第一篇：關于圖像處理中特征點描述算子的一點總結（共）

關于圖像處理中特征點描述算子的一點總結

1.SIFt算子SIFT算子是David G Lowe在2004提出的，即尺度不變特征變換(Scale Invariant Feature Transform)。它是以尺度空間的構造為基礎的局部特征描述算子，對于圖像的縮放、旋轉和放射變換等具有不變性。SIFT算子在構建好的尺度空間的基礎上搜索尺度空間中的極值點(特征點)，然后確定極值點的尺度信息以及位置，再確定極值點的方向(其鄰域梯度的主方向)，最終可以得到具有魯棒性的128維(4*4*8)的特征描述子。2.surf特征

SURF（Speed-Up Robust Features）算子選取圖像在尺度空間上的極值點作為候選特征點。與SIFT算子不同的是SURF算子采用Hessian矩陣行列式近似值來構造金字塔。提取SURF特征點需要4個步驟：提取SURF特征，對于特征點進行定位，賦予主方向，生成特征點描述符。

3.BRIEF特征

BRIEF特征(binary robust independent elementary features)是Calonder等在2010年提出來的，他采用二進制字符串作為特征點描述符，因而在速度和性能上都有著卓越的表現。其主要思路是：在特征點附近隨機的選取若干點對，將這些點對的灰度值大小組合成一個長為256的二進制字串，并將這個二進制字串作為該特征點的特征描述子。由于其描述子利用二進制（“0”和“1”）編碼，因此在特征匹配時只需計算2個特征點描述子的Hamming距離。大量實驗表明，不匹配特征點的描述子的Hamming距離在128左右，匹配點對描述子的Hamming距離則遠小于128。由于BRIEF的匹配速度遠高于SURF和SIFT，因此應用較為廣泛。BRIEF特征描述符是一個bit串，有若干個二值

測試組成，即影像塊

(尺寸為)經過平滑后再進行若干

測試。其中，影像塊

在x處的灰度值定義為

，特征描述符為一個長度為

的二進制串：

這里有兩點要注意：1）如何選取內核對圖形進行平滑處理（預處理）；2）如何選擇測試點對 。這里有多種描述形式進行描述測試點對的分布類型，其中效果比較明顯的是與選取的影像塊

成高斯分布，再生成72維的特征點描述符。在做平滑處理時有中值濾波、均值濾波和最小方差濾波等可以使用，一般高斯濾波比較常用。為了保證描述符的旋轉不變性，需要先對

點測試坐標進行旋轉，使其旋轉到特征點的方向上，接下來再利用BRIEF特征描述符進行計算：

其中以

角形成的旋轉矩陣定義為：

，再讓測試點對與旋轉矩陣進行計算來進行旋轉：

，那么旋轉后，計算特征描述符可以采用如下計算方式：

。然而在進行坐標旋轉后，坐標一般就變為了浮點型，此時我們要對圖像進行重采樣，可以使用的方法有最近鄰方法、雙線性內插方法、立體卷積方法等。其中最近鄰方法計算簡單，它采用待采樣點周圍4個相鄰的像素點中距離最近點的灰度值作為該點的灰度，這樣僅僅考慮到了一個點的灰度值，沒有考慮到其相鄰區域內的像素點的影響，所以重采樣后圖像灰度值就會有明顯的不連續現象。另外立體卷積的方法計算量過大，在實時性方面有些困難。對于待采樣點的灰度值，其采用周圍的4個臨近點的灰度值，然后在兩個方向上做線性內插，從而得到帶采樣點的灰度值4

ORB特征

ORB算子(Oriented FAST and Rotated BRIEF)是Rublee等在2011年提出來的，是建立在改進的FAST特征和改進的rBRIEF特征之上，由于FAST特征和BRIEF特征的運算速度都很快，則ORB在運算速度上比SIFT和SURF等擁有絕對優勢。但由于BRIEF不具有旋轉不變性，因此很難用于旋轉劇烈的場景，不過上文中我們已經給出了解決辦法。為了使BRIEF具有旋轉不變性，Rublee等在2011年提出了ORB(oriented brief)特征，在尺度變化不太大的環境中，ORB特征在SLAM系統中取得了了大量的應用，有時候我們的實際場景中比如帶有機器的室內外場景中，這些機器可能其景深變化非常劇烈，這種特征描述子就會受到一定程度的限制。也就是ORB解決了BRIEF的不具有旋轉不變性和對噪聲敏感的缺點，但ORB沒有解決尺度不變性。ORB算法的大致步驟如圖3-12所示：

BRIEF特征向量的每個比特（bit）具有的方差和的均值接近0.5。而加入特征點的主方向后，特征向量的比特位分布就變得比較平均了，故其方差變小了，這導致特征之間的差異性變小，區分性能變差，因此，主方向引導后BRIEF后的性能有所下降。為此要從矩陣

中篩選出具有高方差和高不相關的點對

。具體方法是：對PASCAL2006圖庫上的圖片，建立一個包含300k個關鍵點的訓練集，每個

測試選取以關鍵點為中心的的鄰域，并且使用

的子窗口來代替原BRIEF中的單個像素進行灰度值比較，從而降低噪聲干擾。令鄰域寬度

，子窗口寬度

，則共有

個測試點對，其中

。為消除重復的測試，當進行了M=205590次測試后，貪婪算法終止。

這個算法是在均值是0.5附近的不相關的測試集合上進行貪婪算法搜索。下圖中的組圖是經過旋轉后具有高相關性的采樣模式，右圖是經貪婪學習算法后，降低了相關性的采樣模式，其中最右邊條形圖的上端黃色代表具有高相關性的顏色，低端黑色代表具有最低相關性的顏色。

5.特征描述符性能評價

這里介紹的特征描述符，已被證明為比其他的相對優秀一些，在實際的系統中應用較多。在單目SLAM中，跟蹤部分是需要實時性的，這里我們為了模擬被不確定度影響的位姿估計跟蹤系統，限定匹配搜索范圍以當前描述符位置為圓心的一個圓形區域，只為每一個描述符與前一幀圖像中落入該區域所有的描述符進行匹配。該搜索圓的半徑設置為80像素（pixel），原因是如果模擬兩幀跟蹤器，若假設一個像素的運動很小，那么運動模糊可能會導致跟蹤失敗。搜索范圍的尺寸與系統本身固有的不確定度相關，因此是獨立于所使用的檢測器/描述符類型的。其中

為正確匹配對數，為誤匹配對數。當然也可以使用其他的標準，比如召回率或者前

個最近鄰的精度。一個標準是否相關取決于所使用的匹配策略，而絕大多數的實時跟蹤系統只評價

。另外在上面提到的SIFT、SURF、BRIEF和ORB特征中，我們計算每個特征點的計算時間如表3-3所示，

第二篇：圖像視頻處理基礎知識總結

彩色圖像基礎知識普及篇

⑴ 圖像采集的原理

數碼相機，攝像機等都是通過傳感器來獲取圖像的，傳感器陣列是由橫豎兩個方向密集排列的感光元件（CCD或CMOS）組成的一個二維矩陣，它收集入射能量并把它聚焦到一個圖像平面上，與焦點面相重合的傳感器陣列產生與每一個傳感器接收光總量成正比的輸出。數字或模擬電路掃描這些輸出，并把它們轉換為信號，由成像系統的其他部分數字化。

⑵ BAYER矩陣

傳感器陣列的排列方式可以有很多種，現在最常用的是Bayer矩陣模式的排列方式，即每個CCD就對應一個像素。其中R感應紅光、G感應綠光、B感應藍光，而在Bayer模式中G是R和B的兩倍（因為我們的眼睛對綠色更敏感）。以下是Bayer陣列的一種排列方式： RGRGRGRGRG

GBGBGBGBGB

RGRGRGRGRG 以中心綠色的G為例，此像素只有G，缺少R與B，R就等于上下兩個R的平均值，B就等于左右兩個B的平均值。其他的R與B都是一樣的，每個像素補齊RGB三色就可以。此種插值算法是最簡單最高效的，當然在一些圖像的邊界之處其影像效果最會有一些折扣。

⑶ 伽馬校正

數碼相機拍攝出的彩色圖像，以及我們把一幅圖像在顯示器上顯示出來都要進行相應的伽馬校正。數碼RAW格式的拍攝是采用線性的gamma(即gamma 1.0)，可是人的眼睛對光的感應曲線卻是一“非線性”的曲線。所以RAW Converter會在轉換時都會應用一條Gamma曲線到Raw數據上（簡單的理解，就是相當于對原始數據進行一個f(x)的變換，并且注意，f(x)并不是一次的線性函數），來產生更加接近人眼感應的色調。同理，顯示器的強度(Intensity)并非與輸入訊號成正比(非線性關系),這種非線性特性稱為Gamma特性。

各參數簡述如下： ① Image_gamma：為輸入影像的γ值，一般訂為γNTSC=2.2，γPAL=2.8，γRGB=1，γMAC=1.8；

② Display_gamma：因制造技術的關系，每一制造廠生產出來的顯示器γ值都會不一樣，所以制造廠需提供顯示器γ值,一般訂為γCRT=2.5,γLCD=1.6;

③ Viewing_gamma：為最后我們用眼睛去看的結果，理想狀況為1，即為看到的影像為原

始影像，一般會因外在環境的影響，γ值從1至1.5變化。

④ LUT_gamma：伽馬參數的LUT表。

輸入訊號經γ修正器與顯示器后，最后希望看到的是與原輸入影像一樣的畫面，即沒有失真。

⑷ RGB和YUV圖像

在計算機中使用最多的 RGB 顏色空間，分別對應紅、綠、藍三種顏色；通過調配三個分量的比例來組成各種顏色。一般可以使用 1、2、4、8、16、24、32 位來存儲這三顏色，不過現在一個分量最大是用 8 位來表示，最大值是 255，對于 32 位的顏色，高 8 位是用來表示透明度的。彩色圖一般指 16 位以上的圖。灰度圖有一個特殊之處就是組成顏色的三個分量相等；而一般灰度圖是8 位以下。

在彩色電視機系統中，通常使用一種叫 YUV 的顏色空間，其中 Y 表示亮度信號，也就是這個 YUV 空間解決了彩色電視機和黑白電視機的兼容問題。對于人眼來說，亮度信號是最敏感的，如果將彩色圖像轉換為灰度圖像，僅僅需要轉換保存亮度信號就可以。

從 RGB 到 YUV 空間的 Y 轉換公式為：

Y = 0.299R+0.587G+0.114B

在 WINDOWS 中，表示 16 位以上的圖和以下的圖有點不同； 16 位以下的圖使用一個調色板來表示選擇具體的顏色，調色板的每個單元是 4 個字節，其中一個透明度；而具體的像素值存儲的是索引，分別是 1、2、4、8 位。16 位以上的圖直接使用像素表示顏色。

⑸ 彩色圖轉換為灰度圖

灰度圖（GrayScale）是指只含亮度信息，不含色彩信息的圖像。灰度化處理是把含有亮度和色彩的彩色圖像變換成灰度圖像的過程。灰度化處理在許多圖像處理中是很重要的一步，他的結果就是后續處理的基礎。所以，尋求一種正確有效的灰度化處理方法尤其重要。

那么如何將彩色圖轉換為灰度圖呢？

常用的色彩系統有RGB、YIQ、YUV。

1）YIQ色彩系統屬于NTSC電視廣播制式系統。Y是亮度，即圖像的灰度值，I和Q則是指色調。它與RGB的關系為：

2）YUV屬于PAL電視廣播制式系統。Y也是亮度，U和V也是色調。它與RGB的關系為：

灰度圖中有調色板，首先需要確定調色板的具體顏色取值。我們前面提到了，灰度圖的三個分量相等。當轉換為 8 位的時候，調色板中有 256 個顏色，每個正好從 0 到 255 個，三個分量都相等。當轉換為 4 位的時候，調色板中 16 個顏色，等間隔平分 255 個顏色值，三個分量都相等。當轉換為 2 位的時候，調色板中 4 個顏色，等間隔平分 255 個顏色，三個分量相等。當轉換為 1 位的時候，調色板中兩個顏色，是 0 和 255，表示黑和白。

將彩色轉換為灰度時候，按照公式計算出對應的值，該值實際上是亮度的級別；亮度從 0 到 255 ；由于不同的位有不同的亮度級別，所以 Y 的具體取值如下：

Y = Y/(1<<(8-轉換的位數));

最后一點需要注意，得到 Y 值存放方式是不同的；分別用對應的位數來存儲對應的 Y 值。在計算 Y 值的時候，使用的整數除法，這是有誤差的，為了消除誤差，需要采用誤差擴散的算法，也就是將該誤差值向其鄰近的像素點擴散，當然按照一定的比例來分配；例如：整除之后，余數是 5，采用 3/2/3 的策略，就是，右邊像素和正下面的像素各占 3/8，而右下角的像素占 2/8。

2．圖像格式轉換的算法描述

⑴ BAYER矩陣轉換為RGB格式圖像的算法描述

我們通常采用插值算法（Interpolation）把BAYER矩陣中的像素的顏色值轉換為一個像素的RGB的數值。我們通常以3×3的插值算法來計算BAYER矩陣的像素的RGB值，該插值算法中某個位置像素的RGB分量的值只取決于以該像素為中心的3×3的鄰域中同樣分量的均值。

⑵ RGB格式圖像轉換為灰度圖像的算法描述

我們進行圖像處理通常都是在微機上進行的，因此以微機的Windows系統為例來介紹如何將RGB格式圖像轉換為灰度圖像。

Windows系統中使用的是設備無關位圖（DIB）

DIB即Device_Independent Bitmap。目前，Windows處理的DIB通常是以BMP文件存在。BMP文件文件有如下的四個部分；

1）位圖頭文件：BITMAPFILEHEADER，它是一個位圖標志

2)位圖信息頭：BITMAINFOHEADER

它定義了圖像的大小，長寬等信息，長度固定為40個字節。

3）調色板（Palette）

它用來存放位圖的顏色，如果是真彩色圖，則不需要調色板。其定義為： 所謂調色板就是在16色或256色的顯示系統中，將圖像中頻率出現最高的16或256種顏色組成顏色表。對這些顏色按0至15或255進行編號，每一個編號代表其中的一種顏色。這種顏色編號就叫做顏色的索引號，4位或8位的索引號與24位顏色值的對應表叫做顏色查找表。使用調色板的圖像叫做調色板圖像，它們的象素值就是顏色在調色板查找表中的索引號。

4）實際的圖像數據

對于用到調色板的位圖，圖像數據就是該像素顏色在調色板中的索引值，對于真彩色圖，圖像數據就是實際上的紅（R）、綠（G）、藍（B）的值。由前面介紹的原理可知，知道圖像某點的R、G、B值，要得到亮度信息，則可由下式計算出： Y=0.299*R+0.587*G+0.114*B（1）

而在用BMP表示的灰度圖中，其紅（R）、綠（G）、藍（B）三個分量的值相等，即有

R=G=B(2)式

把（2）式代入（1）式中，可得：I=Q=0，即圖像沒有了色彩信息。

同理，對YUV顏色空間也一樣。

為了把彩色圖像轉換為灰度圖像，首先要找出彩色圖像的顏色值：R、G、B。然后，通過（3）式計算，即可得出亮度值Y。再令：R=G=B=Y，則得到的新的圖像，即灰度圖像。

對于24位或32位的真彩色圖像而言，找出每點的RGB值相對容易。前面介紹了，24位或32位真彩不需調色板，它的圖像數據就是實際的RGB的值。RGB三個分量分別占有一個字節，即容易取得RGB的值。

而對于16位位圖言，它的一個點用兩個字節來表示。它也不用調色板。要取得RGB的值，就需要了解R、G、B在這兩個字節中的位置。它們所占的位置是這樣的：

R占高5位，B占低5位，G占中間6位。

取出相應的RGB值后，都轉變為八位（低位補0）。再通過（1）式，即可得到該點的亮度值Y。然后，寫回新的256色位圖時，令R=G=B=Y，這樣，就得到了一個256級的灰度圖像。

第三篇：遙感圖像處理實習總結

遙 感 實習總 結

專業：攝影測量與遙感技術

班級：

姓名：

學號：

為期兩周的遙感數字圖像處理結束了，在老師的精心安排下，我們全身心的投入到這次實習中。雖然是滿天的時間，但是由于教室還有其他人占用并不能在那全天使用，所以說是兩周實習但是我們能用是時間依然很少，我們要力抓每一分每一秒，熟練操作遙感數字圖像處理軟件。整個實習是以黃河水院為基礎圖形。通過格式變換、幾何校正、圖像剪裁、圖像分類，以及最后的專題地圖制作。

實習的過程簡單又復雜，簡單的是，只要動手，計算機幾乎自動化的替你操作，復雜的是，在操作過程中，又有好多選項和注意的事項，有很多參數的設置很有講究。所以在練習中我遇到好多問題，并通過解決這些問題進一步加深了對軟件和課本知識的理解。

首先我們進行的是數據預處理。我們需要進行遙感圖像的幾何校正。由于各種誤差所以遙感圖像存在著幾何變形，因此需要在操作前進行幾何校正。流程如下：第一步：顯示圖像文件（打開兩個視窗窗口），第二步：啟動幾何校正模塊，第三步：啟動控制點工具，第四步：地面控制點（GCP）的采集，第五步：采集地面檢查點，第六步：圖象重采樣，第七步：保存幾何校正模式。其中最關鍵最難的就屬地面控制點的采集，我們使用的是二次多項式，所以得選取六個控制點然后再選出六個檢查點。但是圖像存在著誤差，而我們要把誤差控制在一個像素以內，這就更加困難了。在進過長時間的摸索和練習，精度慢慢的就達到了，但是圖糾正后依舊不是很好，在詢問同學后發現原來是點的分布不是很均勻，所以導致了圖的變形。在圖的校正后就得進行圖范圍的裁剪得到所需的范圍。裁剪有兩種方法一種是規則分幅裁剪，一種是不規則分幅裁剪。規則分幅裁剪需要知道坐標，而不規則分幅裁剪則只需要在圖上手選出需要裁剪的范圍。而我們沒有坐標只能用不規則分幅裁剪。

第二項就是圖象增強處理，主要包括：空間、輻射、光譜增強處理的主要方法。空間增強：包括卷積增強處理，輻射增強：直方圖均衡化處理，光譜增強：主成份變換、纓穗變換、色彩變換。這一項比較簡單，通過指導書和上課的學習，這些增強只要知道步驟就能很快完成。

第三項我認為也是最關鍵的一項，遙感圖像的分類，所謂的遙感圖像的分類就是通過人工目譯或計算機自動分類處理相結合識別出地物屬性。我們做的分類是非監督分類，在進行的分類評價時，應用分類疊加方法來評價分類結果、分類精度及定義時應注意分類文件在上，而且取消柵格參數中清楚選示選項，以使兩圖像疊加顯示。非監督分類步驟如下：第一步：顯示原圖像與分類圖像，第二步：打開分類圖像屬性并調整字段顯示順序，第三步：給各個類別賦相應的顏色，第四步：不透明度設置，第五步：確定類別專題意義及其準確程度，第六步：標注類別的名稱和相應顏色，第七步：將相同的類進行合并，最后分為五大類：建筑物、道路（空閑地）、水系、草地和灌木林。

第四項是制作專題地圖。其操作步驟為：

一、準備專題制圖數據，二、生成專題制圖文件，三、確定專題制圖范圍，四、放置圖面整飭要素。而圖面整飾又包括1.繪制格網線與坐標注記，2.繪制地圖比例尺，3.繪制地圖圖例，4.繪制指北針，5.地圖名稱的設定，6.地圖的保存。其中創建格網中可以設置格網線的多少和起始值，這一步主要是對制作專題圖的一些整飾，可以使圖美觀易懂。

為期兩周的實習結束了，經過這次系統全面的實習，讓我更深刻的了解了遙感圖像的操作流程，也掌握了面對常出現問題的解決方法，同時也讓我對課程有了更確切的理解，把理論應用于實際，同時加深了對理論部分的重點理解，還提升了動手能力。

第四篇：《數碼圖像處理》選修課總結

知識專題化

提高教學效果

——《數碼圖像處理》教學反思

現代教育技術中心

時道波

《數碼圖像處理》課程是上一學年新增設的一門選修課，面向本校非信息技術班開設，本課程重點培養學生的實踐動手能力和審美水平，掌握圖片處理的技法，能夠創作出具有一定水準的作品，根據教學對象實際情況，采用內容專題化教學，教學中以圖像處理實踐為主，降低相關理論知識要求。經過一個學年的教學實踐與思考，有一些收獲，也有一些困惑，下面從本課程的教學目標、教學內容、教學方式、教學考核等方面進行總結。

一、教學目標 《數碼圖像處理》課程作為一門選修課，教學目標的設定應以激發學生學習興趣、帶領學生入門為目的，具體包括：

1、通過教學實踐，使學生了解數字圖像處理的發展、應用以及當前研究的熱點和重要成果；

2、較深入地理解數字圖像處理的基本概念、解決問題的基本思想方法，熟練掌握數字圖像處理的基本過程；

3、能夠運用Photoshop軟件實現圖像編輯、校色調色、圖像合成、特效制作等各種圖像效果處理技術，并能夠在Photoshop中制作各種人像效果制作，如：美化人像、畫意影像等。

二、教學內容

《數碼圖像處理》課程內容豐富，涉及的領域很多，包括：Photoshop軟件技術、色彩知識、設計技巧、創意創作等，具有較強的專題性（例如：圖像基本修飾、圖像色彩調整、人物美化、畫意影像等）。我在教學初的教學計劃中將教學內容實行模塊化、專題化，這樣可以快速實現創作效果，較好的調動學生參與的積極性。但是，教學中也遇到了一下困難，如：缺乏合適的配套教材，需要教師在教學內容設計上要緊跟圖像處理技術前沿，因此備課過程必須查閱更多文獻材料，同時，對教學核心內容的把握要準確到位，對教學實踐項目的設計必須精心考慮，合理統籌，這些都極大增加了教師課前準備的工作量。在專題化教學實踐中，將這些專題的基本原理作為核心內容，并輔以其他與專題相關的研究性資料，使專題教學內容重點突出，信息量大，如：圖像基本修飾，Photoshop CS5涵蓋的內容比較全面，包括了選取范圍、圖像變換、圖層、通道、特效濾鏡、動作、時間軸等等。作為專題教學時，可將與圖像的裁剪、圖像占用空間等相關應用知識添加進來，使學生圖像處理技術有更全面、深入地認識，并為專題化實踐研究打下良好基礎。

三、教學方法

《數碼圖像處理》課程選修班學生都是來自非信息技術班，信息技術基礎較差，如何充分調動學生學習主動性和激發其創造能力，也是教師面對的一大難題。我決定不采用傳統的按部就班的教學模式，而采用專題化的教學模式，在教學中，始終以學生為中心，采用啟發式、問題法教學。

在專題內容正式講授之前，應引入一些與專題相關的小問題，引導學生思考、分析問題，鼓勵他們嘗試著解決問題，這樣能有效激發他們的學習積極性，提高學習效果。在專題化教學內容的設置上，每個專題涵蓋的信息量都很豐富，但在理論教學中注意突出重點，貫徹“少而精”的原則，對每個專題的基本概念、基本理論要重點講述，使學生掌握圖像處理的精髓。對于專題擴展部分的知識，力求做到內容新穎、信息量大，并通過多媒體課件對新方法、新技術的處理效果進行實例演示，從而提高學生的理論素養，有效激發他們探究數字圖像處理前沿技術的熱情。

整個教學實踐表明，專題化教學模式更能有效組織教學內容，使教學重點突出，教學信息量大。在教學中，可以根據每個專題引入了相應的圖像處理研究熱點、難點和新興應用技術，學生的視野也得到了極大的拓展，有效地激發學生的學習興趣，調動學生的學習主動性，較好地培養了學生動手實踐能力。

四、教學考核

《數碼圖像處理》是一門實踐性很強的課程，不適合采用卷面考核方式，也不適合通過一個作品就得出成績的考核方式，傳統的重記憶輕能力的考核必將傷害學生實踐學習的主動性，影響學生實踐能力的培養，從而達不到教學的理想效果。我采用形成性考核和終結性考核相結合的方式。形成性考核包括平時作業和考勤情況。形成性考核中平時作業實行開卷形式，占總成績30%，考勤情況占總成績的20%；終結性考核即期末考試，期末考試實行閉卷形式，成績占學期總成績的50%，考核命題在本課程的教學目標、教學內容范圍之內，評分標準從技術、色彩、結構、選材四個角度全面衡量學生的技能水平。

五、改進措施

鑒于教學中缺乏教材，導致學生無法預習，教學方法單一容易使學習枯燥等情況，在以后的教學中，將加強以下兩方面工作。

1、加強教材建設。合適的配套教材是實施教學的重要保證。采用專業班使用的教材不完全合適，市面上多數都是案例式的書籍，目前解決問題的辦法是從各種書籍中搜集與專題相關的資料進行整合。本課程教材的編寫要考慮學生的信息基礎、教材格式安排上要富于變化、合理確定選講內容等。教材的探索不是一個短期的過程，要有一個經驗的積累過程。

2、改進教學方法。在專題化教學基礎上，采用研討式教學方式使課堂教學以學生為主角，最大程度地發揮學生的主觀能動性，擺脫以往課堂上以教師講授為主的模式，采用“教師主題引導—學生專題講授—隨堂研討—教師質疑答疑”的形式安排課堂活動，并配合驗證型和設計型實驗拓展學生的學習和創新空間。重點在課堂活動安排上進行新的嘗試，整體設計包括首堂互動、專題講授與研討、實驗設置與課程競賽、作業與考核等環節。學生通過課前自學、課上討論和課后實驗能更系統、深刻地掌握所學內容，并會因為研討提出的交叉應用問題激發拓展學習的熱情。

第五篇：Photoshop圖像處理課程總結

《Photoshop圖像處理》課程總結

課程名稱：Photoshop課程代碼：24011084 班級：16新聞學1、16新聞學（網絡與新媒體方向）1 學 時：40其中，理論學時：20實踐學時：18 其他：2 學 分：3 《Photoshop圖像處理》課程一門專業基礎課。要求學生通過實踐教學，掌握Photoshop軟件的基本操作，包括工具欄的使用、圖層、圖層蒙板、圖層樣式的使用，色彩的調整方法，常用濾鏡的使用。

圖像處理

一、課程教學內容

（1）Photoshop基本工具的使用（必學）（2）矢量圖形的繪制（必學）（3）圖層基本操作（必學）（4）圖層蒙板的操作（必學）

（5）圖層樣式的操作（根據教學進度可刪減）（6）圖層混合效果的操作（根據教學進度可刪減）（7）圖像調色（必學）

（8）圖像通道（根據教學進度可刪減）（9）圖像濾鏡（根據教學進度可刪減）

二、課程考試內容

（1）基本操作（15分）

要求：主要考Photoshop工具的使用，請根據提供的素材和效果圖，完成操作。保存PSD格式和JPEG格式各1份，并完成電子答題卡。

（2）圖標繪制（20分）

要求：主要考Photoshop矢量工具的使用，請根據提供的素材和效果圖，完成操作。保存PSD格式和JPEG格式各1份，并完成電子答題卡。

（3）選做題（25分）

要求：主要考Photoshop圖層和調色的操作，請根據提供的素材和效果圖，完成操作。本題共提供2組素材和效果圖，請自行選擇完成1組。保存PSD格式和JPEG格式各1份，并完成電子答題卡。

（4）個人設計作品（40分）

要求：主題不限，可以是圖標設計，包裝設計，書籍封面設計、產品宣傳設計、海報等等，請將自己在這一學期中最優秀的設計作品上交，上交PSD格式和JPEG格式各1份，并完成電子答題卡。

三、課程教學所遇問題及解決思路

課程教學總會問題各種各樣的問題，有的學生學習慢，有的學習接受快，如何平衡各個學生的要求。新考核方式的產生，同時也產生新的問題，需要我們及時地發現和解決，不然會給我們的教學質量帶來很多不良的影響。綜合分析認為，本課程教學中的主要問題有：

（1）學生基礎弱與學生學習進度不一的問題：

學生的接受能力不一，有的學習能力快，嫌老師講得慢，不想聽。有的學生接受能力慢，覺得老師講得太快，及難跟不上。而且有的學生在之前對計算機基礎的鍵盤操作都不大熟悉，對本課程的學習更是有一定的難度。解決思路

教學過程要有彈性，不能死板地一步一步的教，要根據學生的學習特點，對基礎知識講透講精，然后對基礎技能有一定的拓展，讓學生快的同學有所思，有所獲，同時不必要求每一個同學都能做到，對統一要求的作業以基礎要求為主。（2）個別學生對學業不管不問的問題：

一些同學散慢慣了，從來不交作業，對期末作品也不管不問，這些同學對自己的學習一點不關心，對自己的作業不關心，導致要交作業時，連要交什么都不知道。解決思路

方法就一條，老師對這部分同學要多加關心。

以后在期末分組完成作品時，能及時了解學生的分組情況，了解學生完成作品中的困難，幫助他們樹立良好的學習態度，即使做不了優秀的作品，也要完成作品，哪怕質量不是很高，但至少要認真地面對自己的學業。學習態度大于學習能力，這一點需要好好地教會學生。

四、課程反思以及改進

1、教學目標的優化性。以學定教，以學生為本，把握教學進度，不能求全責備。

2、教學要求的層次性。除體現教學目標的層次性以外，還要注意對學生評價的層次性，對于“差異學生”采取“差異評價”，以激勵的原則，調動全體學生的學習積極性和主動性。

3、教學案例要多元化，盡量貼近實際，向有商業價值的作品內容傾斜。

4、發展課程影響力，引導學生進行專業發展，明確課程在專業發展中的作用。

5、教學評價的激勵性。堅持“正面鼓勵、激勵為先、差異評價”原則，發揮教學評價的激勵功能，認同每一位學生的進步和成功，隨時注意鼓勵、表揚、喚醒，讓每一位學生體驗成功與自信。

6、提高教師的個人業務能力，讓學生真正學有所獲。

7、多關注學生的進步，少關注技能高低，技能水平不能一蹴而就，而有努力就會有進步。