基于团队学习的研究生创新能力培养

蒋良孝，李超群

（1.中国地质大学（武汉）计算机学院，湖北 武汉 430074；2. 中国地质大学（武汉）数学与物理学院，湖北 武汉 430074）

徐 琪， 曾卫明， 章夏芬

（上海海事大学 信息工程学院，上海 201306）

基于团队学习的研究生创新能力培养

蒋良孝1，李超群2

（1.中国地质大学（武汉）计算机学院，湖北 武汉 430074；2. 中国地质大学（武汉）数学与物理学院，湖北 武汉 430074）

针对当前研究生创新能力培养存在的问题，分析研究生进行团队学习的优势，以中国地质大学（武汉）数据挖掘研究生学习团队CUG-Miner为例，阐述构建高效研究生学习团队的具体举措，提出培育研究生学习团队成员的若干建议。

研究生教育；团队学习；创新能力；培养模式

团队学习的概念[12]早在20世纪60年代由英国著名经济学家Reg Revans提出，20世纪80年代末美国组织专家对其重点研究，自此以后，团队学习成了理论界和实务界广为关注的一个热点。学者们纷纷从各自的研究领域出发，对团队学习进行概念界定[2]。研究生团队学习就是在研究生中组建学习小组，提供相应的学习条件，在一定的管理机制下，有计划、有组织地进行创新性学习，通过小组成员的深度交流推动整个团队的学习，实现个人与团队的互动成长，提高研究生的培养质量[3]。研究生团队学习理念在西方高等教育界很受重视，并体现在高校硬件设施的建设中，比如圆桌会议室、餐桌会议室、带投影和数字传送功能白板的小隔间等。近年，我国研究生扩招带来了一系列问题，为此，各研究生培养单位积极探索创新型人才培养模式，不少科研院校纷纷尝试研究生团队学习，试图以此为突破口解决当前研究生的创新能力培养问题[4]。

1 当前研究生创新能力培养存在的问题

（1）培养方式单一。自从教育部教研[2009]1号文件发布以来，我国硕士研究生主要包括学术型和专业型[5]。学术型研究生以培养教学和科研人才为主，授予学术型学位；专业型研究生以培养满足市场紧缺的应用型人才为主，授予专业型学位。二者具有不同的培养方向，理应具有不同的培养方式。然而，在实际的研究生培养过程中，培养方式区分不明，甚至几乎共用相同的培养方式。

（2）课程体系涉及内容范围较窄。研究生课程主要包括学位必修课和选修课，然而无论是必修课还是选修课，涉及的内容范围都较窄，跨专业跨学科课程较少。这种课程体系的局限性导致研究生的基础理论不能在专业基础上拓宽, 研究生的知识面和研究视野狭窄, 适应能力较差，不利于研究生创新能力的培养。

（3）教学方式本科化趋势严重。由于课时设置等多方面的原因，研究生教学大都以任课教师大班课堂讲课为主, 缺乏必要的课堂讨论和上机实习环节, 不利于研究生自学能力、创新能力和解决实际问题能力的培养。

（4）培养单位对研究生导师的考核与评价体系存在不合理现象。以笔者所在的学校为例，研究生导师要同时接受导师资格考核和岗位聘任考核，在考核和评价导师的过程中，大都偏重科研指标的考核，并且主要关注导师为第一作者的研究成果，导致研究生导师无法潜心指导研究生，甚至出现导师和学生抢占第一作者的现象，毕竟学生在参评国家奖学金和优秀硕士学位论文的时候也主要关注学生本人为第一作者的研究成果。

（5）部分研究生导师指导的学生数量过多。当前中国研究生培养大都实行导师责任制, 随着硕士研究生招生规模的扩大, 尽管研究生导师的人数也在增加，但研究生招生还是相对集中在少数导师身上，导致部分研究生导师指导的学生数量过多，指导效果难以保证。

（6）研究生的生源质量下降。以笔者所在的学校为例，研究生招生的生源主要来源于本校的推免生和报考生。早些年，受限于国家教育部推免政策及相关规定，几乎每个专业都只有综合排名前两名的本科毕业生才具有推免外校的资格，大部分具有推免资格的学生都只能推免本校相关专业，学生生源稳定，质量相对较高。近年来，随着国家推免政策的全面放开，绝大部分能力较强的学生都选择推免外校，人才流失严重，研究生生源质量下降严重。

2 研究生进行团队学习的优势

（1）研究生团队学习有利于形成学生队伍梯队。研究生团队学习的第一步就是要在研究生当中组建起不同的学习小组。学习小组的划分往往根据学生的研究兴趣和方向，同一组的学生往往具有相同或者相近的研究兴趣和方向。同时在分组的时候，还要考虑到不同年级学生的交叉搭配，有利于形成学生队伍梯队。这样，导师从原来对研究生个人的指导转变为对研究生团队的指导，节约了导师的指导时间和精力，同时也提升了导师的工作效率。

（2）研究生团队学习有利于提高学习效率。在讨论研究生的学习效率之前，我们不妨先来看看与研究生学习生涯密切相关的几件事情：文献阅读、实验分析和论文写作。然而，对于刚刚入校的低年级研究生来说，无论是文献阅读还是实验分析和论文写作都缺乏学习经验和技巧。然而在团队学习形式下，高年级研究生可以向低年级研究生分享学习经验和技巧，减少了低年级研究生独自摸索带来的时间和精力浪费。

（3）研究生团队学习有利于拓展知识的广度和深度。研究生首先需要完成的任务就是确定自己的研究方向，这往往需要研究生先对该研究方向相关的背景知识进行充分的积累和调研，从中找到自己真正感兴趣的研究方向。在个体学习形式下，出于时间和精力的限制，获取知识的广度和深度非常有限。在团队学习形式下，团队中的每一个成员都有不同的研究方向和研究深度，都可以向团队中其他成员学习，从而拓展了每一个成员的知识视野，增加了整个研究生团队获取知识的广度和深度。

3 构建高效研究生学习团队的具体举措

笔者于2012年组建了中国地质大学（武汉）数据挖掘研究生学习团队（地大矿工，CUGMiner）。团队自组建至今，共培养硕士研究生14人，其中毕业9人，在读5人。团队成员以第一作者在中国计算机学会推荐的国际重要期刊和会议上发表学术论文10余篇，申报国家发明专利6项，获计算机软件著作权6项；3名成员远赴德国、爱尔兰、西班牙参加国际学术会议，其中1名还获得2016年度国际人工神经网络会议学生旅费奖； 5名成员获国家硕士研究生奖学金；4名成员主持过国家级大学生创新创业训练计划项目。CUG-Miner团队先后斩获2017年度湖北省第十一届挑战杯大学生课外学术科技作品竞赛二等奖、2014年度中国数据挖掘竞赛第四名、2012年度亚太地区知识发现与数据挖掘竞赛学生组亚军。下面在总结现有研究成果的基础上[2]，结合CUG-Miner团队建设的实践，谈几点构建高效研究生学习团队的具体举措。

（1）打造勇于创新的团队文化。团队文化是一个团队发展的基石和灵魂，也是一个团队能否长远发展的根本所在。一个优秀团队的建设和发展，需要靠团队文化支撑。一个研究生学习团队的精神和气质往往由导师决定，导师一定要为研究生学习团队注入勇于创新、敢于吃苦、甘于坐冷板凳的精神和气质。当然一个团队的精神和气质最终要落实到每一个团队成员身上来，这就要求导师在招生的时候严格把关，充分利用双向选择的优势，招收符合团队精神和气质的研究生。

（2）明确学习团队的共同目标。构建高效研究生学习团队的前提条件就是要为整个研究生团队制定一个明确且被所有成员认同的共同目标。如果整个团队的共同目标不够明确或者不被所有成员认同，就会影响整个团队的工作效率和凝聚力。研究生学习团队的总体目标是培养研究生的创新能力，具体目标可在不同的时间阶段根据团队学习的任务来定，比如课程学习、学术竞赛、文献调研与综述、研究项目实施、学习经验交流等。

（3）配置合理的团队成员构成。就笔者多年带研究生的经验来看，一个研究生学习团队通常由同一个导师指导的不同年级的研究生组成。如果一个导师按平均一年招收2个硕士研究生计算，那么整个研究生学习团队在同一时间阶段的成员数为6人左右，这刚好是一个研究生导师的时间和精力可以顾得过来的范围。导师可以充分发挥高年级学生“传帮带”的作用，帮助低年级学生快速、健康成长。此外，导师在招生的时候，还可以适当注意团队成员在性别、性格、专业背景等方面的差异和互补性，以保证团队成员构成的多样性，从而促进整个团队全面积极地发展。

（4）发挥导师的团队指导作用。首先，导师应为团队学习提供相应的配套条件,此外, 还可创建QQ或者微信群等虚拟网络交流平台, 以便团队成员之间探讨问题，分享学习经验、技巧和成果。导师还应对研究生团队学习提供适度的指导, 参与团队学习计划制定、学习过程讨论及学习效果评价。比如，导师可以为整个团队定制“入团队承诺书”“建议培养方案”“文献阅读模板”“算法实验模板”“论文撰写模板”“专利申报模板”和“软件著作权申报模板”等一系列相关规定和模板文件。

（5）规范学习团队的管理制度。具体来说，就是对团队成员进行合理的考核评价, 并将其纳入研究生日常管理体系。在导师的指导下, 团队成员每周将学习内容和阶段性成果按团队规定的模板和格式要求认真准备，以便在例会中充分讨论和深入交流。把例会活动作为团队的惯例活动，纳入考勤范畴，对团队成员参加例会活动的次数、学习计划、学习总结、学习成果等进行考核，并将个人表现及团队学习成效作为研究生评价和助教助研考核的重要参考指标。

4 培育研究生学习团队成员的若干建议

1）打好基础，跟对导师。

对一个计算科学与技术专业的研究生而言，所谓的基础主要是指英语、数学和计算机编程能力。如果没有掌握好这些基本的知识和技能，后期创新能力的培养肯定会受到影响。另外，研究生选择导师同样非常重要。研究生一定要想清楚自己到底想要什么，然后根据自己的需要和兴趣来选择适合自己的指导老师，找到和自己兴趣和性格相投的导师是研究生学习成功的关键。

2）参与科研，潜心研究。

经过前面两个环节的精心准备，研究生还需要以主人翁的心态参与到科学研究活动的各个环节中去。

（1）积累专业英语词汇。最重要的途径就是自学几本与自己研究方向紧密相关的国外优秀教材，最好是有中英文对照的教材。学习的时候，两个版本同时购买。看的时候，也交替着看。具体说来，可以分三遍制：第一遍以中文版为主，英文版为辅；第二遍以英文版为主，中文版为辅；第三遍只看英文版，不到迫不得已不要看中文版。通过对几本英文原著的阅读，可以积累必备的专业英语词汇，提高自己外文文献的阅读能力，为后续的创新活动打基础。

（2）广泛阅读文献资料。在阅读文献的时候可以先看综述性论文，后看创新性论文，同时粗看和细看相结合。看综述性论文旨在整体把握，缩小阅读范围；看创新性论文旨在比较研究，找到问题突破口。粗看一般只需看摘要、引言和结论部分；细看则需要仔细阅读论文的每一个细节，哪怕是一个参数的设置也不要放过。

（3）跟踪同行现有的研究成果。跟踪同行研究的手段和方法有很多种，如跟踪作者、跟踪会议、跟踪研究室、跟踪关键词、跟踪参考文献等。一般来说，在任何一个研究领域，都有一些知名的专家教授、会议和研究室，只要把握住他们的研究动态，就不会失去研究的方向。关键词跟踪一般应用在研究者对自己要找寻的东西没有太多了解的情况下，这种方法的不足之处在于查找的结果往往比较多，还需要进一步筛选。参考文献跟踪的方法就是在看论文的时候，根据需要把文章所引用的论文也找来看看。

（4）学术论文的撰写。一个好的想法还远不能等同于一篇好的论文，至少还需要在语言和结构上下一番工夫。关于论文语言，笔者认为有一种行之有效的方法就是在平时阅读文献的时候，专门用一个笔记本把别人论文中用得比较好的语句记录起来，以备写作时模仿。关于论文结构，尽管论文的类型不同，论文的结构会有些出入，但基本上都会包括这样几个部分：标题、作者及其工作单位、摘要、关键词、引言、相关工作评述、新方法的提出部分、实验结果与分析、结论与展望、参考文献。其实科技论文的写作颇有几分八股文的味道，每次论文写作几乎都是先套用论文的一般结构，然后用填鸭式的方法去充实和完善论文的细节。

5 结 语

社会和科学发展日新月异，随着学科交叉和信息融合的不断深入，研究生团队学习已经成为各科研院校培养研究生创新能力的有效途径。基于团队学习的研究生创新能力培养模式，可以有效提高研究生的创新能力和综合素质，对新时代背景下的高层次创新型人才培养具有十分重要的意义。中国地质大学（武汉）数据挖掘研究生学习团队CUGMiner的实践与探索已经取得了一定的成效，希望今后在学院和学校的支持下，进一步提升研究生成果产出的质量和数量，为我校计算机科学进入ESI排名前1%、甚至成为一流学科贡献力量。

[1] 姚广涛, 资新运, 张卫锋. 基于科研团队的研究生培养模式研究[J]. 军事交通学院学报, 2014(3): 82-85.

[2] 王军会, 李雷鸣, 车诚, 等. 团队学习与高效研究生学习团队的构建[J]. 中国成人教育, 2012(6): 51-52.

[3] 邢以群, 姚静. 研究生团队学习模式的实践与探讨[J]. 学位与研究生教育, 2004(2): 23-26.

[4] 王军会, 李雷鸣, 车诚. 从中外研究生培养谈基于团队学习的研究生培养模式[J]. 中国石油大学学报(社会科学版), 2011(2): 98-102.

[5] 裴明涛. 面向应用的学术型研究生培养[J]. 计算机教育, 2017(2): 88-90.

1672-5913(2017)11-0055-03

G642

中国地质大学（武汉）2017年度研究生教育教学改革研究项目（YJG2017214）。

蒋良孝，男，教授，研究方向为数据挖掘与机器学习，ljiang@cug.edu.cn。

（编辑：彭远红）

教育与教学研究

图像增强算法的综合实验教学研究

徐 琪， 曾卫明， 章夏芬

（上海海事大学 信息工程学院，上海 201306）

文章编号：1672-5913(2017)11-0058-04

中图分类号：G642

摘 要：针对计算机图像处理课程中算法公式复杂难懂，原理枯燥又抽象的问题，以图像增强算法为例，设计并讲解3个理论联系实践的综合小实验，引导学生进一步理解算法的原理和动机，为计算机图像处理课程中图像增强算法的教学提供参考。

关键词：计算机图像处理；图像增强算法；图像灰度分布调整；图像平滑；图像锐化

第一作者简介：徐琪，女，讲师，研究方向为图像处理、模式识别， qixu@shmtu.edu.cn。

0 引 言

图像增强是计算机图像处理课程中算法的综合性比较强的1章,面对枯燥而又抽象的算法公式，本科生在学习过程中普遍表示理解有困难，更重要的是学生对于这些算法的动机和算法的实际应用没有直观清楚的认识。因此，在该课程章节配套的实验教学环节，设计1套贴近学生平常能接触到的实际问题的综合实验，使同学们通过编程实验理解算法步骤，灵活融合各种相关算法以解决实际问题，从而能够深刻领悟算法背后的动机是非常重要而有意义的。

1 图像增强算法教学现状

图像处理是一门交叉性学科，其中的图像增强是要通过对图像的某些特征进行强调和锐化，以便显示、观察或进一步分析处理，其算法融合了矩阵运算、信号滤波、微分差分等比较复杂的数学计算和信息论原理。

有些教师认为，数字图像在计算机中的表达就是1个数矩阵，对图像进行增强操作，实际上是对矩阵进行操作，对矩阵表达和操作的深入了解是学好图像增强不可缺少的条件。因此，大部分学时用来强调数学中的矩阵运算，但1个屏幕接1个屏幕的数学公式和矩阵使学生产生畏难情绪，影响学生学习图像增强的兴趣。

有些教师选择避开数学原理，直接从计算机编程角度来进行实验教学，利用较多学时来重点讲解关键算法的编程实现，应用背景讲解缺乏细节。在这种教学方式下，学生是对关键算法进行了编程实现，却很难将所学的基本理论知识与相关应用领域建立起联系，谈不上灵活应用与创新。这样就使得原本很重要的实践环节变成了理论学习的辅助，极大降低了图像处理实验对学生的吸引力，也影响到最终教学效果。

2 实验教学资源建设

图像增强的算法很多，但图像增强的结果主要依靠人的主观感觉来评价。要改变学生学习算法的畏难情绪，就要理论联系实际，通过实际应用来增强算法的效果意义。笔者结合教材中的基本经典增强算法和学生这个年轻群体的日常相关问题，设计了1套简化的针对自拍照片进行滤镜处理的综合小实验：怀旧老照片滤镜、美颜美肤滤镜以及平面油画滤镜。

实验以《数字图像处理（第二版）》中图像增强章节中基于点运算的灰度分布调整算法、图像平滑算法和图像锐化算法3类算法为例[1]，并结合彩色图像处理的基本概念，将作用于灰度图像的图像增强算法扩展到彩色图像，达到彩色图像增强的目的。实验过程中，使用Matlab图像处理工具箱[2]进行图像处理程序开发与设计。Matlab图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数可以完成大部分图像处理工作，对不能直接调用库函数完成的任务，Matlab也可通过自编的m文件来实现。数字图像在计算机中的呈现就是一个数字阵列，即数字矩阵，Matlab擅长矩阵运算的特点使其用于数字图像处理非常合适[3]。文章中所涉及的实验使用Matlab图像处理工具箱的优点就是降低本科学生算法编程的难度，使得学生只要掌握了算法原理和算法基本步骤就能编程实现。

2.1 怀旧老照片滤镜原理与实验设计

怀旧老照片的特点是图像低饱和度、低亮度、主色调偏黄，涉及的图像增强相关算法为：线性动态范围调整算法和彩色分量比例调整算法。

线性动态范围调整算法的原理是进行像素点对点的、灰度级的线性映射。该映射关系通过调整参数来实现对图像亮暗差异的改变。在设计老照片滤镜的实验中，引导学生思考怎样选择参数来达到老照片偏暗淡的效果，是整体亮度都线性调暗，还是只针对比较亮的像素进行部分调整。线性动态范围调整的效果并不是最好的，还应该引导学生拓展思考非线性的动态范围调整算法，并思考其中的原因，得出人眼对亮度的识别是对数关系而非线性关系这一结论。

彩色分量比例调整是为了使图像主色调偏黄色，根据显示器彩色模型加色系统原理，将图像红色分量和绿色分量像素值增加50～100，则图像色调将显示偏黄色，具体要增加的像素值由学生根据实验图片自行调整。

图1是一幅图像按照上述算法做旧成老照片的示例。在1-1图中，对读入的彩色图像，取其红色通道分量和绿色通道分量，像素值分别增加100，即得到图1-2的调整效果图。然后，为使图像整体亮度偏暗，需提取彩色图像的亮度分量进行线性动态范围调整，即将图1-2的色彩空间调用rgb2hsv( )函数进行变换，取变换后的value分量（亮度分量）进行动态范围调整：调用imadjust( )函数，输入参数取值为[0, 1]，输出参数取值为[0, 0.7]，即可得到图1-3所示效果。

图1 怀旧老照片滤镜效果图

2.2 美颜美肤滤镜原理与实验设计

对照片进行美肤美颜的一般要求是将图像中人物皮肤进行“磨皮”，使其比真实图像人物皮肤光滑，换句话说就是要使图像中人物皮肤像素值分布更均匀；同时要调整图像的整体亮度，使图像看上去更为清晰明亮，涉及的图像增强的相关算法为：边缘保持类滤波器算法和直方图均衡化算法。

要使得图像分布更为均匀，应使用平滑滤波器对图像进行低通滤波，但普通的平滑滤波在平滑图像的同时会模糊图像中的边界。显然，这与我们的滤镜设计要求是冲突的，因此，我们设计使用边缘保持类滤波器算法——KNN平滑滤波器来达到“磨皮”的同时又能保持边界清晰的目的。实验过程中，要求学生自行编程设计KNN平滑滤波器，编程过程中，引导学生通过经验调整KNN平滑滤波器中滤波窗口大小的设计、窗口大小和K值设定的关系。

直方图均衡化算法依据信息论中数据分布越均匀，数据信息熵越大的原理，对图像中像素个数多的灰度值进行展宽，对像素个数少的灰度值进行归并，从而达到清晰图像的目的。直方图均衡化算法能够对“磨皮”之后的图像进行整体亮度调整，使图像亮度的分布更符合人眼识别的特性。实验过程中，可适当要求学生对直方图均衡化算法自行编程，了解算法根据图像灰度分布概率进行直方图调整的算法本质。直方图均衡化之后，引导学生计算原图像和均衡化之后图像的对比度变化，进一步让学生理解具有高对比度的图像才是人眼识别过程中的“清晰”图像。算法的最终效果可以与Matlab中histeq( )库函数的均衡化效果进行对比。

图2 显示了一幅人脸图像按照上述算法进行美颜美肤滤镜后的效果。示例中2-1图整体亮度偏暗，因此，在读入图像后通过调用rgb2hsv( )函数，取出vaule通道分量调用histeq( )进行直方图均衡化，图2-2是对原图进行直方图均衡化之后的效果。均衡化后，图像整体清晰度得以提高，但人脸皮肤颜色和亮度的不均匀性更为明显，因此，对均衡化之后的图像需要使用KNN平滑滤波器进行图像平滑，示例中滤波器窗口大小为5*5，K值取13，实验结果如图2-3所示。

需要说明的是，图2-3显示的美肤美颜效果与我们实际应用自拍软件中的美颜效果还是存在一定差距的，由此可引导学生了解在实际应用中，只使用简单的图像处理算法有可能无法彻底解决问题，需要使用一些更为复杂、先进的算法才行。如图2-4所示，对图2-2使用双指数边缘平滑滤波器[4]进行平滑，其效果更为令人满意。

图2 美颜美肤滤镜效果图

2.3 平面油画滤镜原理与实验设计

镜头拍摄的照片，由于色彩丰富，过渡自然因而非常真实，要将真实场景图像做出平面油画效果，就要减少图像上的色彩种类并锐化图像中的景物边界，涉及图像增强的相关算法为：降低图像量化级别和图像锐化算法。

大数据技术不仅为高校全面监测和评估大学生的生活提供了强有力的技术支持，而且这种时效性与人性化特点突出的分析模式，多与大学生后期的成长与发展同样具有极为重要的意义[2]。以一站式数据资源平台为基础建立的数据分析体系，充分发挥大数据分析手段的手势，整合与大学生相关的饭卡消费状况、勤工俭学、兼职以及学习成绩等相关的信息，从而达到全面和准确掌握大学生信息的目的。此外，以移动终端为基础的大数据技术，不仅对大学生参与社团、班级等相关活动进行了详细的记录，而且通过对大学生成长情况的分析，为学校与家长提供了具有针对性的建议，确保了大学生群体的健康发展。

图像的量化就是把数字图像像素点上表示亮暗信息的连续量离散化后，用数值来表示。普通的灰度图像量化级别为256，而彩色图像由3个原色构成，量化作用在每个原色上，能表达的颜色种类为256*256*256个，非常丰富多彩。因此，为了明显地将自然场景图像转换成平面画效果，需要大幅度降低量化级别。在实验中，可通过线性范围调整来对每个原色的分量直方图进行范围压缩达到降低量化级别的目的。

自然图像中景物边界一般不会特别突兀，而画出来的图像最明显的一个特征就是有着清晰的边界，因此，在实验中要指导学生使用图像锐化算法去检测原自然场景图像中的边界信息，并按自由度增强后叠加到原图，达到清晰边界的目的。实验过程中，引导学生分别使用水平锐化算子、垂直锐化算子和Canny算子3种边界检测算法去提取边界，最后，为提取的边界图像设定1个自由度权重（0～1），根据实际图像情况，将边界信息按自由度权重叠加至降低量化级别后的图像上。

图3 是一幅彩色建筑物图像按照上述算法进行平面油画滤镜后的效果。为了说明问题，我们选择一幅彩色建筑物图像（见图3-1）进行实验，在将R、G、B三原色的每个分量的量化级别从256降为2之后，得到了图3-2的效果，量化级别不够所形成的伪轮廓现象正好体现了平面油画色块过渡不自然的特点。然后，我们将在原图上用Canny算子提取的边界信息（见图3-3），按照0.5的自由度权重叠加至图3-2中，即可得到最终的滤镜效果（见图3-4）。

图3 平面油画滤镜效果图

3 教学效果与讨论

在教学过程中，由于图像处理算法中包含很多数学模型和信号处理原理，学生们看到较复杂的数学公式就会产生畏难情绪，也因而陷于纠结算法步骤和算法实现上，反而将最重要的算法动机和算法原理给忽略了。实际上，图像处理这门课程与人们的日常生活是息息相关的，像二维码扫描、指纹识别、车牌识别等都是图像处理算法的应用。笔者在讲解图像增强算法的过程中，以本文所设计的3个自拍滤镜实验辅以验证和说明，使得学生能够立竿见影地看到图像增强算法的实际应用效果，大大激发了学生的学习兴趣。同时，由于在试验中对实验问题的本质进行了分析，讨论了不同算法的选择和融合，验证了不同的算法参数，使得学生对算法原理理解得更加深刻，从而掌握算法背后的动机。

通过这种与学生日常生活相关的图像的处理实验设计，学生们对图像处理课程的兴趣大大增强，不再认为图像处理课程仅仅是一门数学应用困难、编程也困难的交叉性理论课程，很大程度上调动了学生的学习积极性。更为关键的是，在课程算法讲解的同时，引导学生认识到任何算法模型的提出都是需要和解决的实际应用问题的本质相关，理解问题本质，把握算法原理才是最重要的。

4 结 语

笔者所在的图像处理教研小组的各位教师长期从事计算机图像处理的相关研究，通过多年教学实践发现，理论和实践结合的教学方法可以大大调动学生的学习兴趣和学习积极性，实践和学生的日常生活联系越密切，他们的积极性就越高[56]。今后，针对计算机图像处理这门课程的其他章节，如图像变换、图像压缩与编码，也可设计一系列实际案例的实验方案，并在最终课程结束后，将所有章节实验整合，形成一个完整的图像处理软件工具箱，进一步激发学生的兴趣和成就感。

[1] 胡学龙. 数字图像处理（第三版）[M]. 北京: 电子工业出版社, 2014: 102-128.

[2] 周品, 李晓东. Matlab数字图像处理 [M]. 北京: 清华大学出版社, 2012.

[3] 杨保华, 王菁, 梁欣. Matlab在“数字图像处理”教学中的应用研究 [J]. 教育教学论坛, 2016(2): 171-172.

[4] Thévenaz P, Sage D, Unser M.Bi-exponential edge-preserving smoother [J]. IEEE Transactions on Image Processing, 2012, 21(9):3924-3936.

[5] 邱奕敏. 基于小波变换的图像增强实验教学研究 [J]. 科技视界, 2015(1): 219-220.

[6] 张静娜, 邱明国, 李懿, 等. 图像空余增强实验教学方法研究[J]. 中国科教创新导刊, 2014(7): 59-60.

（见习编辑：景贵英）