《数字图像处理》课程教学模式改革探索

（淮北师范大学计算机科学与技术学院，安徽 淮北 235000）

《数字图像处理》是我校计算机科学与技术专业和数字媒体技术专业的核心课程，该课程介绍了数字图像处理技术的基础理论及一些算法原理，涵盖了图像变换、图像增强、图像压缩、图像分割等多部分内容。课程的最终目标是使学生能够掌握图像处理的基本方法和步骤，培养学生处理图像的能力，是一门具有较强操作性的课程[1]。随着人工智能的不断发展，数字图像处理技术在模式识别、计算机视觉、医学图像处理等方向具有重要的基础作用[2-3]。

“数字图像处理”课程理论性强，内容抽象，涉及的知识较广，学生要先学习“高等数学”、“线性代数”、“概率论与数理统计”和“数字信号处理”等课程[4-6]。但是计算机科学与技术和数字媒体技术这两个专业开设的课程差异较大，数字媒体技术专业的学生在数学理论方面可能相对较弱。通常，教师在课堂教学时，按章节讲授图像处理的基本运算、图像增强、图像复原、图像编码、图像分割、边缘检测、图像变换等内容。但是这些内容相对独立，与实际应用联系并不紧密，导致学生虽然能够掌握图像处理的基本知识，但是缺乏分析能力，无法处理综合问题。实际上，在采用数字图像处理技术处理实际问题时，只使用某个模块知识往往无法达到要求，更多的应是多模块内容的综合。

现阶段，我校该门课程是理论和实验独立设课的。理论课上，教师采用PPT 授课模式，以算法原理讲解为主，辅助讲解一些核心代码，学生看不到调试过程和实验效果。实验课上，学生自主编程实现已经学习过的算法，但是由于理论课和实验课间隔太长，学生需重新对算法的原理和步骤进行梳理。这种教学模式导致理论与实践脱节，学生对理论知识理解不深。通过近年来的观摩学习和对教学经验、成果的总结，可以从注重实践、以项目为导向和建立多种考核评价标准等方面对该课程的教学模式进行改革，下面分别对其进行阐述。

一、注重实践

实验教学是数字图像处理课程的重要环节，能够培养学生独立解决问题和实践创新能力。由于 Matlab 具有高效的数值计算和符号计算功能，同时提供了丰富的图像处理工具箱，编程时只需要调用函数就可以对图像进行读写、显示和处理，所以大部分学校选择Matlab 作为该课程的编程软件。直接调用工具箱中封装的函数，虽然使编程变得方便，但是学生对知识的理解浮于表面，不利于学生深入理解各种算法的原理和实现步骤。因此，在教学中，对于一些核心算法，如图像的放缩、直方图均衡化、图像的膨胀和腐蚀等，教师可以先让学生自己编程实现，然后再调用工具箱中的图像处理函数进行实现，比较两种方法在处理效果上的差异。这种实验方式能够帮助学生实践课堂上教授的理论知识，同时熟悉数字图像处理的基本过程和方法。

二、以项目为导向

数字图像处理涉及多种图像处理知识，是一门实用性很强的课程。为了帮助学生了解数字图像处理的基本架构和过程，教师在讲授每一部分内容时，以实际应用为背景，如车牌识别、图像去雾、人脸图像美化等一些数字图像处理领域中的典型项目，引入以项目为导向的教学策略。例如，可以选择“车牌识别”作为整个学期的实践项目。该项目涉及彩色图像处理、图像缩放、图像增强、阈值分割、边缘检测、图像形态学处理等多种图像处理知识。这种以项目为导向的教学模式，有利于学生掌握图像处理的基本方法，提高解决实际问题的能力。

三、建立多种考核评价标准

我校现阶段对该课程的考核方式以笔试为主，主要考查学生对图像处理基本知识的理解。但是这种考核方式，使得学生平时对课程不重视，在考试之前进行突击，对考点进行死记硬背，造成最终的期末成绩比较片面。为此，学生可以自行分组，选择合适的项目，然后在组内进行分工，由项目组长根据工作量、重要程度、难易程度等指标为每个组员进行评分。学生最终的期末总评=教师对项目总评＊权重w+组内得分＊(1-w)，权重w 教师可以自行调节，通过这种考查方式，不仅能够激发学生自主学习的积极性，提高了实践能力和创新能力，同时能够培养大家团队协作的能力。

四、结语

随着人工智能的兴起，数字图像处理作为图像处理任务的基础技术其所显示出来的作用越来越重要，因此对数字图像处理课程教学质量的要求也变得更高。在教学过程中，教师一方面要向学生讲授图像处理技术的基本原理和基本方法，另一方面，需要引入实际应用背景下的一些图像处理实例，达到理论知识和实际生活相结合的目的。为了更好地提高教学质量，更好地培养学生分析问题解决问题的能力，需要不断地改进教学模式，引入新知识和新技术，加强实践环节。