課程簡介
Course Introduction
數(shù)字圖像處理是論述圖像處理基本理論,、方法及其在自動化領(lǐng)域中的應(yīng)用的學(xué)科，是實現(xiàn)機器視覺的有效工具,，是計算機科學(xué)與技術(shù)本科專業(yè)的專業(yè)選修課,。學(xué)習(xí)本門課程的主要目的是使學(xué)生掌握數(shù)字圖像處理的基本概念、原理,、和方法,，并能解決在智能化檢測與控制中的應(yīng)用問題。通過本課程的學(xué)習(xí),，要求學(xué)生能夠根據(jù)需要選擇合理的數(shù)字圖像處理技術(shù)和方法,，從事圖像處理系統(tǒng)設(shè)計、基于視覺的智能化檢測方面的研究開發(fā)工作,。
考核方式:考查
成績分布:
平時成績 60%（平時表現(xiàn),、論文閱讀、平時實驗）
期終考查 40%（課程大作業(yè)）
說明:
平時成績,、期終考查評分標準如下表:
各項成績構(gòu)成 | 評分說明 |
平時成績 = 平時表現(xiàn)*20% + 論文閱讀*20% + 平時實驗*60% | 平時表現(xiàn) = 到課率*40% + 學(xué)習(xí)主動性*60% 滿分100,，其中， 到課率:基準分100分,，缺課1次扣20分,，缺課3次為0分； 特別注意:缺課4次,，取消本門課程成績,； 學(xué)習(xí)主動性:根據(jù)學(xué)生課堂表現(xiàn)評分，滿分100,； |
論文閱讀,，滿分100: 1）通讀2篇教師指定，或教師同意的論文,，其中至少1篇為英文,，并寫出讀書報告，得基準分:60*d,。 2）若能實現(xiàn)論文中算法,，或成功應(yīng)用到其它方面,，可額外得10-40分*d。 3）d為難度系數(shù),，d=0.8-1.5 | |
平時實驗:由4-6個系列實驗組成,，滿分100； 1）實驗效果基本達到要求,，可以得基準分:80. 2）若效果良好,，可額外得10-20分 | |
期終考查 = 期末大作業(yè)程序*50% +期末大作業(yè)報告*50% | 報告分:報告 格式符合要求、語句通順,、結(jié)構(gòu)合理,、內(nèi)容完整、實驗數(shù)據(jù)合理,，得基準分80分 程序分:功能基本達到要求,，演示流暢、講解清晰,，得基準分85% |
教學(xué)大綱
Teaching Syllabus
（2017版教學(xué)大綱正在修訂中,，以下內(nèi)容為2015年版大綱，僅供參考）
課程編碼:XX31310
課程性質(zhì):專業(yè)選修
教學(xué)時數(shù):周學(xué)時3,，總學(xué)時48
學(xué) 分:3學(xué)分
先修課程:
高等數(shù)學(xué)，線性代數(shù),，概率論與數(shù)理統(tǒng)計,，C++語言程序設(shè)計，數(shù)據(jù)結(jié)構(gòu),，算法分析與設(shè)計
教學(xué)目的與要求:
數(shù)字圖像處理是論述圖像處理基本理論,、方法及其在自動化領(lǐng)域中的應(yīng)用的學(xué)科，是實現(xiàn)機器視覺的有效工具,，是計算機科學(xué)與技術(shù)本科專業(yè)的專業(yè)選修課,。學(xué)習(xí)本門課程的主要目的是使學(xué)生掌握數(shù)字圖像處理的基本概念、原理,、和方法,，并能解決在智能化檢測與控制中的應(yīng)用問題。通過本課程的學(xué)習(xí),，要求學(xué)生能夠根據(jù)需要選擇合理的數(shù)字圖像處理技術(shù)和方法,，從事圖像處理系統(tǒng)設(shè)計、基于視覺的智能化檢測方面的研究開發(fā)工作,。
參考教材:
Gonzalez R. C.,Woods R. E. Digital Image Processing(Second Edition). 北京:電子工業(yè)出版社,，2002
說明:
（1) 教材請自行購買，可購買最新版,；
(2) 授課內(nèi)容講解順序主題遵循教材章節(jié)順序,，但不局限于教材；
參考書目:
（1）王潤生主編. 圖像理解.長沙:國防科技大學(xué)出版社，1995
（2）崔屹. 數(shù)字圖像處理技術(shù)與應(yīng)用. 北京:電子工業(yè)出版社,，1997
（3）呂鳳軍. 數(shù)字圖像處理編程入門. 北京:清華大學(xué)出版社,，1999
（4）何斌，馬天予. VC++數(shù)字圖像處理. 北京:人民郵電出版社,，2001
（5）章毓晉. 圖像工程（上冊）圖像處理. 北京:清華出版社,，2006
授課內(nèi)容:
數(shù)字圖像處理描述了數(shù)字圖像處理的基本理論、方法及其部分應(yīng)用,。本課程介紹的內(nèi)容包括:數(shù)字圖像處理的基本概念與特點,，數(shù)字圖像處理基礎(chǔ)和圖像編程基礎(chǔ)，空間域圖像增強,，頻域圖像增強,，圖像復(fù)原，圖像的幾何變換,，圖像編碼,，數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用，圖像分割與邊緣檢測,，圖像特征與理解等,。本課程主要采用課堂教學(xué)和課后實驗相結(jié)合的方法，建議學(xué)生課后完成下列實驗,，鞏固課堂知識,。所有的內(nèi)容圍繞具體案例講解。詳細內(nèi)容如下,，
第一講 緒論 （3節(jié),，第1周）
主要講述:數(shù)字圖像處理的基本概念與特點，數(shù)字圖像處理硬件系統(tǒng),，數(shù)字圖像處理的應(yīng)用及發(fā)展趨勢,。
重點:數(shù)字圖像處理的特點及其應(yīng)用。
第二講 數(shù)字圖像處理基礎(chǔ) （6節(jié),，第2,，3周）（含小實驗）
主要講述:圖像的采樣與量化技術(shù)、圖像數(shù)字化設(shè)備,、數(shù)字圖像的類型,、常見圖像文件格式、色度學(xué)基礎(chǔ)與顏色模型,、圖像特征基礎(chǔ),。
重點:BMP文件格式、RGB模型,、HSI模型以及顏色模型之間的相互轉(zhuǎn)換,，圖像特征基礎(chǔ),。
難點:位圖調(diào)色板及其在編程中的實現(xiàn)。
第三講 Matlab和VC++圖像編程基礎(chǔ) （3節(jié),，第4周）（選講）（含小實驗）
主要講述:Matlab編程,，VC++可視化編程基礎(chǔ)。
重點:Matlab編程,，DibObject類的設(shè)計,，圖像文件的讀寫與顯示。
難點:利用Visual C++進行面向?qū)ο蟮某绦蛟O(shè)計,，文檔視圖結(jié)構(gòu),，圖像的顯示。
第四講 空間域圖像增強 （3節(jié),，第5,，6周）
主要講述:直方圖的基本概念、性質(zhì),、拉伸與均衡,，灰度線性變換，圖像噪聲的分類與特點,，模板與卷積運算,，圖像平滑，圖像銳化,，圖像的偽彩色處理,。
重點:直方圖的拉伸與均衡，雙邊濾波,。
難點:直方圖均衡,，雙邊濾波,。
第五講 頻域圖像增強（選講）（3節(jié),，第6，7周）（含實驗1:圖像編輯,、圖像縮放,、圖像量化）
主要講述:頻域處理的作用，離散傅立葉變換的概念與性質(zhì)及其快速實現(xiàn)算法,，離散余弦變換的特點及其快速實現(xiàn)算法等,，小波變換等。
重點:離散傅立葉變換的性質(zhì),，快速離散傅立葉變換,，快速離散余弦變換，小波變換的應(yīng)用,。
難點:離散傅立葉變換的蝶形算法,，小波變換,。
第六講 圖像復(fù)原與圖像重建 （6節(jié)，第8,，9周）（含實驗2:圖像增強（空間域））
主要講述:圖像的退化與復(fù)原的基本概念與數(shù)學(xué)模型,，非約束復(fù)原、最小二乘法約束復(fù)原,、非線性復(fù)原方法,。主要涉及:低劑量圖像重建、圖像上采樣,、圖像去模糊
重點:低劑量圖像重建（低秩表示）,、圖像上采樣、圖像去模糊
難點:圖像退化的數(shù)學(xué)模型,，圖像復(fù)原的實現(xiàn),。
第七講 圖像的幾何變換（圍繞圖像配準、核函數(shù)）（3節(jié),，第10周）
主要講述:齊次坐標,、幾何變換矩陣，圖像的比例縮放,、平移,、鏡像、旋轉(zhuǎn),、透視變換與復(fù)合變換,、幾何變換在圖像配準中的應(yīng)用
重點:幾何變換在圖像配準中的應(yīng)用
難點:圖像的復(fù)合變換與透視變換。
第八講 圖像編碼（可選內(nèi)容）（JPEG壓縮編碼）（6節(jié),，第11,，12周）（含實驗3:圖像增強（頻率域））
主要講述 :圖像編碼的目的與意義，編碼的基本原理,、方法與評價,，哈夫曼編碼、香農(nóng)范諾編碼,、行程長度編碼,、LZW編碼、算術(shù)編碼,、JPEG編碼,。
重點: LZW編碼、JPEG編碼的算法與實現(xiàn),。
難點: JPEG編碼的算法與實現(xiàn),。
第九講 數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用（選講）（3節(jié)，第13周）
主要講述:數(shù)學(xué)形態(tài)學(xué)的基本概念,，二值形態(tài)學(xué)腐蝕,、膨脹,、開、閉運算,，擊中擊不中變換,，灰值腐蝕、膨脹,、開,、閉運算，形態(tài)學(xué)濾波,，骨架抽取,，細化算法。
重點:二值形態(tài)學(xué)腐蝕,、膨脹,、開、閉運算,，細化算法,。
難點:擊中擊不中變換，骨架抽取,。
第十講 圖像分割與邊緣檢測（圍繞Graph Cut）（3節(jié),，第14周）（含實驗4:圖像圖像恢復(fù)）
主要講述:圖像分割的概念、原理及方法,，閾值分割技術(shù),，區(qū)域增長與聚合，邊緣檢測與微分運算,，輪廓跟蹤與提取,。
重點:Graph Cut。
難點:模板匹配與直方圖匹配,，區(qū)域生長與區(qū)域聚合,，Graph Cut。
第十一講 圖像特征與理解（可選內(nèi)容）（SIFT）（本講SIFT部分與第二講合并）（3節(jié),，第15周）
主要講述:特征分析的基本方法,，圖像的幾何特征,、形狀特征,、紋理特征及其他特征的定義及其在圖像分析中的應(yīng)用，中軸變換,，曲線與表面的擬合,。
重點:SIFT、圖像幾何特征,、形狀特征,，邊界鏈碼,，歐拉數(shù)與孔洞數(shù)。
難點:SIFT,、紋理分析,，中軸變換，曲線與表面的擬合,。
第十二講 課程大作業(yè)展示（3節(jié),，第16周）
