活动新闻
研究生先导课程二：《数字图像处理》课程教学
一、课程简介
1. 课程目标
数字图像处理课程是人工智能相关专业的专业基础课之一。主要内容包括三部分：第一部分是数字图像处理的基础，由绪论、数字图像处理的基本概念和图像变换三章组成；第二部分是数字图像处理的理论、方法和实例，包括图像增强、图像复原与重建、图像编码与压缩三章；第三部分是图像特征提取与分析的基本理论、方法和实例，包括图像分割、二值图像处理与形状分析、纹理分析、模板匹配与模式识别四章。开设该课程的目的是让学生通过本课程的学习，掌握有关数字图像处理的基本概念、方法、原理及应用，培养和增强学生创新意识和创新思维，提高实际动手能力和创新能力，不仅为学生进一步学习图像理解和计算机视觉等专业课程奠定基础，而且能应用数字图像处理知识和技术解决自然科学、工程技术和实际生活中遇到的问题。
2. 教学团队
徐枫 教授
卢思超 助理教授
二、内容提要与教学要求
1. 内容提要
本课程主要讲解图像处理的基本概念、基本原理、典型方法、和实用技术。主要包括数字图像处理的基本概念，图像变换，图像增强，图像复原与重建、图像编码与压缩，图像分割，二值图像处理与形状分析，纹理分析，模板匹配与模式识别等内容。
2. 教学内容与教学要求
序号 | 教学内容 | 教学要求 |
第一周 | 第1章 绪论 1.1数字图像处理的概念 1.2 数字图像处理的内容和特点 1.3 数字图像处理的应用 | 了解图像的基本概念，和图像处理系统以及应用。 |
第二周 | 第2章 数字图像获取 2.1图像数字化 2.2 图像灰度直方图 2.3图像处理算法的形式 2.4 图像的数据结构与特征 | 学习图像的数字化； 掌握基于直方图的图像处理方法； 掌握图像的数据结构和图像处理算法的形式。 |
第三周 | 第3章 图像变换 3.1 图像变换的预备知识 3.2 傅里叶变换及其性质 | 掌握图像变换的原理和数学基础； 掌握傅里叶变换及其性质。 |
第四周 | 第4章 图像增强 4.1图像增强的点运算 4.2图像的空间域平滑 4.3图像的空间域锐化 4.4 频率域增强 4.5 彩色增强技术 | 掌握基于模板的运算； 掌握灰度映射和直方图变换的原理和方法； 掌握空间域图像增强的方法； 掌握频率域图像增强的方法； 掌握彩色图像的增强技术。 |
第五周 | 第5章 图像复原与重建 5.1图像退化模型 5.2图像复原 5.3 图像几何校正 | 掌握图像消噪的原理和方法； 掌握图像复原的原理和方法； 掌握图像滤波技术； 掌握图像仿射变换和几何失真校正的原理和方法。 |
第六周 | 第6章 图像压缩 6.1概述 6.2图像保真度准则 6.3 统计编码方法 6.4 图像压缩的标准 | 掌握图像编码的原理和几种基本方法； 了解图像压缩的标准。 |
第七周 | 第7章 图像分割 7.1 边缘检测 7.2 Hough变换检测直线 7.3 区域分割 7.4 区域增长 7.5 分裂合并法 | 掌握边缘检测的原理和方法； 学习图像分割的原理和典型方法； 掌握Hough变换； 掌握基于区域的分割方法。 |
第八周 | 第8章 二值图像处理 8.1二值图像的连接性和距离 8.2连接成分的变形操作 8.3 形状特征提取 | 掌握二值图像相关的原理和方法； 掌握形状特征提取的方法。 |
第九周 | 第9章 纹理分析 9.1 概述 9.2 Laws纹理能量测量法 9.3 纹理分析的自相关函数法 9.4 灰度共生矩阵分析法 | 学习纹理分析的原理和基本方法； 掌握灰度共生矩阵分析法。 |
第十周 | 第10章 模板匹配 10.1 模板匹配 10.2 图像识别概述 | 学习图像识别的基本概念和方法。 |
三、学习要求和课程考核
1. 学习要求
(1)利用视频资源和教材进行学习；
(2)完成在线课程的作业和单元测验，进行课后练习。
2. 课程考核
2022年9月开学后进行课程考试。
四、参考书籍和参考资料
1.《数字图像处理》（第三版），武汉大学出版社，贾永红编著，2015年7月.
2. 章毓晋，《图像工程（上册）：图像处理（第4版）》，清华大学出版社，2018.
3. (美) 拉斐尔 C. 冈萨雷斯 (Rafael C. Gonzalez), (美) 理查德 E. 伍兹 (Richard E. Woods) 著，阮秋琦 等 译，《数字图像处理（第四版）》，电子工业出版社，2020.
4. 苏光大，《图像处理系统》，清华大学出版社，2020.
五、学习导航
1. 课程来源：中国大学MOOC，《数字图像处理》课程（国家精品），贾永红。
2. 课程资源:
通过如下链接进入课程：
https://www.icourse163.org/course/WHU-1002332010
3. 进入课程首页后，点击“立即参加”或“已参加，进入学习”，即可进入学习页面。
4. 每章节通过视频学习后，再阅读教材加深理解，然后进行作业练习。
