胡彬

摘 要 分析數(shù)字圖像處理的課程特點(diǎn)，根據(jù)學(xué)生特點(diǎn)和課程規(guī)劃對課程內(nèi)容進(jìn)行合理安排，選取適合學(xué)生的課程內(nèi)容。在教學(xué)中通過加強(qiáng)實踐訓(xùn)練、引入OpenCV和最新的科研成果，提高學(xué)生的創(chuàng)新能力和動手能力，提升數(shù)字圖像處理課程教學(xué)質(zhì)量。

關(guān)鍵詞 數(shù)字圖像處理；OpenCV；實踐創(chuàng)新能力

中圖分類號：G642.4 文獻(xiàn)標(biāo)識碼：B

文章編號：1671-489X（2016）04-0118-02

1 前言

數(shù)字圖像處理是一門集光學(xué)、計算機(jī)科學(xué)、應(yīng)用數(shù)學(xué)等學(xué)科為一體的綜合性學(xué)科，經(jīng)過多年的發(fā)展，該學(xué)科在通信工程、遙感技術(shù)、醫(yī)用圖像處理等許多領(lǐng)域都發(fā)揮著越來越重要的作用[1]。隨著技術(shù)的發(fā)展，數(shù)字圖像處理領(lǐng)域不斷涌現(xiàn)出新方法，這就要求授課教師將最新的成果和前沿知識納入教材，以適應(yīng)學(xué)科的發(fā)展。數(shù)字圖像處理又是一門實踐性很強(qiáng)的學(xué)科，《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010—2020年）》指出，教學(xué)不能單純地進(jìn)行知識的灌輸，要以提高學(xué)生的實踐能力為目標(biāo)[2]。

在南通大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院實施“國家卓越工程師培養(yǎng)計劃”項目背景下，筆者積極探索數(shù)字圖像處理的教學(xué)模式。本文分析了數(shù)字圖像處理課程的特點(diǎn)，在教學(xué)中引入了實踐應(yīng)用和最新科研成果，取得了較好的教學(xué)成果。

2 數(shù)字圖像處理學(xué)科特點(diǎn)

數(shù)字圖像處理課程主要講述數(shù)字圖像的基本原理、理論和方法，內(nèi)容包括了圖像增強(qiáng)、變換、恢復(fù)、重建、分割、識別等內(nèi)容，涉及算法繁多，理論性和實踐性都很強(qiáng)，和數(shù)學(xué)的聯(lián)系非常緊密。整個課程體系更是涉及模式識別、數(shù)據(jù)結(jié)構(gòu)、數(shù)字信號處理、程序設(shè)計等支撐課程，主要有以下兩個特點(diǎn)。

1）理論與實踐并重。該課程內(nèi)容寬廣、理論抽象、算法繁多，同時與實際生活聯(lián)系緊密，傳統(tǒng)教材內(nèi)容以理論介紹為主，強(qiáng)調(diào)理論體系概念，較少涉及編程和應(yīng)用，導(dǎo)致學(xué)生理論與實際脫節(jié)，不利于培養(yǎng)學(xué)生發(fā)現(xiàn)問題、解決問題以及創(chuàng)新的能力[3]。

2）發(fā)展速度快，應(yīng)用范圍廣。圖像視頻處理領(lǐng)域的新理論、新方法、新應(yīng)用不斷推陳出新，每年在CVPR這樣的國際會議和國際期刊上涌現(xiàn)出大量的新方法。其應(yīng)用領(lǐng)域也涉及智能交通、公共安全、生物醫(yī)學(xué)等各個方面。

針對課程的特點(diǎn)，本文規(guī)劃了合理的教學(xué)內(nèi)容，強(qiáng)化了實踐教學(xué)，并將科研引入教學(xué)，下文將從這幾點(diǎn)敘述。

3 合理規(guī)劃教學(xué)內(nèi)容

數(shù)字圖像處理涉及內(nèi)容相當(dāng)多，章毓晉將圖像工程分成三個層次，從偏硬件的圖像獲取，中間層次的圖像處理，到高層的圖像理解[5]，以有限的課時要把所有內(nèi)容都涉及是不現(xiàn)實的，而且學(xué)生也無法掌握。針對計算機(jī)學(xué)院的教學(xué)大綱和偏軟的特點(diǎn)，將課程重點(diǎn)安排在中間層次上，表1所示為教學(xué)內(nèi)容安排。

圖像采集部分和圖像編碼做簡要介紹，旨在讓學(xué)生了解構(gòu)成一個圖像采集系統(tǒng)所需的攝像頭和采集卡的基本原理。對于中間層次的內(nèi)容，分成四個主題，分別是圖像增強(qiáng)、圖像平滑、邊緣檢測和圖像分割，而且重點(diǎn)介紹基于空域的方法，基本不涉及頻域（如傅里葉變換、小波變換等）的處理方法，涉及的算法從點(diǎn)運(yùn)算到鄰域運(yùn)算，編程實現(xiàn)上也是一個由簡到難的過程。

圖像理解方面則選擇基于視覺的目標(biāo)檢測作為主題，此處引入OpenCV作為編程工具，讓學(xué)生能夠?qū)W習(xí)掌握新的圖像處理工具。安排了兩個子主題：基于知識的車輛檢測和基于機(jī)器學(xué)習(xí)的行人檢測。前者的解決需要將前面介紹的知識點(diǎn)串聯(lián)起來，后者則引入圖像識別、模式識別相關(guān)的知識，同時可以將一些前沿知識介紹給學(xué)生。

4 強(qiáng)化實踐教學(xué)

在教學(xué)內(nèi)容規(guī)劃上，以基于空域的圖像處理方法為重點(diǎn)，重點(diǎn)涉及圖像增強(qiáng)、圖像平滑、邊緣檢測、分割和識別等內(nèi)容，在每一個主題課堂教學(xué)之后，就立即安排實驗，讓學(xué)生在理論學(xué)習(xí)之后能夠立即通過實踐鞏固所學(xué)知識。實驗平臺選擇為Visual Studio2012，語言選擇為C++，提高了學(xué)生的程序設(shè)計能力。對于圖像理解這一部分，由于這部分難度比較大，引入OpenCV，它是一個基于C++的開源圖像處理庫，涵蓋了圖像處理的基本算法、機(jī)器學(xué)習(xí)的部分算法和GUI相關(guān)的接口。學(xué)生在利用OpenCV解決問題的時候，可以同時參考其源碼，將其與前面實驗時自己寫的代碼比較，這樣既加深了對算法的理解，又提高了編程能力。

5 將科研引入教學(xué)

在教學(xué)中引入科研實例和科研成果，可以使學(xué)生明確學(xué)習(xí)目的，激發(fā)學(xué)習(xí)和探究的興趣，提高學(xué)生自主研究意識和創(chuàng)新能力，學(xué)生可以了解該方向的前沿技術(shù)和應(yīng)用領(lǐng)域，對以后的學(xué)習(xí)和工作都有重要的引導(dǎo)作用。在圖像理解這一單元的學(xué)習(xí)時，就將科研引入教學(xué)中，比如針對行人檢測，介紹了HOG特征[6]、objectness檢測[7]等前沿的科研。

6 綜合評定學(xué)生成績

在本課程中，筆者則通過綜合評定方式來確定學(xué)生的成績。教學(xué)內(nèi)容的安排多以經(jīng)典算法講解為主，由于課時有限，不可能將更新、更前沿的算法一一介紹，這就要求學(xué)生課后去閱讀學(xué)習(xí)。因此就某一問題，如圖像分割，去進(jìn)行課后閱讀并撰寫綜述報告是考核重點(diǎn)之一。另一項考核內(nèi)容則是實驗部分，要求學(xué)生完成一定量的實驗并撰寫實驗報告，動手能力強(qiáng)的學(xué)生則可以通過完成更多的實驗項目來提高分?jǐn)?shù)。

7 小結(jié)

數(shù)字圖像處理是一門發(fā)展迅速的學(xué)科，也是一門理論與實踐并重的學(xué)科，因此對教學(xué)的要求也比較高。本文從自身教學(xué)出發(fā)，總結(jié)數(shù)字圖像處理的特點(diǎn)，提出在教學(xué)中加強(qiáng)實踐應(yīng)用和引入最新科研成果的新思路，并在教學(xué)中加以實施，提高了學(xué)生的創(chuàng)新能力和實際編程能力。

參考文獻(xiàn)

[1]孫少林，馬志強(qiáng)，湯偉，等.《數(shù)字圖像處理》教學(xué)改革初探[J].價值工程，2012，31（8）：168-169.

[2]曹玉東，王冬霞，周軍.數(shù)字圖像處理課程教學(xué)改革與探索[J].遼寧工業(yè)大學(xué)學(xué)報：社會科學(xué)版，2013（2）：129-131.

[3]賈永紅.“數(shù)字圖像處理”課程的建設(shè)與教學(xué)改革[J].高等理科教育，2007（1）：96-98.

[4]劉文禮，陶佰睿，何鵬，等.面向創(chuàng)新實踐能力培養(yǎng)的數(shù)字圖像處理教學(xué)改革[J].高師理科學(xué)刊，2013（1）：93-95.

[5]章毓晉.中國圖像工程15年[J].哈爾濱工程大學(xué)學(xué)報，

2011，32（9）：1238-1243.

[6]Dalal N， Triggs B. Histograms of oriented gradients for human detection[R].IEEE Conference on Computer Vision & Pattern Recognition，2005，1（12）：886-893.

[7]Cheng MM， Zhang Z， Lin WY， et al. BING： Binarized normed gradients for objectness estimation at 300fps[R].IEEE Conference on Computer Vision & Pattern Recognition，2014：

3286-3293.