面向应用的数字图像处理课程的教学改革与实践

卢桂馥，王 勇

（ 1.安徽工程大学 计算机与信息学院，安徽 芜湖 241000；2.东南大学 信息科学与工程学院，江苏 南京 210096 ）

面向应用的数字图像处理课程的教学改革与实践

卢桂馥1，2，王 勇1

（ 1.安徽工程大学 计算机与信息学院，安徽 芜湖 241000；2.东南大学 信息科学与工程学院，江苏 南京 210096 ）

针对数字图像处理课程的特点，为对数字图像处理课程的教学进行改革，设计了一种从工程应用的实例现象中引入授课内容，然后对图像处理算法进行理论分析，最后再在实践中应用图像处理算法的教学模式。此外，对课程考核方式进行改革，加大实验实践教学在总成绩中的比重，以激发学生的学习兴趣。实践表明，新的教学方法可以极大地提高学生的动手能力与创新能力。

数字图像处理； 工程应用能力； 面向应用

数字图像处理技术最早源于20世纪20年代[1]，当时通过海底电缆从英国的伦敦到美国的纽约采用数字压缩技术传输了第一张数字照片。近年来，随着新技术和新处理手段的不断涌现，数字图像处理技术已成为集计算机科学、光学、微电子学和应用数学等学科的一门新兴交叉学科。目前，数字图像处理技术已被广泛应用于计算机视觉、模式识别、交通运输、医学和军事等各个领域，且在这些领域发挥着越来越重要的作用。

近年来，不仅本科、硕士研究生甚至博士研究生阶段，有越来越多的专业开设了数字图像处理课程。安徽工程大学也有不少专业开设有数字图像处理课程。虽然数字图像处理是一门实践性强、应用非常广泛的课程[2]，在教学的过程中，我们却发现学生普遍认为“深奥、枯燥、无用”，缺乏学习兴趣。其原因如下：

（1）由于知识点多而杂，而课时偏少（安徽工程大学各个专业的数字图像处理课程的课时普遍在32-40学时左右）。因此，教师在上课的过程中总是偏向于尽可能多地传授知识，而往往忽略了知识点之间的相互联系，使得学生对数字图像处理课程不能建立起一个完整的认识体系[3]。

（2）数字图像处理课程的理论算法涉及的先修课程知识较多，要求学生具备的理论知识较多（如概率统计，向量、矩阵和线性系统等方面的知识），并具备一定的编程能力。然而，应用型本科院校的学生普遍数学基础不够扎实，不习惯从数学的角度对数字图像处理算法进行推理和学习。因此，在学习的过程中，学生往往感觉本课程的内容偏于深奥。

（3）在教学的过程中忽视理论与实际应用之间的联系。

为了解决上述问题，进一步提高数字图像处理课程的教学效果。我们从工程应用出发，将其引入到数字图像处理的课堂教学，通过精心选择应用实例，培养学生的学习兴趣，结合教师的科研项目和学生竞赛，对图像处理算法进行设计并实现，以提高学生的动手能力。上述做法在我校的数字图像处理课程的教学中取得了良好的教学效果。

1.面向应用的数字图像处理课程教学模式

现代工程教学模式强调面向工程应用，从应用的角度组织知识点，重视学生的主体地位，挖掘学生自我学习的能力[4-5]。其主要教学思想是理论课堂采用实例化教学，从工程设计或产品开发的应用入手，将课程的知识、原理同应用实例有机结合，构成学生易于接受的从现象到原理分析，再到学生设计实验验证，最后回到工程实训的教学模式。

我校的数字图像处理课程采用经典的由冈萨雷斯编写的《数字图像处理（Digital Image Processing）》教材。全书分为12章，即绪论、数字图像基础、灰度变换与空间滤波、频率域滤波、图像复原与重建、彩色图像处理、小波和多分辨率处理、图像压缩、形态学图像处理、图像分割、表示与描述、目标识别等。教师在授课的过程中，往往偏向于算法原理的推导上，而对数字图像处理的应用相对涉及较少，从而使得学生觉得这门课理论太难，枯燥难学。

为了提高学生的学习兴趣，我们从应用出发，首先讲授某图像处理算法在工程中的应用，通过MATLAB编程，演示此算法的应用效果，然后从算法原理上来解释推导改算法，最后给出算法流程图。这里以图像处理中的边缘检测的授课为例，说明教师如何从面向应用的角度来设计教学内容和过程。

教学内容：边缘检测指的是图像特性发生变化的位置，可以利用物体和背景在某种图像特性上的差异来实现，这种差异包括灰度、颜色或纹理特征。具体而言，边缘检测通过对图像运用一阶微商算子或二阶微商算子，然后根据各图像点处的微商幅值或其它附加条件判定其是否为边界点来实现。边缘检测算子比较多，如Sobel，Roberts，Prewitt，Canny等算子。在课时有限的情况下只需要详细介绍其中的一、二种即可，其它可让学生自学。这么多的边缘检测算子是如何得到的，其算法原理有何不同。学生脑海中自然会有这样的疑问，教学的时候就可以通过应用实例来引出不同的边缘检测算子。

教学过程：第一步：演示图像处理中的某个边缘检测实例，如图1所示的图像边缘检测前后结果。这种反差非常明显的两幅图像可以紧紧抓住学生的眼球，学生会想进一步弄清这种边缘检测效果的原理是什么。

图 1 边缘检测实例

第二步：讲解边缘检测的原理。Sobel算子的两个卷积计算核分别为

第三步：用MATLAB演示各种边缘检测算子的效果，展示给学生看。

以上，以边缘检测为例阐述了面向应用的数字图像处理课程的教学过程。这里可以看出，整个教学过程借用实际的应用实例和MATLAB软件演示，可以极大地提高学生的上课兴趣，从而也提高了学生掌握好数字图像处理这门技术的自信心。

2.面向应用的数字图像处理课程教学考核

课程的考核是检验学生所学与教师授课水平的重要手段，考核的方式常用的有试卷、大作业、课程论文等多种形式[6]。就数字图像处理这门课程而言，常用的考核方式为：平时成绩（20%）、实践成绩（40%）和考试成绩（40%）。下面具体介绍这三个部分的详细内容。

平时成绩就是考核学生平时课堂表现的成绩，主要包括课堂考勤率、课堂积极性和课堂学习的主动性。实践成绩就是考核学生参加实验课程的成绩。由于数字图像处理课程具有很强的应用型，我们加大了这一部分成绩，通过对学生的每次课内实验进行验收、打分，并结合实验报告中学生课外完成的其他算法以及实验分析和心得体会进行评价，计入课程总成绩中。我们的实验主要有验证型实验、设计性实验、综合性工程实践项目等（具体见表1）。考试成绩就是课程最后采取的考试所得到的成绩。教学实践表明，这种考核不仅能反应学生全过程的学习状况，而且对提高学生学习兴趣和专业实践能力具有良好的促进作用。

表1 实验项目一览表

3.结语

结合我校数字图像处理课程的教学，对课程教学进行改革，将工程应用引入到数字图像处理课程的教学中，研究了面向应用的数字图像处理课程从演示现象到理论分析的课程授课模式，并以边缘检测实例阐述了该授课模式的过程。通过改革考核模式，加大工程应用在总成绩的比重。我们运用上述方法在我校相关专业的数字图像处理课程上进行了实践，取得了较好的教学效果。在近 2 年的全国大学生“飞思卡尔杯”智能赛车竞赛摄像头组中，我校学生屡屡获得较好成绩，验证了课程改革的效果。

[1] Gonzalez. R.C.数字图像处理（第三版）[M].北京：电子工业出版社，2011.

[2] 吴冬梅.融入研究性教学模式的《数字图像处理》课程教学改革[J].武汉大学学报（理学版），2012 ，（s2）：160-162.

[3] 马卫红，倪晋平，田会.“数字图像处理”课程教学内容优化的探索与实践[J].中国电力教育，2011，（31）：99-100.

[4] 肖来元.以需求为导向的软件专业工程教育改革研究与创新实践[J].高等工程教育研究， 2013，（6）：148-152.

[5] 郭范波， 邱战洪.工程测量项目式教学改革研究[J].测绘通报，2014，（6）：128-130.

[6] 夏晶晖.应用型本科教学中技能型课程考核方式的改革[J].西南师范大学学报（自然科学版），2013，（6）： 193-196.

Application-oriented Teaching Reform and Practice of Digital Image Processing Course

LU Guifu1,2, WANG Yong2
( 1. School of Computer and Information, AnHui Polytechnic University, WuHu, AnHui 241000; 2. School of Information Science and Engineering, Southeast University, Nanjing 210096, China )

According to the characteristics of digital image processing course, we reformed the teaching model of digital image processing course. We designed a novel teaching model, which first introduces the course from engineering application examples, then gives some theoretical analysis of image processing algorithms, and finally applies the image processing algorithms into engineering practice. Besides, we also reformed the evaluation mode and increased the percent of experience practice. Then the students’ interests in image processing course is stimulated. The teaching practice demonstrates the new teaching schema can improves the manipulative ability and innovation ability.

digital image processing, engineering application capability, application-oriented

G642

A

1673-9639 (2016) 04-0101-04

（责任编辑 田 波）（责任校对 印有家）

2016-04-28

国家自然科学基金项目（YJY-2011-17）；安徽省教育厅高等学校省级质量工程项目（2015jxtd018）；安徽工程大学本科教学质量提升计划项目（2014xquz02）。

卢桂馥（1976-），男，安徽工程大学计算机与信息学院教师，博士，研究方向：图像处理，模式识别。王 勇（1979-），男，安徽六安人，副教授，研究方向：人工智能，软件工程。