目前，计算机技术日益完善，图像处理技术也得到广泛应用。图像处理技术主要对图像数字化、图像编码、图像增强、图像分析等内容进行研究。图像可以用于信息交换，图像处理和人们的生活、工作等各个方面有很大的联系。图像处理、图像分析广泛应用在各个领域中，以形态数学、集合论等为理论基础。图像处理虽然可以通过光学方法、模拟技术来实现，但计算机图像处理技术的效率和质量更加良好。在农业工程中，可以应用计算机图像处理技术，该技术的应用可以降低人工投入的成本，确保数据的精准度，使用效果比较明显。

1 计算机图像处理技术分析

计算机图像处理技术就是对图像进行数字化处理，将真实的图像转变为可存储的格式。数字化处理的过程中，要进行采样处理和量化处理。从本质上来看，采样处理就是采用点的方式描述图像，如图像的分辨率为640×480 像素，则组成图像的点为307 200 个[1]。可见，要提高图像的清晰度，就要使用更多的点。但是，大分辨率图像会占据较大的存储空间。采样结果也就是图像的分辨率的体现。量化就是采用范围较大的数值进行采样，在采样结束后，数字范围涵盖所有颜色总数。例如，存储一个点使用了4bit的空间，则图像颜色只有16 种。数值范围的大小和图像颜色有直接关系，范围越大，颜色越多，图像效果也会更加细腻，当然也会占据更大的存储空间。量化结果就是图像可容纳的颜色总数，不论是采样还是量化，本质上都存在视觉效果与存储空间之间的矛盾。在采样量化处理后，才能获得相应的数字化图像，然后利用各种图像处理软件和技巧进行更进一步的处理，包括外观调整、格式转换等等，进而得到想要的图片效果。

数字化图像数据通常采用位映射和向量处理两种存储方式，前者是架构图像各点数值存放在矩阵之中，矩阵将字节作为单位。如果图像只有一个颜色，1bit的存储空间可以存放一张8点图像数据。16色图像两个点需要1bit存储；256色图像每个点都需要1bit存储。通过这种方式，可对不同颜色模式的图像画面进行精确地描述。向量处理存储出图像数据的各点，主要对轮廓部分进行存储。例如，如果是一个圆形图案，则会对圆心坐标位置进行存储，也会对半径长度、边线等进行存储。这种存储方式时间需求较长，压缩方式比较复杂。但是图片的显示精度不会受到图片缩放的影响，与位图方式相比，这种方式对存储空间的需求更小。所以，向量处理是一种适应性较强的图表存储、工程设计工具，其他图像文件很少采用向量处理的方式，包括摄影图片等。总地来看，图像就是对像素颜色值进行记录，然后组合各个像素点，进而形成图画。矢量图是对节点位置、曲线、颜色算法的保存，位图占用的存储空间相对较大，矢量图显示速度相对较慢。

2 计算机图像处理在农业工程中的应用现状

在农业工程中应用计算机图像处理技术，可以监测农作物的生长情况，也可以对各项数据进行统计分析，进而全面了解农作物的生长情况，根据分析结果进行生产条件的调整和完善，确保农作物产量的提高、农产品质量的提升。目前为止，农业工程中虽然广泛应用计算机图像处理技术，且应用效果比较明显，但仍旧存在一些问题，需要根据实际情况进行全面有效地分析，了解出现这些问题的原因，并采取有效的改进措施，这样才能促进农业工程和计算机图像处理技术的进一步发展。

在果实采摘的过程中，可以使用识别技术，也可以采用精准定位等技术。在农业生产的过程中，需要面对复杂的生产环境，温度、湿度、土壤等条件都会对农业生产造成影响，通过图像采集、精准定位等技术可以对农作物的长势进行分析判断，了解农作物的需求，然后采取对应的种植技术[2]。在技术应用的过程中，可能还会受到各种干扰，造成识别系统无法正常发挥作用，进而影响果实采摘的效率。遇到这些问题，就需要从图像识别的精准度方面入手。在捕获设备方面，主要对采摘时间、果实饱满度、色泽等信息进行整理分析，然后编制具体可靠的采摘程序，促进采摘精准度的提高。

采用计算机图像处理技术可以了解果实表面情况、生长形状等参数，然后根据这些参数对作物质量进行综合评估，并且进行等级划分，判断作物是否符合采摘要求。目前，果实采摘后主要采用人工分级的方式，需要投入大量的人工劳动力，然后分类摆放各种果实，这会浪费大量劳动力资源。虽然已经有了分选设备，但在实际应用过程中，可能会受到表皮破损等因素的影响，无法进行准确分析，因而需要配合人工挑选的方式。所以，在技术研究的过程中，要对智能化分级挑选进行研究，促进技术的突破。

文章来源：《山东农业工程学院学报》 网址: http://www.sdnygcxyxb.cn/qikandaodu/2021/0617/700.html