一、课程简介

1. 课程目标

数字图像处理是人工智能领域的重要技术。《数字图像处理》课程主要内容包括图像处理的部分基础知识与相关技术的简单应用。开设该课程的目的是让学生通过本课程的学习，提前了解数字图像处理的知识体系并掌握一些基本技能，为学生入学后学习理论知识与强化工程实践能力奠定基础。

2. 教学团队

徐枫 教授

卢思超 助理研究员

 

二、内容提要与教学要求

1. 内容提要

本课程分理论与实践两部分。理论部分主要使学生基本了解数字图像处理的基本概念和原理，例如图像数字化、灰度直方图、边缘检测等。实践部分主要包括OpenCV的基本操作，无C++背景的学生建议在学习完Python后进行。学生入学后可以修读《数字图像处理》与《计算机视觉》课程开展后续学习。

2. 教学内容与教学要求

序号	教学内容	教学要求
第1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2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3-4周	第3章 图像增强 3.1图像增强的点运算 3.2图像的空间域平滑 3.3图像的空间域锐化 3.4 频率域增强 3.5 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5-6周	第4章 图像分割 4.1 边缘检测 4.2 Hough变换检测直线 4.3 区域分割 4.4 区域增长 4.5 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7周	第5章OpenCV的搭建 5.1 图像的基本操作 5.2 图像的二值化 5.3 图像的变换	能够独立安装计算机视觉库OpenCV，掌握C++或Python版任一种即可,建议在Linux操作系统下进行； 能够使用OSTU算法、自适应阈值法对图像进行二值化操作； 能够对图像进行反转、仿射等变换。
第8周	第6章 基于OpenCV的边缘检测 6.1 Sobel算子与Scharr算子 6.2 Canny算法	能够独立编写代码进行边缘检测。

 

三、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。

(3) 动手编写可正确运行的OpenCV程序。

四、建议参考书

1. 数字图像处理，《数字图像处理》，武汉大学出版社，2023.

2. 朱文伟 李建英，《OpenCV 4.5计算机视觉开发实战：基于Python》，清华大学出版社，2022.

3. 朱文伟 李建英，《OpenCV 4.5计算机视觉开发实战（基于VC++）》，清华大学出版社，2021.

 

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。

 （编辑：徐枫  审核：王文通  批准：刘强）