课程名称

数字图像处理

Digital Image Processing

课程代码

30913409

课程性质

必修

课程类别

专业核心课

先修课程

信号与系统

学分/周数

2.5学分/40

适用专业

电子信息工程

开课单位

机械电气工程学院

课程负责人

邓红涛

审定日期

2024年12月

课程目标

毕业要求

毕业要求指标点

课程目标1

1. 工程知识

指标点1.4：掌握电子信息专业知识，能够利用系统思维的能力，综合应用相关知识解决电子信息领域复杂工程问题。。

课程目标2

2. 设计/开发解决方案

指标点3.1：掌握电子信息系统设计与产品开发的基本设计/开发方法和技术，了解影响设计目标和技术方案的各种因素。

课程目标3

3. 使用现代工具

指标点5.2：能够使用恰当的现代软硬件工具，对电子信息领域的复杂工程问题进行分析、计算与设计。

知识单元

对应课程目标

学习成果

教学内容

课程目标达成方式

学时分配

1．绪论

课程目标1、

1．了解数字图像处理的基本概念，发展历史，应用领域和研究内容；

2．了解数字图像处理的基本步骤；

3．了解图像处理系统的组成；

1．数字图像处理的起源；

2．数字图像处理的基本步骤；

3．图像处理系统的组成；

1．课堂教学；

2．研讨；

理论1学时

2．基础知识图像的数字化与显示

课程目标1

1．了解视觉感知要素；了解几种常用的图像获取方法；

2．掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间的联系的概念；

3．了解数字图像处理中的常用数学工具；

1．数字图像的表示；

2．数字图像的读取、显示、保存；

3．数据类与图像类型间的转换；

4.M函数编程简介；

1．课堂教学；

理论1学时

3.亮度变换与空间滤波

课程目标2

1．了解空间域图像增强的概念、目的及主要技术；理解直接灰度变换的方法原理；

2．理解直方图的定义、性质及用途；掌握直方图均衡化技术细节；

3．理解直方图规定化处理方法的原理及作用；掌握图像的空间域的平滑和锐化技术方法；

4. 图像水印技术反映图像版权，与“法制意识”相关

1．亮度变换；

2．直方图处理与函数绘图；

3．空间滤波；

4.图像处理工具箱的标准空间滤波器；

1．课堂教学；

2．实验；

理论2学时

+实验2学时

4.频域处理

课程目标2

1．了解傅里叶变换和频率域的概念；

2．理解常用的平滑和锐化滤波器的概念和方法；

3．掌握图像的傅立叶变换及常用的图像的频率域的平滑和锐化技术方法；

1．二维离散傅里叶变换；

2．频域滤波；

3．滤波器；

1．课堂教学；

2．实验；

理论2学时

+实验2学时

5.图像压缩

课程目标2

1．了解图像压缩理论及模型；了解图像编码常用方法；

2．重点掌握无损预测编码，有损预测编码，变换编码系统；

1．编码冗余；

2．JPEG压缩；

1．课堂教学；

2．实验；

理论1学时

6.图像复原与重建

课程目标2

1．理解图像退化/复原过程的模型；掌握几种常用的空间滤波方法；

2．理解几种常用的频率域方法；了解估计退化函数；

3．了解逆滤波；了解最小均方误差（维纳）滤波；

1．图像退化/复原处理；

2．空间滤波、逆滤波；

3．几何变换与图像配准

1．课堂教学；

2．实验；

3．小设计；

理论1学时

7.图像分割

课程目标2

1．掌握图像分割的思想及策略；

2．理解点、线和边缘检测和阈值分割的基本思想和方法；

3．掌握图像分割，轮廓跟踪；

1．点、线、边缘检查；

2．阈值处理；

3．区域分割；

1．课堂教学；

2．实验；

3.课程案例分析；

理论2学时

+实验2学时

8.形态学图像处理

课程目标2

1．掌握二值形态学和灰度形态学的几种基本操作；

2．了解形态学在图像处理中的应用；

3．掌握图像腐蚀、图像的膨胀、图像的细化

1．膨胀与腐蚀

2．形态学重构；

3．灰度图像形态学；

1．课堂教学；

2．实验；

3．小设计；

理论2学时

+实验2学时

9.彩色图像处理

课程目标3

1．了解彩色基础、RGB颜色模型以及HIS颜色模型；；

2．理解RGB颜色模型和HIS颜色模型的色度学基础和适用范围；

3．了解常用的彩色图像处理方法；

1．彩色图像的表示方法；

2．彩色变换；

3．彩色图像的空间滤波；

1．课堂教学；

2．实验；

3．课堂讨论；

理论2学时

+实验2学时

10.表示与描述

课程目标2、3

1．了解边界描绘子和区域描绘子；

2．理解图像的几何特征、形状特征、纹理特征与骨架提取以及其他特征；

3．了解模式和模式类的概念；

4．了解常用的几种模式识别方法；

1．表示；

2．边界、区域描述；

3．基于决策理论方法的识别；

4．结构识别；

1．课堂教学；

2.课程案例分析；

3．小设计；

理论2学时

+实验2学时

11.深度学习

课程目标2、3

1．了解深度学习的概念；

2．理解神经网络的基本原理；

3．了解常用的几种网络模型和识别方法；

1．深度学习；

2．卷积层、池化、全连接；

3． LeNet网络结构；

1．课堂教学；

2.课程案例分析；

3．小设计；

理论8学时

+实验4学时

课程目标

评价方式及比例（%）

成绩比例（%）

上机测验

期末考试

课程目标1

—

36

36

课程目标2

—

24

24

课程目标3

40

—

20

合计

40

60

100

课程目标

考核依据

评价标准

权重（%）

优

（90-100分）

良

（75-89分）

中/及格

（60-74分）

不及格

（0-59分）

课程目标3

考查学生图像处理软件的掌握能力，及学生应用图像处理知识设计系统能力。

按时完成测试；能够正确应用相关知识设计图像处理系统；论述逻辑清楚，层次分明，语言规范。

按时完成测试；能够应用相关知识分析问题，分析基本正确；论述清楚，语言较规范。

按时完成测试；能够应用相关知识分析问题，分析基本正确，有个别地方不够准确；论述基本清楚，语言较规范。

不能按时完成测试；有抄袭现象；不能应用相关知识分析问题；概念不清楚、论述不清楚。

40

课程目标

考核依据

评价标准

权重（%）

优

（90-100）分

良

（75-89分）

中/及格

（60-74分）

不及格

（0-59分）

课程目标1

考察学生设计图像处理系统方案能力，对图像处理技术特点、应用范围和现状理解的情况。

系统方案设计合理，图像处理技术概念、特点、应用范围和现状理解正确，表述清楚。

系统方案设计比较合理，图像处理技术概念、特点、应用范围和现状理解正确，表述比较清楚。

系统方案设计合理度一般，图像处理技术概念、特点、应用范围和现状理解基本正确，但考虑不全面。

系统方案设计不合理，图像处理技术概念、特点、应用范围和现状理解较差，不会正确应用。

36

课程目标2

考查学生对图像处理基本原理和算法的掌握程度。

图像处理基本原理和算法知识点掌握牢固，准确率高。

图像处理基本原理和算法知识点掌握比较牢固，准确率较高。

图像处理基本原理和算法知识点掌握不牢固，准确率低。

图像处理基本原理和算法知识点掌握很不牢固，准确率很低。

24

序号

实验（上机实训）项目名称

实验性质

开出要求

学时

1

图像的显示、存储、变换及直方图

验证

必做

2

2

数字图像的频域处理

验证

必做

2

3

图像的均衡化、平衡和锐化、分割与边缘检测

验证

必做

2

4

数字图像处理-形状识别

设计

必做

2

5

数字图像处理和GUI界面设计

设计

必做

2

6

图像表示、描述-基于特征分类

综合

必做

2

7

基于神经网络的图像分类

综合

必做

2

8

基于神经网络的目标识别

综合

必做

2