第一篇：數字圖像處理課程教學方法探討
數字圖像處理課程教學方法探討
摘要：針對《數字圖像處理》這門課程具有學科跨度大、理論性強、實用性廣的特點，并結合學生的實際情況，對課程的教學模式進行了探討。首先，根據選用教材內章節之間的聯系，把各章的知識點結合在一起，實現對教學內容的有效整合。其次，針對教材理論性強的特點，在講授時通過與實際的案例進行結合，激發學生的學習興趣。最后，通過實踐加深對理論知識的理解，同時也培養了學生的獨立思考能力和創新能力。
關鍵詞：數字圖像處理；教學內容；教學模式；教學效果
中圖分類號：TP3 文獻標識碼：A 文章編號：1009-3044（2014）13-3060-04
Discussion on Teaching Method for Digital Image Processing
QIN Hua-feng1，WANG Xing-qiong2，KANG Qiu-hong1
（1.School of Computer Science and Information Engineering，Chongqing Technology and Business University，Chongqing 400067，China； 2.Chongqing Banan Middle School，Chongqing 400054，China）
Abstract： As the digital image processing has the large discipline span，strong theory，wide application，this paper discusses the teaching method based on the actual situation of students.Firstly，the knowledge is combining based on the relation among different chapters，which can integrate the teaching contents effectively.Then the students’ interest is aroused in the teaching process using actual case.Finally，the student can understand the theory clearly.At the same time，theirs independent thinking and innovation ability can be improved.Key words： Digital image processing； Teaching content； Teaching mode； Teaching effect
概述
數字圖像處理誕生于20世紀50年代，當時的電子計算機已經發展到一定水平，人們開始利用計算機來處理圖形和圖像信息。直到20世紀60年代初期數字圖像處理才發展成為一門學科。美國噴氣推進實驗室首次將數字圖像處理實際成功應用到對幾千張月球照片的處理，并利用計算機對處理后的圖像進行分析，成功地繪制出月球表面地圖。數字圖像處理取得的另一個巨大成就是在醫學上獲得的成果。當前圖像處理技術在工業自動化、工業檢測、醫學、遙感探測等各個方面都發揮著十分重要的作用[1]。
《數字圖像處理》[2，3]是集成計算機科學、電子學、信息論、光學、數學等學科的一門綜合性學科。本課程是空間信息工程系、攝影測量與遙感系開設的必修的專業基礎課之一。它的起點高、難度大，理論性很強。學生在學習時，普遍感到數字圖像處理的概念抽象，對其中的分析方法與基本理論不能很好地理解與掌握。如何提高學生對數字圖像處理技術的學習興趣，以及學生的圖像處理技術的應用能力，是數字圖像處理課程建設、課程改革的重要內容。現就接合自身在數字圖像處理領域多年的研究經歷以及教學經驗，并根據學生的反饋信息，對該課程的教學模式進行了探索，希望有助于提高教學效果和教學水平；知識點的整合
數字圖像處理涉及到的知識點繁瑣，但是通過有效的整合可以使得教學體系前后連貫，教學內容較為緊湊，同時使得學生理解起來更為容易，思路更加清晰。如以清華大學出版社的出版的《數值圖像處理和分析》為例，全書一共11章。根據教材內容的前后聯系和學生的知識背景，對教學內容進行了整合，如表1所示。前面的第一、二章是介紹數值圖像處理的概念，這部分可以引導學生自學。原書第三、五、六章主要利用各種變換來圖像質量的改善。第四章是圖像的編碼與壓縮，主要是實現對圖像的存儲和傳輸。七、八、九章的內容主要是圖像的特征的提取和分類。最后兩章是數值圖像處理在數字水印和車牌識別方面的應用，可以利用兩個專題講座的形式來進行授課。經過整合，把所有的內容分成了三個教學模塊，使得教學更加緊湊，條理清晰，學生理解起來也更容易。
表1 教學內容的整合[整合前內容＼&整合后內容
章節的調整 整合＼&緒論＼&緒論＼&引導學生自學＼&數字圖像的表述與處理＼&數字圖像的表述與處理＼&圖像增強＼&圖像增強＼&圖像質量的改善
＼&
數字圖像處理的方法＼&圖像的編碼與壓縮＼&圖像復原＼&圖像復原＼&圖像重建＼&圖像重建＼&圖像的編碼與壓縮＼&圖像的存儲和傳輸。＼&圖像分割技術＼&圖像分割技術＼&圖像特征的提取與分類＼&圖像的特征提取與分析＼&圖像的特征提取與分析＼&圖像的匹配與識別＼&圖像的匹配與識別＼&基于MATLAB數字水印系統設計＼&基于MATLAB數字水印系統設計＼&專題講座＼&車輛牌照識別系統設計＼&車輛牌照識別系統設計＼&] 基礎理論知識
3.1 案例教學
案例教學是通過一個具體教育方式來實現場景的重現，引導學生對這些特殊情景進行討論和分析，加深學生對知識點的理解，培養學生積極學習興趣和創新力的一種教學方法[3]。數值圖像處理涉及到微積分、偏微分、小波分析、矩陣論、信息論預編碼等數學知識。因此，需要學生有一定的數學基礎，然而工科的學生的數學基礎普遍較差，單從理論方面來進行講解學生很難理解和掌握。幸運的是，雖然這門課程設計的數學知識面廣，但是這些知識都具有較強的應用背景，如果在授課的過程中能夠結合實際的例子來進行分析能，就可以使得復雜的數學知識變得簡單易懂，學生掌握起來也更加輕松。例如，信號可以按它的頻率分為高頻信號和低頻信號。那么什么是信號的頻率以及怎么判斷高頻信號和低頻信號，在授課過程中應給以詳細的解釋，最后舉一個例子如給出如下一幅雷娜圖像。圖中的帽子上紋理灰度值變化較快，所以就是高頻部分[4]。而臉部灰度值比較平滑（變化較慢），所以是低頻部分。
圖1 雷娜圖像
3.2 內容的適度延伸
在當今的世界，知識的更新是很快的。目前大部分知識的載體是書籍、報刊、雜志。在這幾種重要載體中書籍的知識更新度是最慢的，然而現在上課用的課本基本上都是以書籍的呈現形式。因此如何把書本上經典而滯后的知識和該領域最新的研究成果聯系起來是非常關鍵的。一方面，可以使得知識具有連貫性，使得學生更容易系統的掌握；另一方面，以拓寬知識面和提高學習的積極性。所以嘗試性的要求學生查閱相關資料，了解本領域的研究進展是有必要的。
在教學過程中，除了常規的講解書本上的理論知識外，將其中部分內容適當整理后，以課堂講座形式開展，并對相關知識作適當的補充和延伸[5]，使知識更系統化，立體化。例如，在講授圖像質量的改善方法的內容時，會經常用到各種圖像變換的方法，如傅立葉變換[6]、沃爾什變換、離散余弦變換等間接處理技術，將空間域的處理轉換為變換域處理[7]。其優點在于不僅可減少計算量，而且可獲得更有效的處理。當學生掌握了各種基本變換方法后，可以引入小波變換方法，并介紹小波變換原理以及與經典變換方法的相似性。然后，給出小波變換的優勢即在時域和頻域中都具有良好的局部化特性。如果學生有興趣的話，可以介紹在小波變換的基礎上進一步發展得到的脊波變換，并通過一些圖像例子來加深理解，如圖
2、圖3和圖4所示。這樣的講授不僅可以讓學生更系統的理解各種變換理論而且通過研究整個理論體系的發展可以激發學生的興趣和創造性。實踐教學
實踐教學是教學課程的重要組成部分，它是鞏固理論知識和加深對理論認識的有效途徑，是培養具有創新意識的高素質工程技術人員的重要環節，是理論聯系實際、培養學生的獨立思考和創新能力的重要平臺[8]。相對于理論教學而言，實踐教學是教學過程中最薄弱的環節。為了有效提高實踐教學，根據學生的實際情況對相關的實驗內容的選取進行了相應的改革。
4.1實驗準備
考慮到電子信息專業的同學不同于計算機專業，沒有開設VC 課程，但開設了MATLAB 課程，已經掌握了MATLAB 的一些基本編程能力，另外，MATLAB 軟件為數字圖像處理提供了功能豐富的圖像處理工具箱。它集成了一系列支持圖像處理操作的函數。涵蓋了圖像處理的幾乎所有的技術方法，是學習和研究圖像處理的人員的寶貴資料和加工工具。因此，選取計算能力強的MATLAB軟件作為教學軟件是必要的。此外，還需要準備實驗所需的圖像。
4.2 實驗內容
實驗內容的選取也是相當關鍵的。根據學生掌握知識的能力以及知識的前后銜接關系，選擇圖像變換、增強、分割、特征提取和識別等作為實驗內容。然后根據知識點的難易程度分為基本實驗、開放型實驗和演示實驗。這樣具有一定的層次感，使得學生接受起來較為容易。例如，對于傅里葉變換的實驗，首先要求學生能夠對圖像進行傅里葉變換，并分析變換后的圖像以及其逆變換后重構圖像；當在這個試驗中掌握了傅里葉變換后，再安排圖像頻域增強等實驗。
4.3 實驗內容拓展
通過理論知識的講解以及基本實驗的實施，學生能夠較好的理解所學的知識，且能夠將所學的知識應用于處理一幅具體圖像。為了進一步培養學生獨立思考和創新的能力，需要為一些有興趣的學生提供一些參與教師科研項目的機會。例如通過課程設計的形式來為他們積累一些實踐經驗以及培養他們的創新能力。通過學生的積極參與，一方面，加深了對所學專業知識的理解，另一方面培養學生的學習興趣和創新能力。結論
本文針對計算機、影像各專業對圖像處理的要求和數字圖像處理本身的特點，充分結合我校學生的實際情況，對《數字圖像處理》課程的教學進行的嘗試性的改革和探索。通過對教學內容的整合，使得教學內容更緊湊和調理更清楚。在理論知識的傳授方面，結合了案例教學法和教學內容延伸法來進一步提高學生的學習興趣和能力。最后，利用教學實踐來鞏固所學知識，增強學生的創造力。隨著時代的發展以及知識的快速更新，對教學提出了新的要求。作為教學主體的教師，需要不斷的地學習新的知識，總結教學經驗，不斷地探索和嘗試新的教學方法才能與時俱進。
參考文獻：
[1] 岡薩雷斯.（阮秋琦，阮宇智等）數字圖像處理（第二版）[M].北京：電子工業出版社，2003.[2] 章毓章.圖象處理和分析[M].清華大學出版社，2002.[3] 黃果，秦紅英，許黎，等.淺談數字圖像處理課程教學改革[J].計算機光盤軟件與應用，2013，3（7）：280-281.[4] 王旭初，潘銀松.《數字圖像處理》實驗的課題驅動式教學探索[J].電腦知識與技術，2010，34（6）：9810-9811，9818.[5] 王雪.圖像處理教學中如何培養學生的行業素質[J].長春教育學院學報，2013，29（1）：145，157
[6] 朱明軒.數字圖像壓縮中的域變換技術[J].電腦知識與技術，2008，4（7）：1745-1746.[7] 潘振贛，龔聲蓉.淺談數字圖像處理技術的基本原理[J].電腦知識與技術，2010，6（6）：1452-1453，1460.[8] 劉二林.醫學圖像處理課程教學模式探索[J].計算機光盤軟件與應用，2012，21（2）：19-21.
第二篇：《數字圖像處理》課程教學大綱
《數字圖像處理》課程教學大綱
Digital Image Processing 課程編號：
適用專業：電類、計算機類
學時數： 40
學分數：2 執筆者：何家峰
編寫日期：2005年8月
一、課程的性質和目的
本課程是電類、計算機類的一門技術性和應用性很強的專業課。學習本課程的目的在于：使學生掌握數字圖像處理的基本概念、基本理論和基本方法，并了解數字圖像處理的發展方向和應用情況。學習完本課程并結合相應的實驗，學生應達到以下要求：①掌握常用的數字圖像處理方法，包括圖像增強方法、頻域處理方法、圖像分割方法、圖像特征描述方法和數學形態學方法等；②能較為熟練地用Matlab或VC++語言編寫常用的數字圖像處理算法。
二、課程教學內容
第一章 緒論(2學時)掌握數字圖像處理的一般概念。重點是數字圖像處理的主要內容、圖像工程的三個層次及其數字圖像處理系統的組成，并了解數字圖像處理的應用和發展動向。
本章知識點為：圖像、數字圖像、數字圖像處理的定義；數字圖像處理的目的和主要內容；圖像工程與相關學科；數字圖像處理系統的組成；數字圖像處理的應用和發展方向。
第二章 數字圖像處理基礎(2學時)
掌握數字圖像處理的一些基礎知識。重點是采樣和量化的概念、BMP圖像文件格式、RGB顏色模型和HIS顏色模型，理解RGB顏色模型和HIS顏色模型的色度學基礎和適用范圍。
本章知識點為：圖象數字化技術；數字圖像類型；圖象文件格式；色度學基礎與顏色模型。第三章 圖像增強(10學時)學習多種圖像增強方法。重點是掌握直方圖均衡化方法、空域圖象平滑與銳化方法。為使學生更深刻理解直方圖拉伸和直方圖均衡化的原理，應把相應的數學推導講解透徹。
本章知識點為：直方圖的拉伸和均衡化；灰度線性變換和非線性變換；圖像噪聲分類與特點；模板操作、鄰域平均、中值濾波和其他去噪技術；圖像銳化：微分法、拉普拉斯變換和高通濾波；圖像的偽彩色處理。
本章安排實驗：圖像增強實驗。第四章 圖像分割(8學時)
掌握圖像分割方法、邊緣檢測方法、輪廓跟蹤、圖像匹配、投影法、差影法等的基本原理。輪廓跟蹤是本章的難點內容，應結合具體的閾值化圖像矩陣進行講解。
本章知識點為：區域分割：閾值分割、區域生長、區域聚合；邊緣檢測：微分運算、LOG算子；輪廓 跟蹤與提取；圖像匹配：莫把面匹配、直方圖匹配、形狀匹配；投影法與差影法。
本章實驗安排：圖像分割實驗。第五章 圖像的幾何變換(4學時)掌握幾何變換的數學基礎，以及幾種常見的幾何變換方法，包括平移變換、比例變換、旋轉變換、鏡像變換、復合變換和透視變換。其中，幾何變換的數學基礎和比例變換可以作為本章的重點內容。
本章知識點為：齊次坐標與二維圖像幾何變換矩陣；圖像比例縮放變換；圖像平移變換；圖像鏡像變換；圖像旋轉變換；圖像復合變換；透視變換。
自學內容：透視變換可以安排學生自學。第六章 頻域處理(2學時)
掌握可分離變換原理，重點掌握傅立葉變換和余弦變換的原理和應用。
本章知識點：傅立葉變換；可分離變換；離散余弦變換；WHT變換。傅立葉變換在數字信號處理中已經學過，這里只是由一維變換擴展為二維變換，可以不講。
自學內容：小波變換及其他可分離變換作為學生自學了解內容。第七章 數學形態學處理(4學時)掌握二值形態學和灰度形態學的幾種基本操作，了解形態學在圖像處理中的應用。
本章知識點：數學形態學的基本概念與術語；二值形態學：腐蝕、膨脹、開閉運算、擊中/擊不中變換；灰度形態學：灰度腐蝕、灰度膨脹、灰度開閉運算；形態學的應用：形態學濾波、骨架抽取。
第八章 圖像特征(8學時)掌握圖像的幾何特征、形狀特征、紋理特征、中軸變換與骨架提取、曲線與表面的擬合以及其他特征。其中，不變矩、幾種紋理描述、四叉樹應作為重點內容講解。
本章知識點：圖象的幾何特征：位置與方向、周長、面積、長軸和短軸；形狀特征：矩形度、圓形度、球狀性、不變矩、偏心率、形狀描述子；紋理分析：統計法、空間自相關紋理測度、聯合概率矩陣法、紋理的句法結構分析法；中軸變換與骨架提取；曲線與表面的擬合；其他特征或描述：標記、歐拉數、四叉樹。
本章實驗安排：圖象特征提取與識別。
三、課程教學的基本要求
本課程是電類、計算機類專業的專業程，實踐性較強。在教學方法上，采用課堂講授，結合課后自學、實驗、習題等教學形式。
(一)課堂講授
本課程在講解上著重數學公式物理含義的闡述，對于難點內容，可以結合一個人為構造的圖像矩陣來解釋。力求做到重點突出，由淺入深，便于學生理解和掌握。
在應用方面，主要結合自己和他人的研究成果，介紹一些圖像處理方法的應用實例，增強學生的直觀 體驗，培養學生的學習興趣。
（二）課后自學
為了拓展學生的知識面，以及培養學生的自學能力，安排部分內容，課后學生自學。
（三）習題課
安排2學時習題課（已包括在前述學時分配中），講解綜合性例題及布置作業中的共性錯誤。
（四）課外作業
課外作業以編程題目為主，平均每章1~3道題，以加深對所學基本圖像處理方法和算法的理解，加強Matlab或VC編程能力。
（五）實驗
結合本課程的內容開設3個的相應實驗。教學實驗內容以驗證性實驗和綜合性為主，以鞏固課堂所學圖像處理技術，培養科學實驗研究能力。
（六）考試
本課程采用閉卷或開卷形式考試，試題題型可采用填空、判斷、簡答、程序設計等。主要考察學生對基本概念、基本方法的掌握及綜合應用情況。
總評成績：課外作業、平時考勤、實驗占30%；期末考試占70%。
四、本課程與其它課程的聯系與分工
先修課程：高等數學、概率論與數理統計、信號與系統、數字信號處理。
五、建議教材與教學參考書
［1］何東健主編，《數字圖像處理》，西安電子科技大學出版社，2005.3 ［2］章毓晉編著，《圖像處理與分析》，清華大學出版社，2002.5 ［3］朱秀昌編著，《圖像處理與圖像通信》，北京郵電大學出版社，2005.5 ［4］M.Petrou, P.Bosdogianni，《數字圖像處理疑難解析》，機械工業出版社，2005.4
第三篇：數字圖像處理
中南大學
數字圖像處理實驗 實驗名稱：空間濾波和頻域濾波
班級：電子信息0802班
姓名：李哲 學號：0909080609 實驗日期：2010年12月22日
目錄
一，實驗目的???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對被噪聲污染的圖像進行中值濾波和均值濾波???????5 四，對圖像進行空間域的銳化????????????????6 五，MATLAB以外函數空間濾波和圖像銳化??????????7 六，自帶函數傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會 ??????????????????????10 九，參考文獻 ??????????????????????10
一、實驗目的 1，空間濾波：
圖像平滑主要目的是減少噪聲。噪聲有很多種類，不同的噪聲有不同的抑制措施。本實驗要求用平滑線性濾波和中值濾波2種最典型、最常用的處理算法進行程序設計，學習如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結果圖像加以比較，得出自己的實驗結論。學習如何用銳化處理技術來加強圖像的目標邊界和圖像細節，對圖像進行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強及突出。本實驗銳化處理主要在空間域中進行 2，頻域濾波：
掌握傅里葉變換的基本性質； 掌握傅里葉正變換和反變換； 通過實驗了解二維頻譜的分布特點； 掌握怎樣利用傅立葉變換進行頻域濾波
利用MATLAB程序數字圖像的傅立葉變換并且進行頻域濾波
二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用MATLAB自帶函數添加噪聲 程序代碼：A=imread('onion.png');I=rgb2gray(A);imshow(I);J = imnoise(I,'salt & pepper',0.05);figure,imshow(J),title('椒鹽噪聲');%添加椒鹽噪聲 K = imnoise(I,'gaussian',0,0.03);
figure,imshow(K),title('高斯噪聲');%添加高斯噪聲
三，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數進行中值濾波和均值濾波 源程序：A=imread('onion.png');I=rgb2gray(A);J = imnoise(I,'salt & pepper',0.05);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);imshow(J),title('原圖');figure,imshow(k2),title('中值濾波5*5模板');figure,imshow(k3),title('中值濾波7*7模板');
四，對圖像進行空間域的銳化： 原理：自帶函數進行空間銳化。源程序：I=imread('coins.png');subplot(121),imshow(I),title('原圖像');H=fspecial('sobel');I2=filter2(H ,I);subplot(122),imshow(I2),title('sobel算子銳化圖像');
五，MATLAB以外函數空間濾波和圖像銳化：
源程序：I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);imshow(J);title('噪聲干擾圖像')figure, imshow(K);title('medfilt2濾波圖像')X=J;a=2;b=2;k=floor(a*b/2)+1;[M,N]=size(X);uint8 Y=zeros(M,N);funBox=zeros(a,b);temp=zeros(a*b);
for i=1:M-a
for j=1:N-b
funBox=X(i:i+a,j:j+b);
temp=funBox(:);
tempSort=sort(temp);
Y(i,j)=tempSort(k);
end;end;figure, imshow(Y);title('濾波圖像')
六，利用Matlab的圖像處理工具箱中提供的函數實現圖像的傅立葉變換和反變換： 源程序：
A=imread('onion.png');f=rgb2gray(A);subplot(131),imshow(f),title('原圖');F=fft2(f);% 快速傅立葉變換
subplot(132),imshow(F),title('傅里葉變換')Fabs=abs(F);% 求幅頻絕對值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對數變換
iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對值 iF2=ifft2(iFc1);% 快速傅立葉變換的逆變換
subplot(133),imshow(iF2),title('快速傅立葉變換的逆變換')
七，低通濾波器程序：
I=imread('testpat1.png');subplot(221),imshow(I);title('原始圖像')J1=imnoise(I,'gaussian',0.02);% 疊加高斯白噪聲
subplot(222),imshow(J1);title('添加高斯白噪聲的圖像')f=double(J1);
% 數據類型轉換 g=fft2(f);
% 傅立葉變換 g=fftshift(g);
[M,N]=size(g);nn=2;
% 二階巴特沃斯(Butterworth)低通濾波器 d0=50;
% 設置截止頻率 m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn));% 計算低通濾波器傳遞函數
result(i,j)=h*g(i,j);end end result=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223),imshow(J3);title('低通濾波后圖像')
心得體會
1，進一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學會利用自帶函數對圖像做簡單的處理，例如：均值化等。3，熟練了一些基本函數的運用，例如fspecial，imfilter等。4，加深了對MATLAB編程的理解。
5，對于試驗中的出現的一些問題，懂得怎樣去處理。6，通過實際操作，增強了自己的動手能力，把理論用于實踐。
參考文獻：數字圖像處理第二版
MATLAB教程
第四篇：《數字圖像處理》
實驗五 圖像的幾何變換
一．實驗目的及要求
掌握圖像幾何變換的基本原理，熟練掌握數字圖像的縮放、旋轉、平移、鏡像和轉置的基本原理及其MATLAB編程實現方法。
二、實驗內容
（一）研究以下程序，分析程序功能；輸入執行各命令行，認真觀察命令執行的結果。熟悉程序中所使用函數的調用方法，改變有關參數，觀察試驗結果。
1.圖像縮放 clear all, close all I = imread('cameraman.tif');Scale = 1.35;
% 將圖像放大1.35倍
J1 = imresize(I, Scale, 'nearest');
% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');
% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');help imresize
% 查看imresize使用幫助
1.95倍
I = imread('cameraman.tif');Scale = 1.96;
% 將圖像放大1.96倍
J1 = imresize(I, Scale, 'nearest');
% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');
% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');
說明：
?注意觀察不同插值方法的圖像表現； ?改變圖像縮放因子Scale，重做上述實驗。2.圖像旋轉
clear all, close all I = imread('cameraman.tif');Theta = 45;
% 將圖像逆時針旋轉45?。
J1 = imrotate(I, Theta, 'nearest');
% using the nearest neighbor interpolation Theta =-45;
% 將圖像順時針旋轉45?。
J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');% 查看imrotate使用幫助 help imrotate %-------
圖像旋轉30順時針逆時針
clear all, close all I = imread('cameraman.tif');Theta = 30;
% 將圖像逆時針旋轉30。
J1 = imrotate(I, Theta, 'nearest');
% using the nearest neighbor interpolation Theta =-30;
% 將圖像順時針旋轉30。
J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');7 說明：
?注意觀察不同插值方法和輸出圖像后處理方法的圖像表現； ?改變旋轉角度大小和方向，重做上述實驗。
3．圖像水平鏡象
clear all, close all I = imread('cameraman.tif');I1 = flipdim(I,2);
I2 = flipdim(I,1);figure(1), subplot(1,2,1), imshow(I);subplot(1,2,2), imshow(I1);figure(2), subplot(2,1,1), imshow(I);subplot(2,1,2), imshow(I2);%----
(二)用MATLAB編程實現以下圖像幾何變換（參考自編講義相關章節）
1．圖像扭曲變換 2．球面變換
三、實驗設備
1．PIII以上微機； 2．MATLAB6.5；
四、預習與思考
1．預習實驗內容，閱讀教材熟悉實驗原理；
2．查閱資料，熟悉實驗中涉及的有關MATLAB函數；
3．利用課余時間，采用MATLAB底層函數編程實現實驗內容
（二）中的圖像平移、圖像轉置等幾何變換。
五、實驗報告要求
1．簡述試驗的目的和試驗原理；
2．敘述各段程序功能，改變有關函數的參數，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。
實驗六
數字圖像處理應用
一．實驗目的及要求
1．利用MATLAB提供的圖像處理函數實現圖像中物體屬性的測量； 2．訓練綜合運用MATLAB圖像處理函數的能力； 3．了解數字圖像處理基本應用。
二、實驗內容
以大米粒特性測量為例，綜合應用課程中圖像分割、形態學濾波、圖像增強、圖像特征提取等圖像處理方法，實現大米粒特性自動測量。實驗過程簡述：
1． 讀取和顯示圖像 2． 估計圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強 5． 圖像二值化分割 6． 區域標記及為彩色處理
7． 測量圖像中的區域特性（面積、質心等）
8．統計大米粒的特性分布規律。
（一）研究以下程序，分析程序功能；輸入執行各命令行，認真觀察命令執行的結 果。熟悉程序中所使用函數的調用方法，改變有關參數，觀察試驗結果。
% Read and Display an Image clear, close all,close all;I = imread('rice.png');
figure, imshow(I)
% Use Morphological Opening to Estimate the Background
background = imopen(I,strel('disk',15));
figure, imshow(background);
%Display the Background Approximation as a Surface
figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% Subtract the Background Image from the Original Image I2 = imsubtract(I,background);figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1]);figure, imshow(I3);% Apply Thresholding to the Image level = graythresh(I3);bw = im2bw(I3,level);figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4);
% Label components.numObjects % Examine the Label Matrix RGB_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(RGB_label);% Measure Object Properties in the Image graindata = regionprops(labeled,'basic')allgrains = [graindata.Area];% Compute Statistical Properties of Objects in the Image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12
(詳見MATLAB IPT的 幫助文檔demo中的Correcting Nonuniform Illumination)
（二）查看MATLAB IPT 幫助文檔，研究其它應用演示
三、實驗設備 1．PIII以上微機； 2．MATLAB6.5；
四、預習與思考
1．預習實驗內容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關函數。
3．利用課余時間，采用MATLAB函數編程實現實驗內容
（二）。
五、實驗報告要求
1．簡述試驗的目的和試驗原理；
2．敘述各段程序功能，改變有關函數的參數，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。
第五篇：《數字圖像處理與分析》課程教學大綱
《數字圖像處理與分析》課程教學大綱
英文名稱：Digital Image Processing and Analysis 課程號：19139314
一、課程基本情況
1.學
分： 2
2.學
時： 32
3.課程類別：選修課
4.適用對象：電子與通信工程領域專業學位研究生 5.開課學期：第二學期
6.開課單位：通信與電子工程學院
二、課程教學目的與要求
1.教學目的：
該課程系統學習數字圖像處理的中高級層次的內容。其主要任務是使學生在掌握數字圖像處理常用技術的基礎上，進一步學習圖像解譯的前沿方法和技術，并初步具備設計數字圖像處理應用系統的能力。該課程主要內容包括概論、小波變換、圖像分割、特征表述、對象識別、圖像工程應用實例等。
2.教學要求：
使學生在具有數字圖像處理常用技術的基礎上，進一步掌握小波變換、圖像分割、目標表達和描述技術、特征測量技術等圖像處理與分析領域的前沿方法和技術，并初步具備設計數字圖像處理應用系統的能力，為學生進一步進行科學研究奠定堅實的基礎。
三、課堂教學內容及課時安排
第一章 圖像處理基礎
教學內容：
本章講授數字圖像處理的基本原理和一些必備的數學工具：掌握數字圖像采集和獲取的基本概念和方法、掌握數字圖像的各類增加方法、恢復方法、彩色圖像處理以及變化方法。
教學重點：數字圖像采集和獲取的基本概念和方法、數字圖像的各類增加方法、恢復方法、彩色圖像處理以及變化方法。
教學難點：彩色圖像處理以及變化方法 課時分配：講授2學時，討論2學時 教學方法與手段：講授法，案例教學法
第二章 小波變換
教學內容：
本章學習圖像小波變換的基本的的基本概念、掌握連續小波變換、二進小波變換、Haar變換、離散小波變換、多分辨率分析、快速小波變換算法、離散小波變換的設計、二維離散小波變換、雙正交小波變換、Gabor變換及其應用。
教學重點：多分辨率分析、快速小波變換算法、離散小波變換的設計、二維離散小波變換、雙正交小波變換和應用。
教學難點：Gabor變換及其應用。課時分配：講授2學時，討論2學時 教學方法與手段：講授法，案例教學法
第三章 圖像分割
教學內容：
本章要求了解圖像分割定義和方法分類，掌握邊緣檢測的基本原理和方法。掌握邊界跟蹤和圖搜索、閾值分割、基于變換直方圖選取閾值、空間聚類、區域生長、彩色圖象分割及其應用。
教學重點：邊界跟蹤和圖搜索、閾值分割、基于變換直方圖選取閾值、空間聚類、區域生長、彩色圖象分割及其應用。
教學難點：彩色圖象分割及其應用 課時分配：講授2學時，討論2學時 教學方法與手段：講授法，案例教學法
第四章 目標表達和描述技術
教學內容：
本章要求了解邊界的鏈碼表達，邊界線段的近似表達，目標的層次表達，目標的骨架表達，運動的表達，目標輪廓的傅里葉描述，目標輪廓的小波描述及其應用。
教學重點：邊界的鏈碼表達，邊界線段的近似表達，目標的層次表達，目標的骨架表達，運動的表達，目標輪廓的傅里葉描述，目標輪廓的小波描述及其應用。
教學難點：目標輪廓的小波描述及其應用 課時分配：講授2學時，討論4學時 教學方法與手段：講授法，案例教學法
第五章 特征測量技術
教學內容：
本章要求了解特征測量技術的基本原理，掌握輪廓基本參數及測量、區域基本參數及測量、區域形狀參數及測量、區域紋理參數及測量、輪廓矩和區域矩、特征測量的精確度分析與討論。
教學重點：輪廓基本參數及測量、區域基本參數及測量、區域形狀參數及測量、區域紋理參數及測量、輪廓矩和區域矩、特征測量的精確度分析與討論。
教學難點：特征測量的精確度分析與討論
課時分配：講授2學時，討論4學時，圖像測量過程演示2學時 教學方法與手段：講授法，案例教學法
第六章 圖像工程應用
教學內容：
本章要求了解基于OpenCV的人臉檢測應用，掌握Haar特征檢測原理與Haar特征分類器的訓練，掌握如何在OpenCV中使用Haar特征分類器來對圖像中的人臉進行檢測和識別，分析人臉識別示例代碼，討論人臉識別程序運行精度與改進方法。
教學重點：如何在OpenCV中使用Haar特征分類器來對圖像中的人臉進行檢測和識別，分析人臉識別示例代碼，討論人臉識別程序運行精度與改進方法。
教學難點：人臉識別程序運行精度與改進方法
課時分配：講授2學時，討論4學時，人臉識別示例代碼演示2學時 教學方法與手段：講授法，案例教學法
四、考核方法
1.考核方式：考查 2.考核形式：開卷 3.成績評定方案：
平時成績30%，期末考試成績70%。
平時成績包括：出勤5%，討論表現10%，情景演示15%
五、選用教材和主要參考資料
《圖像工程(第3版)》，章毓晉編著，清華大學出版社，2013年，第3版；
《圖像處理和分析技術（第2版）》，章毓晉編著，高等教育出版社，2008年，第2版； 《圖像處理與分析》，TonyF.Chan著，科學出版社，2011年，第1版；
撰寫人：何鵬
審定人：姚仲敏 批準人：姚仲敏
執行時間：2015年秋
點擊咨詢 