數(shù)字圖像處理教學(xué)大綱(2014新版)(共12頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上 數(shù)字圖像處理 課程編碼：課程名稱：數(shù)字圖像處理 總學(xué)分：2總學(xué)時：32 (講課28，實驗4)課程英文名稱：Digital Image Processing先修課程：概率論與數(shù)理統(tǒng)計、線性代數(shù)、C+程序設(shè)計適用專業(yè)：自動化專業(yè)等一、課程性質(zhì)、地位和任務(wù)數(shù)字圖像處理課程是自動化專業(yè)的專業(yè)選修課。本課程著重于培養(yǎng)學(xué)生解決智能化檢測與控制中應(yīng)用問題的初步能力，為在計算機視覺、模式識別等領(lǐng)域從事研究與開發(fā)打下堅實的理論基礎(chǔ)。主要任務(wù)是學(xué)習(xí)數(shù)字圖像處理的基本概念、基本原理、實現(xiàn)方法和實用技術(shù)，并能應(yīng)用這些基本方法開發(fā)數(shù)字圖像處理系統(tǒng)，為學(xué)習(xí)圖像處理新方法奠定理論基礎(chǔ)。二、教學(xué)目

2、標(biāo)及要求1了解圖像處理的概念及圖像處理系統(tǒng)組成。2掌握數(shù)字圖像處理中的灰度變換和空間濾波的各種方法。3了解圖像變換，主要是離散和快速傅里葉變換等的原理及性質(zhì)。4理解圖像復(fù)原與重建技術(shù)中空間域和頻域濾波的各種方法。5. 理解解彩色圖像的基礎(chǔ)概念、模型和處理方法。6. 了解形態(tài)學(xué)圖像處理技術(shù)。7. 了解圖像分割的基本概念和方法。三、教學(xué)內(nèi)容及安排 第一章：緒論（2學(xué)時） 教學(xué)目標(biāo)：了解數(shù)字圖像處理的基本概念，發(fā)展歷史，應(yīng)用領(lǐng)域和研究內(nèi)容。通過大量的實例講解數(shù)字圖像處理的應(yīng)用領(lǐng)域；了解數(shù)字圖像處理的基本步驟；了解圖像處理系統(tǒng)的組成。 重點難點：數(shù)字圖像處理基本步驟和圖像處理系統(tǒng)的各組成部分構(gòu)成。1.

3、1 什么是數(shù)字圖像處理1.2 數(shù)字圖像處理的起源1.3 數(shù)字圖像處理領(lǐng)域的應(yīng)用實例1.3.1 伽馬射線成像1.3.2 X射線成像1.3.3 紫外波段成像1.3.4 可見光及紅外波段成像1.3.5 微波波段成像1.3.6 無線電波成像1.3.7 使用其他成像方式的例子1.4 數(shù)字圖像處理的基本步驟1.5 圖像處理系統(tǒng)的組成第二章：數(shù)字圖像基礎(chǔ)（4學(xué)時） 教學(xué)目標(biāo)： 了解視覺感知要素；了解幾種常用的圖像獲取方法；掌握圖像的數(shù)字化過程及其圖像分辨率之間的關(guān)系；掌握像素間的聯(lián)系的概念；了解數(shù)字圖像處理中的常用數(shù)學(xué)工具。重點難點：要求重點掌握圖像數(shù)字化過程及圖像中像素的聯(lián)系。2.1 視覺感知要素（1學(xué)時

4、）2.1.1 人眼的構(gòu)造2.1.2 眼鏡中圖像的形成2.1.3 亮度適應(yīng)和辨別2.2 光和電磁波譜2.3 圖像感知和獲?。?學(xué)時）2.3.1 用單個傳感器獲取圖像2.3.2 用條帶傳感器獲取圖像2.3.3 用傳感器陣列獲取圖像2.3.4 簡單的圖像形成模型2.4 圖像取樣和量化（1學(xué)時）2.4.1 取樣和量化的基本概念2.4.2 數(shù)字圖像表示2.4.3 空間和灰度級分辨率2.4.4 圖像內(nèi)插2.5 像素間的一些基本關(guān)系（1學(xué)時）2.5.1 相鄰像素2.5.2 臨接性、連通性、區(qū)域和邊界2.5.3 距離度量2.6 數(shù)字圖像處理中所用數(shù)學(xué)工具的介紹2.6.1 陣列與矩陣操作2.6.2 線性操作與非

5、線性操作2.6.3 算術(shù)操作2.6.4 集合和邏輯操作2.6.5 空間操作2.6.6 向量與矩陣操作2.6.7 圖像變換2.6.8 概率方法第三章：灰度變換與空間濾波 （6學(xué)時） 教學(xué)目標(biāo)：了解空間域圖像增強的概念、目的及主要技術(shù)；理解直接灰度變換的方法原理；理解直方圖的定義、性質(zhì)及用途；掌握直方圖均衡化技術(shù)細節(jié)；理解直方圖規(guī)定化處理方法的原理及作用；掌握圖像的空間域的平滑和銳化技術(shù)方法。 重點難點：要求重點掌握直方圖均衡化技術(shù)及常用的圖像的空間域的平滑和銳化技術(shù)方法。3.1 背景知識3.2.1 灰度變換和空間濾波基礎(chǔ)3.2.2 關(guān)于本章中的例子3.2 一些基本的灰度變換函數(shù)（1學(xué)時）3.2.

6、1 圖像反轉(zhuǎn)3.2.2 對數(shù)變換3.2.3 冪律（伽馬）變換3.2.4 分段線性變換函數(shù)3.3 直方圖處理（2學(xué)時）3.3.1 直方圖均衡3.3.2 直方圖匹配（規(guī)定化）3.3.3 局部直方圖處理3.3.4 在圖像增強中使用直方圖統(tǒng)計3.4空間濾波基礎(chǔ)（1學(xué)時）3.4.1 空間濾波機理3.4.2 空間相關(guān)與卷積3.4.3 線性濾波的向量表示3.4.4 空間濾波器模板的產(chǎn)生3.5 平滑空間濾波器（1學(xué)時）3.5.1 平滑線性濾波器3.5.2 統(tǒng)計排序（非線性）濾波器3.6 銳化空間濾波器（1學(xué)時）3.6.1 基礎(chǔ)3.6.2 使用二階微分進行圖像銳化拉普拉斯算子3.6.3 非銳化掩蔽和高提升濾波3

7、.6.4 使用一階微分對（非線性）圖像銳化梯度3.7 混合空間增強法3.8 使用模糊技術(shù)進行灰度變換和空間濾波3.8.1 引言3.8.2 模糊集合論原理3.8.3 模糊集合應(yīng)用3.8.4 使用模糊集合進行灰度變換3.8.5 使用模糊集合進行空間濾波第四章：頻率域濾波 （2學(xué)時） 教學(xué)目標(biāo)：了解傅里葉變換和頻率域的概念，理解常用的平滑和銳化濾波器的概念和方法。 重點難點：要求重點掌握圖像的傅立葉變換及常用的圖像的頻率域的平滑和銳化技術(shù)方法。4.1 背景4.1.1 傅里葉級數(shù)和變換簡史4.1.2 關(guān)于本章中的例子4.2 基本概念4.2.1 復(fù)數(shù)4.2.2 傅里葉級數(shù)4.2.3 沖激及其取樣特性4.

8、2.4 連續(xù)變量函數(shù)的傅里葉變換4.2.5 卷積4.3 取樣和取樣函數(shù)的傅里葉變換4.3.1 取樣4.3.2 取樣函數(shù)的傅里葉變換4.3.3 取樣定理4.3.4 混淆4.3.5 由取樣后的數(shù)據(jù)重建（復(fù)原）函數(shù)4.4 單變量的離散傅里葉變換（DFT）4.4.1 由取樣后的函數(shù)的連續(xù)變換得到DFT4.4.2 取樣和頻率間隔間的關(guān)系4.5 兩個變量的函數(shù)的擴展4.5.1 二維沖激及其取樣特征4.5.2 二維連續(xù)傅里葉變換對4.5.3 二維取樣和二維取樣定理4.5.4 圖像中的混淆4.5.5 二維離散傅里葉變換及其反變換4.6 二維離散傅里葉變換的一些性質(zhì)4.6.1 空間和頻率間隔的關(guān)系4.6.2 平

9、移和旋轉(zhuǎn)4.6.3 周期性4.6.4 對稱性4.6.5 傅里葉譜和相角4.6.6 二維卷積定理4.6.7 二維離散傅里葉變換性質(zhì)的小結(jié)4.7 頻率域濾波基礎(chǔ)（1學(xué)時）4.7.1 頻率域的其他特性4.7.2 頻率域濾波基礎(chǔ)4.7.3 頻率域濾波步驟小結(jié)4.7.4 空間和頻率域濾波間的對應(yīng)4.8 使用頻率域濾波器平滑圖像（1學(xué)時）4.3.1 理想低通濾波器4.3.2 巴特沃斯低通濾波器4.3.3 高斯低通濾波器4.3.4 低通濾波的其他例子4.9 使用頻率域濾波器銳化圖像4.9.1 理想高通濾波器4.9.2 布特沃斯高通濾波器4.9.3 高斯高通濾波器4.9.4 頻率域的拉普拉斯算子4.9.5 鈍

10、化模板、高提升濾波和高頻強調(diào)濾波4.9.6同態(tài)濾波4.10選擇性濾波4.10.1 帶阻濾波器和帶通濾波器4.10.1 陷波濾波器4.11 實現(xiàn)4.11.1 二維DFT的可分性4.11.2 用DFT算法計算IDFT4.11.3 快速傅里葉變換(FFT)4.11.4 關(guān)于濾波器設(shè)計的一些注釋第五章：圖像復(fù)原與重建（4學(xué)時） 教學(xué)目標(biāo)：理解圖像退化/復(fù)原過程的模型；掌握幾種常用的空間濾波方法；理解幾種常用的頻率域方法；了解估計退化函數(shù)；了解逆濾波；了解最小均方誤差（維納）濾波。 重點難點：要求重點掌握常用的空間和頻率濾波器，了解逆濾波和維納濾波。5.1 圖像退化/復(fù)原過程的模型（1學(xué)時）5.2 噪聲

11、模型5.2.1 噪聲的空間和頻率特性5.2.2 一些重要的噪聲概率密度函數(shù)5.2.3 周期噪聲5.2.4 噪聲參數(shù)的估計5.3 只存在噪聲的復(fù)原空間濾波（1學(xué)時）5.3.1 均值濾波器5.3.2 順序統(tǒng)計濾波器5.3.3 自適應(yīng)濾波器5.4 用頻率域濾波消除周期噪聲（1學(xué)時）5.4.1 帶阻濾波器5.4.2 帶通濾波器5.4.3 陷波濾波器5.4.4 最佳陷波濾波器5.5 線性、位置不變的退化5.6 估計退化函數(shù)（1學(xué)時）5.6.1 圖像觀察估計5.6.2 試驗估計5.6.3 建模估計5.7 逆濾波5.8 最小均方誤差（維納）濾波5.9 約束最小二乘方濾波器5.10 幾何均值濾波5.11 由投

12、影重建圖像5.11.1 引言5.11.2 計算機斷層（CT）原理5.11.3 投影和雷登變換5.11.4 傅里葉切片定理5.11.5 使用平行射線束濾波反投影的重建5.11.6 使用扇形射線束濾波反投影的重建第六章：彩色圖像處理 （4學(xué)時） 教學(xué)目標(biāo)：了解彩色基礎(chǔ)、RGB顏色模型以及HIS顏色模型；，理解RGB顏色模型和HIS顏色模型的色度學(xué)基礎(chǔ)和適用范圍；了解常用的彩色圖像處理方法。 重點難點：彩色基礎(chǔ)和模型、偽彩色處理、全彩色處理基礎(chǔ)及彩色變換；不同顏色空間的定義和選擇。6.1 彩色基礎(chǔ)（1學(xué)時）6.2 彩色模型（1學(xué)時）6.2.1 RGB彩色模型6.2.2 CMY和CMYK模型6.2.3

13、 HSI模型6.3 偽彩色處理6.3.1 灰度分層6.3.2 灰度到彩色的變換6.4 全彩色圖像處理基礎(chǔ)（1學(xué)時）6.5 彩色變換（1學(xué)時）6.5.1 公式6.5.2 補色6.5.3 彩色分層6.5.4 色調(diào)和彩色校正6.5.5 直方圖處理6.6 平滑和尖銳化6.6.1 彩色圖像平滑6.6.2 彩色圖像尖銳化6.7 基于彩色的圖像分割6.7.1 HSI彩色空間的分割6.7.2 RGB向量空間中的分割6.7.3 彩色邊緣檢測6.8 彩色圖像中的噪聲6.9 彩色圖像壓縮第七章：小波變換和多分辨率處理 （自學(xué)） 教學(xué)目標(biāo)：了解小波變換的概念；了解一維和二維小波變換。 重點難點：快速小波變換。7.1

14、背景7.1.1 圖像金字塔7.1.2 子帶編碼7.1.3 哈爾變換7.2 多分辨率展開7.2.1 級數(shù)展開7.2.2 尺度函數(shù)7.2.3 小波函數(shù)7.3 一維小波變換7.3.1 小波級數(shù)展開7.3.2 離散小波變換7.3.3 連續(xù)小波變換7.4 快速小波變換7.5 二維小波變換7.6 小波包第八章：圖像壓縮（自學(xué)） 教學(xué)目標(biāo)：了解圖像壓縮理論及模型；了解圖像編碼常用方法。 重點難點：重點掌握無損預(yù)測編碼，有損預(yù)測編碼，變換編碼系統(tǒng)。難點是變換選擇，子圖像尺寸選擇，比特分配。8.1 基礎(chǔ)知識8.1.1 編碼冗余8.1.2 空間冗余和時間冗余8.1.3 不相關(guān)的信息8.1.4 圖像信息的度量8.1

15、.5 保準(zhǔn)度準(zhǔn)則8.1.6 圖像壓縮模型8.1.7 圖像格式、容器和壓縮標(biāo)準(zhǔn)8.2一些基本的壓縮方法8.2.1 霍夫曼編碼8.2.2 Golomb編碼8.2.3 算術(shù)編碼8.2.4 LZW編碼8.2.5 行程編碼8.2.6 基于符號的編碼8.2.7 比特平面編碼8.2.8 塊變換編碼8.2.9 預(yù)測編碼8.2.10 小波編碼8.3數(shù)字圖像水印第九章：形態(tài)學(xué)圖像處理（4學(xué)時） 教學(xué)目標(biāo)： 掌握二值形態(tài)學(xué)和灰度形態(tài)學(xué)的幾種基本操作；了解形態(tài)學(xué)在圖像處理中的應(yīng)用。 重點難點：重點掌握圖像腐蝕、圖像的膨脹、圖像的細化。9.1 預(yù)備知識（1學(xué)時）9.2 腐蝕和膨脹（1學(xué)時）9.2.1 腐蝕9.2.2 膨

16、脹9.2.2 對偶性9.3 開操作與閉操作9.4 擊中和擊不中變換9.5 一些基本的形態(tài)學(xué)算法（2學(xué)時）9.5.1 邊界提取9.5.2 孔洞填充9.5.3 連通分量的提取9.5.4 凸殼9.5.5 細化9.5.6 粗化9.5.7 骨架9.5.8 裁剪9.5.9 形態(tài)學(xué)重建9.5.10 二值圖像形態(tài)學(xué)操作小結(jié)9.6 灰度級形態(tài)學(xué)9.6.1 腐蝕和膨脹9.6.2 開操作和閉操作9.6.3 一些基本的灰度級形態(tài)學(xué)算法9.6.4 灰度級形態(tài)學(xué)重建第十章：圖像分割 （2學(xué)時） 教學(xué)目標(biāo)： 掌握圖像分割的思想及策略；理解點、線和邊緣檢測和閾值分割的基本思想和方法。 重點難點：重點掌握圖像分割，輪廓跟蹤。1

17、0.1 基礎(chǔ)知識10.2 點、線和邊緣檢測（1學(xué)時）10.1.1 背景知識10.1.2孤立點檢測10.1.3 線檢測10.1.4 邊緣檢測10.1.5基本邊緣檢測10.1.6 更先進的邊緣檢測技術(shù)10.1.7 邊緣連接和邊界檢測10.3閾值處理（2學(xué)時）10.3.1 基礎(chǔ)知識10.3.2基本全局閾值處理10.3.3 用Otsu方法的最佳全局閾值處理10.3.4用圖像平滑改善全局閾值處理10.3.5利用邊緣改進全局閾值處理10.3.6 多閾值處理10.3.7 多變閾值處理10.3.8 多變量閾值處理10.4 基于區(qū)域的分割10.4.1 區(qū)域生長10.4.2 區(qū)域分裂與聚合10.5 用形態(tài)學(xué)分水嶺

18、的分割10.5.1 背景知識10.5.2 水壩構(gòu)建10.5.3 分水嶺分割算法10.5.4標(biāo)記的使用10.6 分割中運動的應(yīng)用10.6.1 空間域技術(shù)10.6.2 頻率域技術(shù)第十一章：表示和描述（自學(xué)） 教學(xué)目標(biāo)：了解邊界描繪子和區(qū)域描繪子；理解圖像的幾何特征、形狀特征、紋理特征與骨架提取以及其他特征。 重點難點：重點掌握紋理描述。11.1 表示11.1.1 邊界跟蹤11.1.2 鏈碼11.1.3 使用最小周長多邊形的多邊形近似11.1.4 其他多邊形近似方法11.1.5 標(biāo)記圖11.1.6 邊界線段11.1.7 骨架11.2 邊界描繪子11.2.1 一些簡單的描繪子11.2.2 形狀數(shù)11.

19、2.3 傅里葉描繪子11.2.4 統(tǒng)計矩11.3 區(qū)域描繪子11.3.1 一些簡單的描繪子11.3.2 拓補描繪子11.3.3 紋理11.3.4 不變矩11.4 使用主分量進行描繪11.5 關(guān)系描繪子第十二章：目標(biāo)識別（自學(xué)） 教學(xué)目標(biāo)：了解模式和模式類的概念；了解常用的幾種模式識別方法。 重點難點：結(jié)構(gòu)模式識別。12.1 模式和模式類12.2 基于決策理論方法的識別12.2.1 匹配12.2.2 最佳統(tǒng)計分類器12.2.3 神經(jīng)網(wǎng)絡(luò)12.3 結(jié)構(gòu)方法12.3.1 匹配形狀數(shù)12.3.2 串匹配四、實驗環(huán)節(jié)（4學(xué)時） 使用MATLAB作為軟件平臺，編寫程序?qū)崿F(xiàn)制定的數(shù)字圖像處理功能。以撰寫實驗報告方式進行考核。序號實驗名稱實驗內(nèi)容和要求學(xué)時實驗性質(zhì)主要試材及儀器設(shè)備1圖像的灰度變換及直方圖均衡化目的：通過實驗顯示、觀察圖像二值化效果。了解圖像