人工智能背景下数字图像处理教学方法的两点思考

摘 要：《数字图像处理》课程是高校电子信息类专业重要的专业选修课程，传统的教学内容注重理论知识，知识面全面，涉及数字图像处理的各个领域，但各个章节之间的关联性较少，不利于学生全局掌握数字图像处理的基本思想。课程应深度结合人工智能进行教学方法改革，以计算机视觉的经典问题为切入点，结合当前深度学习最新热点技术，设计合理的实验，激发学生兴趣，提高学生的实践能力和综合素质。

关键词：数字图像处理;人工智能;教学方法

近十年来，随着深度学习的快速发展，以深度学习为核心的人工智能技术取得了显著进步。人工智能技术是计算机科学中一個分支，主要研究模仿人类神经系统完成智能任务，尤其是人类的视觉系统，因此当前人工智能大大推动了计算机视觉的发展，而计算机视觉的研究与数字图像处理有着紧密的联系，很多先进模型很大程度上都是基于数字图像处理技术，因此在数字图像处理的教学过程中应该考虑人工智能的背景，将理论和应用相结合[1，2]。

1 目前的教学方法

国内高校目前采用的教材普遍是冈萨雷斯教授编纂的经典教材《数字图像处理》[3]，笔者也是选用这本教材，在教学过程中发现两个问题：一方面是这本教材虽然内容丰富，但是很多方法都是非常简单，不能很好地应用到实际生活的应用中，这与当前人工智能中计算机视觉的先进算法有很大的差距，虽然这本教材已经多次增补再版，但更新速度远远跟不上计算机视觉的迅速发展，因此在教学过程中应该及时将新技术引入到教授过程，激发学生的兴趣;另一方面是该教材中讲授的各个方面，比如空域操作、图像分割、图像增强、小波变换等，各个章节之间的相关性不大，每一章对应着图像处理领域一个大的课题，教师在教授过程中多采用针对性的讲解，虽然可以将知识点讲述的比较清晰，但学生在学习过程中很难形成系统性理解，而实际的图像处理问题都是一个系统问题，涉及多个技术的综合，因此将图像处理的系统性思想引入课程讲授是非常重要的。

当前本科数字图像课程大部分都有一部分的实验学时，作为理论教学重要的辅助手段。实验的目的主要体现在以下两点：一是通过实验内容的设计和实现，能够很好地帮助学生理解课堂的理论知识，掌握基本图像处理的技术技巧;二是合理的实验内容和可视化的图像处理结果，能够让学生直观观察图像处理的实际效果，进而提高对图像处理的学习兴趣。然而目前主流的数字图像处理实验采用Matlab语言，凭借其简单易学的语言特点和强大的图像处理工具箱，是数字图像处理和模式识别的经典教学语言。

2 人工智能背景下的数字图像处理教学方法两点思考

通过对目前数字图像处理的教学方法分析，我们有以下两点思考：

首先，在理论教学中，数字图像处理与当前计算机视觉、模式识别和机器学习等领域有着非常紧密的联系，图像处理的各个方面都是计算机视觉重要的研究领域，比如图像增强、图像语义分割、图像识别等，而传统的方法将每个领域单独讲授，不能使学生更加全面地掌握数字图像处理的基本知识，更不能使学生了解当前人工智能的发展，因此在数字图像处理的讲授中，在介绍完图像的基本知识之后，接着介绍一些基本的机器学习和模式识别模型，这些模型基本上可以涵盖后面图像处理各个章节的核心算法，这样就能够使学生对数字图像处理有一个较为全面地了解，尤其使学生能够理解数字图像和人工智能之间的关系。我们以图像分割和图像识别为例，传统的图像分割分为空域分割和频域分割，且这两种分割方法都是简单的方法，没有结合语义信息，而当前常用的分割方法为结合语义信息的分割方法，同时图像识别也常以支持向量机（SVM）为分类模型，因此在讲授时发现两者基本没有联系，而实际上，通过对其背后的模型分析，会发现两者优化学习的目标其实是一致的，同时图像分割可以看作为特殊的图像识别模型，即通过对待分割的区域里每一个像素做类别识别，可以达到图像分割的目的。通过在数字图像处理讲授过程中，适度适时地传递一些机器学习和计算机视觉的相关知识，可以促进学生对图像处理有全面系统的认识和理解。

其次，在实验教学中，除了基本的理论验证性实验外，要以实际应用为背景，设计一些图像处理的综合应用实验，同时建议学生使用Python语言进行程序设计。Python语言语法简单、代码可读性较强，其图像处理工具箱功能丰富，且深度学习、机器学习相关的Python工具箱较多且成熟，如Tensorflow、Keras、Theano等。在具体的应用实验中，学生可以融合课程各个章节的内容，通过编程实现，可以帮助学生理解图像处理的核心算法，培养学生解决问题的能力。以车牌的图像识别为例，本实验设计涉及图像的预处理、车牌区域的提取、车牌数字的提取和识别等问题，学生在实现过程中，可以使用当前先进的深度学习模型，达到车牌的精确提取和识别。因此在实验内容的设计中，要设计一些开放性的实验，引导学生使用当前热门的计算机视觉模型，结合指导老师的指导，通过查阅文献，激发学生的学习兴趣，提高学生的科技创新能力。

3 结语

数字图像处理作为电子信息类专业一门专业选修课程，是学生了解认识人工智能的重要途径，本课程应紧跟国家人工智能产业的发展方向，通过在传统的理论讲授和实验过程中，融合人工智能的相关基础知识，结合新思想、新方法、新模型，同时设计基于Python语言的综合实验设计，使学生能够适应人工智能快速发展的方向，提高学生的综合实践能力。

参考文献：

[1]刘君.结合人工智能的数字图像处理教学改革探讨[J].科技创新导报，2018（16）：229-232.

[2]梅梦丽.数字图像处理技术及应用实践研究[J].科技风，2019（3）：82.

[3]RC Gonzalez，RE Woods，SL Eddins.阮秋琦译.国外电子与通信教材系列：数字图像处理（MATLAB版）[M].北京：电子工业出版社，2014（2版）.

作者简介：酒明远（1987-），男，汉族，河南济源人，博士，讲师，研究方向：图像处理、模式识别、机器学习。