《數(shù)字圖像處理》教學(xué)大綱

《數(shù)字圖像處理》教學(xué)大綱

課程編碼：3073009223

課程名稱：數(shù)字圖像處理

總學(xué)分：2

總學(xué)時：32

適用專業(yè)：自動化專業(yè)等

先修課程：概率論與數(shù)理統(tǒng)計(jì)、線性代數(shù)、C++程序設(shè)計(jì)

一、課程性質(zhì)、目標(biāo)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(jì)算機(jī)視覺、模式識別等領(lǐng)域從事研究與開發(fā)打下堅(jiān)實(shí)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(shí)現(xiàn)方法和實(shí)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?yàn)V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(shí)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(diǎn)難點(diǎn)：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。

1.1

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(shí)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(diǎn)難點(diǎn)：要求重點(diǎn)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）

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

用傳感器陣列獲形取圖像2.3.4

簡單的圖像成模型

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(qiáng)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(xì)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(diǎn)難點(diǎn)：要求重點(diǎn)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

3.1.1

灰度變換和空間濾波基礎(chǔ)

3.1.2

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）

3.2.1

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(qiáng)中使用直方圖統(tǒng)計(jì)

3.4空間濾波基礎(chǔ)（1學(xué)時）

3.4.1

空間濾波機(jī)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(jì)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(jìn)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

3.6.4

使用一階微分對（非線性）圖像銳化——梯度

3.7

混合空間增強(qiáng)法

3.8

使用模糊技術(shù)進(jìn)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(jìn)行灰度變換

3.8.5

使用模糊集合進(jìn)行空間濾波

第四章：頻率域?yàn)V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(diǎn)難點(diǎn)：要求重點(diǎn)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

4.2.4

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DFT

4.4.2

取樣和頻率間隔間的關(guān)系

4.5

兩個變量的函數(shù)的擴(kuò)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?yàn)V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?yàn)V波基礎(chǔ)

4.7.3

頻率域?yàn)V波步驟小結(jié)

4.7.4

空間和頻率域?yàn)V波間的對應(yīng)

4.8

使用頻率域?yàn)V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?yàn)V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

鈍化模板、高提升濾波和高頻強(qiáng)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(shí)現(xiàn)

4.11.1

二維DFT的可分性

4.11.2

用DFT算法計(jì)算IDFT

4.11.3

快速傅里葉變換(FFT)

4.11.4

關(guān)于濾波器設(shè)計(jì)的一些注釋

：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(jì)退化函數(shù)；了解逆濾波；了解最小均方誤差（維納）濾波。

重點(diǎn)難點(diǎn)：要求重點(diǎn)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(jì)

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(jì)濾波器

5.3.3

自適應(yīng)濾波器

5.4

用頻率域?yàn)V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(jì)退化函數(shù)（1學(xué)時）

5.6.1

圖像觀察估計(jì)

5.6.2

試驗(yàn)估計(jì)

5.6.3

建模估計(jì)

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

由投影重建圖像

5.11.1

引言

5.11.2

計(jì)算機(jī)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

：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(diǎn)難點(diǎn)：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

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(bǔ)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(diǎn)難點(diǎn)：快速小波變換。

7.1

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)）

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(diǎn)難點(diǎn)：重點(diǎn)掌握圖像腐蝕、圖像的膨脹、圖像的細(xì)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(xì)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(diǎn)、線和邊緣檢測和閾值分割的基本思想和方法。

重點(diǎn)難點(diǎn)：重點(diǎn)掌握圖像分割，輪廓跟蹤。

10.1

基礎(chǔ)知識

10.2

點(diǎn)、線和邊緣檢測（1學(xué)時）

10.1.1

背景知識

10.1.2孤立點(diǎn)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(jìn)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(jìn)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(yùn)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(diǎn)難點(diǎn)：重點(diǎn)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)

11.2.3

傅里葉描繪子

11.2.4

統(tǒng)計(jì)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(bǔ)描繪子

11.3.3

紋理

11.3.4

不變矩

11.4

使用主分量進(jìn)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(diǎn)難點(diǎn)：結(jié)構(gòu)模式識別。

參考學(xué)時分配章節(jié)各章標(biāo)題名稱講授學(xué)時實(shí)驗(yàn)學(xué)時上機(jī)學(xué)時備注第1章緒論2第2章數(shù)字圖像基礎(chǔ)4第3章灰度變換與空間濾波6第4章頻率域?yàn)V波2第5章圖像復(fù)原與重建4第6章彩色圖像處理4第7章背景自學(xué)第8章圖像壓縮自學(xué)第9章形態(tài)學(xué)圖像處理4第10章圖像分割2第11章表示與描述自學(xué)五、課外學(xué)習(xí)任務(wù)

為突