断建成，数字图像技术不断发展，出现了一系列图像处理算法，但这些算法往往针对某个固定的程序才能实现，缺少广泛的应用性。数据处理过程说到底是算法分析和图像处理。图像处理过程中必备的开发软件是必不可少的。如Photoshop在平面图的设计方面有强大的图像处理功能，而ERDAS在遥感图像和地理信息系统应用方面取得了巨大的成功。但这两款应用软件的用途比较单一，只是针对于艺术设计领域和地理专业应用领域有强大的功能，软件本身并未对其所包含的图像处理算法进行精确地原理解释。因此，这类软件并不适合基于图形语言的图像处理算法开发环境模型的研究，在图像处理算法开发环境模型的研发过程中，研究人员需要花大量的时间和精力在图像处理算法上，使得工作量变大，过程变得复杂，研究工作进行的比较缓慢。
1 图像处理算法模型
算法模型的建立采用抽象的代数理论进行定义，算法单元的转换和单元间的组合关系要明确的定义。通过分析图像处理过程，算法单元是一个可以动态重复应用的结构，一个算法单元是由多个子算法单元按照特定的顺序构建而成的，并且每一个子算法单元可以进行再次的分解，具体的分解示例如图1：
图1 算法分解示例图
对算法模型的定义要在算法分解的过程中逐步完成。（1）算法模型是一个树状结构图，由不同层次的子算法模型构成，分别以任务序号、任务子目标和算法模型序号表示；（2）算法模型的基本结构由一个二元组组成，分别是子算法模型和算法关系；（3）一个算法单元是一个三元组，分别描述集合算法检索分类、单元算法集合标志。其中，算法单元的描述是以一个五元组来实现的，分别以算法的功能、类别、输入、输出集合进行描述。算法单元标志由一个四元组实现，即属性集合、算法集合与接口属性集合。
2 图像处理算法的开发集成环境
2.1系统组成
一个典型的数据程序语言所需要满足的条件是能够提供必须的数据结构和预定义函数数据库以支撑复杂的计算问题。以此为基础，提出了构建图像处理算法的开发环境，构建过程由三个单元组成：算法库的构建、数据元素的构建、相关交界面组建工具的构建。以上三个逻辑单元可以在实现单元分解的基础上构建有效的开发环境，使得研发工作顺利快速地开展。通过对研发过程的分析，在已经成型的开发环境下，提出新的基于图形语言的图像处理算法开发环境，该研发环境需要同时具备以下几个要素：
a.数据形式。图像处理算法的开发环境，除了要定义特定的数据形式外，还要定义图形图像数据的形式，这些通常是以二维和三维的矩阵操作来达成的。同时，为了实现快速开发环境而提供的函数库，可以大大减轻研发人员额外的工作负担。
b.预定义函数库。为了使图像处理算法的研发工作顺利完成，应提供开发环境所需要的相对应的函数库，快速搭建起开发环境， 交互界面是在函数库的基础上，让研发人员了解图形语言的算法，此开发环境能使研发过程更加简单快捷。
c.数据查看和数据转换功能工具。数据查看工具能最大限度的减少研发工作人员的时间，在研发的过程中，只要仔细观察数据形式、图像方式以及空间数据和矩阵方差数据，就能实现对图像数据的观察查看。通过一定的转换工具，实现数据转换及图像格式转换，这样，多样化的数据格式在研发过程中才能更加透明化。
其中，由于数字图像的获取方式比较多样，有些图像受到条件的限制而无法获得，可以选择在研究开发过程中用仿真技术获取所需要的数据，并添加必要的第三方软件接口。
2.2平台框架
作为一个完整的开发环境，图像处理和分析算法开发平台是多元化的子系统相互协作完成的处理环境平台，包含了图像处理过程中数据获取、数据处理和数据分析。可以通过图2详细、直观地看出图像处理算法的集成平台。
图2 图像处理算法环境的集成平台
数据仿真与获取子系统属于数据生产阶段，通过数据的转换能够为图像处理算法提供一定的支撑。于此同时，和算法性能评估子系统联系，生成实验数据。最后，基于图形语言对算法进行重新定义，通过处理进而正是研究上的准确性。
算法设计子系统属于数据的处理阶段。研究开发工作人员借助算法设计子系统系统设计相对应的算法评估方式，可以有针对性地减少数据需求误差，快速地完成算法开发工作。
算法性能评估子系统属于数据分析阶段。而数据库为开发环境提供主要的数据支持，是目标算法经过确认后，将其作为预定义的算法，便于以后为新算法的开发应用提供基础条件。
3 结束语
本文通过列举传统图像处理算法和图像处理软件的不足之处，对基于图形语言的图像处理算法开发环境的优势和图像处理算法开发环境模型的研究开发过程进行了分析，该模型是一个基于图形语言开放的、可二次开发的算法环境，该环境能够使研发人员最大程度上形成界面资源和算法库，减少研发人员复杂的工作程序，减轻研发算法过程中的工作量，使更专注于目标算法的研发工作。由于基于图形语言的图像处理算法能够更高效地完成算法研发任务，所以还需要后期进一步的完善和维护，并且多在实践中验证，争取让这一模型的应用性更加广泛。
参考文献
[1]杨卫东；张天序；宋成军.低分辨率SAR图像舰船目标检测[J].华中科技大学学报（自然科学版），2008（02）.
[2]崔文凯；卢再奇.ATR信息处理的软件体系结构 [J].计算机技术与发展，2009，（01）.
[3]程钊；张天序；卢海风. 基于图形语言的图像处理算法开发环境模型 [J].华中科技大学学报（自然科学版），2010，（07）.
作者简介：屈宜丽（1979- ），女，硕士，讲师，主要从事计算机应用方面研究工作。
关键词：图形语言；图像处理算法；开发环境模型
信息化社会不断建成，数字图像技术不断发展，出现了一系列图像处理算法，但这些算法往往针对某个固定的程序才能实现，缺少广泛的应用性。数据处理过程说到底是算法分析和图像处理。图像处理过程中必备的开发软件是必不可少的。如Photoshop在平面图的设计方面有强大的图像处理功能，而ERDAS在遥感图像和地理信息系统应用方面取得了巨大的成功。但这两款应用软件的用途比较单一，只是针对于艺术设计领域和地理专业应用领域有强大的功能，软件本身并未对其所包含的图像处理算法进行精确地原理解释。因此，这类软件并不适合基于图形语言的图像处理算法开发环境模型的研究，在图像处理算法开发环境模型的研发过程中，研究人员需要花大量的时间和精力在图像处理算法上，使得工作量变大，过程变得复杂，研究工作进行的比较缓慢。
1 图像处理算法模型
算法模型的建立采用抽象的代数理论进行定义，算法单元的转换和单元间的组合关系要明确的定义。通过分析图像处理过程，算法单元是一个可以动态重复应用的结构，一个算法单元是由多个子算法单元按照特定的顺序构建而成的，并且每一个子算法单元可以进行再次的分解，具体的分解示例如图1：
图1 算法分解示例图
对算法模型的定义要在算法分解的过程中逐步完成。（1）算法模型是一个树状结构图，由不同层次的子算法模型构成，分别以任务序号、任务子目标和算法模型序号表示；（2）算法模型的基本结构由一个二元组组成，分别是子算法模型和算法关系；（3）一个算法单元是一个三元组，分别描述集合算法检索分类、单元算法集合标志。其中，算法单元的描述是以一个五元组来实现的，分别以算法的功能、类别、输入、输出集合进行描述。算法单元标志由一个四元组实现，即属性集合、算法集合与接口属性集合。
2 图像处理算法的开发集成环境
2.1系统组成
一个典型的数据程序语言所需要满足的条件是能够提供必须的数据结构和预定义函数数据库以支撑复杂的计算问题。以此为基础，提出了构建图像处理算法的开发环境，构建过程由三个单元组成：算法库的构建、数据元素的构建、相关交界面组建工具的构建。以上三个逻辑单元可以在实现单元分解的基础上构建有效的开发环境，使得研发工作顺利快速地开展。通过对研发过程的分析，在已经成型的开发环境下，提出新的基于图形语言的图像处理算法开发环境，该研发环境需要同时具备以下几个要素：
a.数据形式。图像处理算法的开发环境，除了要定义特定的数据形式外，还要定义图形图像数据的形式，这些通常是以二维和三维的矩阵操作来达成的。同时，为了实现快速开发环境而提供的函数库，可以大大减轻研发人员额外的工作负担。
b.预定义函数库。为了使图像处理算法的研发工作顺利完成，应提供开发环境所需要的相对应的函数库，快速搭建起开发环境， 交互界面是在函数库的基础上，让研发人员了解图形语言的算法，此开发环境能使研发过程更加简单快捷。
c.数据查看和数据转换功能工具。数据查看工具能最大限度的减少研发工作人员的时间，在研发的过程中，只要仔细观察数据形式、图像方式以及空间数据和矩阵方差数据，就能实现对图像数据的观察查看。通过一定的转换工具，实现数据转换及图像格式转换，这样，多样化的数据格式在研发过程中才能更加透明化。
其中，由于数字图像的获取方式比较多样，有些图像受到条件的限制而无法获得，可以选择在研究开发过程中用仿真技术获取所需要的数据，并添加必要的第三方软件接口。
2.2平台框架
作为一个完整的开发环境，图像处理和分析算法开发平台是多元化的子系统相互协作完成的处理环境平台，包含了图像处理过程中数据获取、数据处理和数据分析。可以通过图2详细、直观地看出图像处理算法的集成平台。
图2 图像处理算法环境的集成平台
数据仿真与获取子系统属于数据生产阶段，通过数据的转换能够为图像处理算法提供一定的支撑。于此同时，和算法性能评估子系统联系，生成实验数据。最后，基于图形语言对算法进行重新定义，通过处理进而正是研究上的准确性。
算法设计子系统属于数据的处理阶段。研究开发工作人员借助算法设计子系统系统设计相对应的算法评估方式，可以有针对性地减少数据需求误差，快速地完成算法开发工作。
算法性能评估子系统属于数据分析阶段。而数据库为开发环境提供主要的数据支持，是目标算法经过确认后，将其作为预定义的算法，便于以后为新算法的开发应用提供基础条件。
3 结束语
本文通过列举传统图像处理算法和图像处理软件的不足之处，对基于图形语言的图像处理算法开发环境的优势和图像处理算法开发环境模型的研究开发过程进行了分析，该模型是一个基于图形语言开放的、可二次开发的算法环境，该环境能够使研发人员最大程度上形成界面资源和算法库，减少研发人员复杂的工作程序，减轻研发算法过程中的工作量，使更专注于目标算法的研发工作。由于基于图形语言的图像处理算法能够更高效地完成算法研发任务，所以还需要后期进一步的完善和维护，并且多在实践中验证，争取让这一模型的应用性更加广泛。
参考文献
[1]杨卫东；张天序；宋成军.低分辨率SAR图像舰船目标检测[J].华中科技大学学报（自然科学版），2008（02）.
[2]崔文凯；卢再奇.ATR信息处理的软件体系结构 [J].计算机技术与发展，2009，（01）.
[3]程钊；张天序；卢海风. 基于图形语言的图像处理算法开发环境模型 [J].华中科技大学学报（自然科学版），2010，（07）.
作者简介：屈宜丽（1979- ），女，硕士，讲师，主要从事计算机应用方面研究工作。