大学教育中视觉信息处理类课程实验实践环节设置的探讨

韩芳芳　朱均超　张宝峰

（天津理工大学，天津300381）

大学教育中视觉信息处理类课程实验实践环节设置的探讨

韩芳芳朱均超张宝峰

（天津理工大学，天津300381）

计算机视觉技术因客观、准确、高效等优点，成为近年来信息技术研究与应用的热点，视觉信息处理类课程也逐步成为理工科专业的热点课程。但因该类课程理论性强、数学算法繁杂，对于学生的理解和掌握有较大难度。理论与实践相结合是让学生更好掌握理论知识，并且学以致用的有效方法。由此本文探讨了针对图像处理和计算机视觉类课程的实验实践环节设置方案，提出一种由软件程序仿真实验、硬件实验台实验和学生科技竞赛实践构成的循序渐进的实验实践环节设置方案。

实验教学；实践能力；计算机视觉；图像处理

一、引言

随着信息时代的到来，人类社会正经历着从生活方式到学习方式多维度、多层次的历史性变革［1］。当代大学生的信息处理能力，不仅是衡量个体综合素质的重要指标，它还是信息社会个人生存技能的体现。因此，信息处理类课程，是大学教育中非常重要的一类课程群。

视觉是人类观察世界和认知世界的重要手段。随着科学技术的日益进步，计算机视觉以其准确、快速、客观、不受人类心理生理条件限制等优势，在越来越多的在需要人类视觉应用的场合来取代人眼进行信息获取及相关的处理操作，使得计算机视觉技术成为近年来信息技术研究与应用的热点［2］。因此，越来越多高校的信息类专业开始在本科培养方案的课程设置中增加图像处理与计算机视觉类课程，例如数字图像处理、计算机视觉、机器视觉等。

实验实践环节通常是随着专业课程而设置的，主要目的是将理论结合于实际，使学生加深对专业知识的理解，锻炼学生运用所学知识点来解决实际问题的能力。合理的课程实验实践环节设置可以有助于学生对理论课程的理解，因此，探讨图像处理与计算机视觉课程的实验实践环节设置具有重要意义［3-5］。

二、算法类课程实践推进式教学方式的探讨

计算机视觉是用机器代替人眼来做测量和判断的，是一项交叉、密集型学科的关键技术，涉及计算机科学、光学、电子学、生命科学、心理学、信息融合技术、传感器技术、人工智能等学科及技术领域的综合应用。这类课程的主要特点是涉及学科众多，处理数据量巨大，数学算法繁杂。图像处理算法涉及到对图像进行的各种分析处理的数学算法。从一般应用的图像处理算法来说，包括图像色度学分析、图像平滑去噪、图像锐化处理、图像增强、图像变换、图像压缩编码等；而从图像的高级应用来说，又包括模式识别、立体视觉、三维重建等等。以一般理工类本科生的知识结构和数字基础，对这类课程的理解和掌握存在较大的难度。

因此，提出如图1所示的对算法类课程的教学改革方案。传统的讲课方法是，从算法讲解进入，然后进行公式推导，最后是算法应用效果的说明。这种讲课方法，对于难以理解的算法，很容易使得学生在前期算法讲解阶段，因为听不懂而放弃该课程的学习。因此，改变授课思路，逆向思维，从算法应用效果进入，以问题为主导，激发学生学习兴趣；同时，算法的实践应用效果也会帮助学生理解该算法，增强授课效果。在学好该门课程、了解算法应用效果的基础上，学生也会积极主动的参与后续的设计及竞赛类的实践活动，从而学以致用，增强了学生的设计能力、动手能力。

图1　算法类课程的实践推进式教学方式

正是因为实验实践环节对于该类课程的重要性，因此，如何设置该类课程的实验实践环节，有助于学生更好的理解复杂的图像处理数学算法，是一个值得探讨的问题。本文提出了如图2所示的循序渐进的提高理解难度和增强实用性的实验实践环节设置方案。

图2　视觉信息处理类课程实验实践环节设置方案

对课堂上讲解的各类图像处理算法，采用某种语言进行程序设计，通过输出图像效果反馈加强学生对算法的理解，这类的实验可以融入课程教学，让老师在课堂上现场实验，或穿插在教学课程中让学生进行自主实验；在掌握图像处理算法的基础上，实验进一步升级，要求学生在视觉检测综合实验台上，完成图像采集、图像处理分析、图像输出应用这个比较系统的完整过程；在经历该系统的完整锻炼后，鼓励学生参与进行各类计算机视觉相关的学生科技竞赛活动的实战锻炼。因此，由这样一个循序渐进的实验实践环节设置，最终达到对视觉信息处理技术的学以致用。

三、视觉信息处理类课程实验实践环节的设置

1.软件程序仿真实验

软件程序仿真实验是指利用Matlab、Visual C++等计算软件，对数字图像处理算法进行程序编写，用编写的程序段作用于输入图像，观察输出图像的变化，对输入、输出图像进行对比，以加强学生对图像处理数学算法作用的理解［6-9］。

以图像变换压缩算法为例进行实验设置和分析。图像变换压缩的根本意义在于：将空间域里描述的图像，经过某种变换（常用的是二维正交变换，如傅立叶变换、离散余弦变换等）在变换域中进行描述，从而将图像能量在空间域的分散分布变为在变换域的能量的相对集中分布，这样有利于进一步采用其他的处理方式，如“之”字形扫描、自适应量化、变长编码等，从而获得对图像信息的有效压缩。

以二维离散余弦变换为例：

式（1）中：

对于以上图像变换的数学算法，若让学生死记硬背的记住变换公式，学生往往会觉得很难理解，且不清楚这些变换用途是什么。因此，为有助于学生理解，应该辅以图像处理的实验效果对这样的数学算法进行分析。以Matlab软件环境环境为例，要求对一幅输入图像进行二维离散余弦变换；对变换系数进行与原图像像素灰度值进行比较；对变换系数进行一定的阈值处理，舍弃较小系数，进行图像反变换，观察系数舍弃情况与反变换图像效果情况。

实验程序段如下（离散余弦变换可以采用Matlab自带的函数“dct2”、“idct2”实现，也可以鼓励学生自己根据算法公式自己编写变换函数）：

对应上述程序段的实验结果如图3所示。

图3　图像离散余弦变换压缩实验结果

图3（a）为原始图像，对应程序段中的变量I；图3（b）为对原始图像进行二维离散余弦变换后，不对变换系数进行任何处理，直接进行反变换后的变换图像，对应程序段中的变量B；图3（c）为系数阈值设为40，舍弃绝对值小于系数阈值的变换系数后，再进行反变换后的变换图像，对应程序段中的变量D；图3（d）为系数阈值设为80，舍弃绝对值小于80的变换系数后，再进行反变换后的变换图像；图3（e）和图3（f）分别为原始数据与离散余弦变换后系数数据分布的示意图。

由图3（e）和图3（f）的对比可以看出，原始数据的均匀分布，经过离散余弦变换后，系数的能量分布变得相对集中，因此可以舍弃较小的系数，而对图像信息的表达并不产生严重影响。由图3（c）和图3（d）的对比可以看出，舍弃的系数越多，对反变换图像信息的影响越大。

由以上的程序仿真实验示例，可以看出对于式（1）所示的繁杂的数学算法及其作用，可以由图3所示的实验结果更直观的反映出来，因此辅以这样的实验更有利于学生对算法的理解。

2.视觉检测实验台实验

在学生具有一定的程序编写能力和图像算法理解力的基础上，可以在实验环境上进一步加入硬件设施，在综合实验台上进行视觉检测综合实验［10］。本文以线阵相机、滚筒传动实验台为例进行实验设置说明。

实验台结构如图4所示，由线阵相机、镜头、LED线光源、滚筒传动台、计算机构成。

图4　线扫描相机视觉检测实验台

线阵相机的一次曝光采集一条线的信息内容，因此需要被测物与相机之间存在相对运动才能够采集到有意义的信息。本实验台中，相机固定安装，被测图像粘贴在滚筒上，当滚筒旋转起来，相机以一定频率曝光，即可采集到被测图像。滚筒不动时，采集图像如图5（a）所示；滚筒转动时，采集图像如图5（b）所示。

在图像采集程序中，加入图像处理函数，可实现对被测图像的检测分析。例如对图5（b）所示的图像加入色选程序，可以进行颜色块的色选。

图5　滚筒实验台采集图像

除图像算法和程序编写的能力锻炼外，利用该实验台还可以锻炼学生对焦距、物距、景深的计算，滚筒转速与相机曝光频率对采集图像分辨率的影响，镜头光圈与相机曝光频率对采集图像亮度影响等，让学生更深入理解光学成像原理，以及与视觉检测相关的各参数的计算。

3.学生科技类实践

当学生对图像处理算法、软件编程能力、视觉检测硬件结构设计及参数计算有一定的基础后，可进一步鼓励学生参加智能小车、视觉机器人等学生科技竞赛类项目，让学生学以致用，也进一步激发学生的学习兴趣和动手能力。

例如，“飞思卡尔（freescale）”杯全国大学生智能车竞赛是近年来理工类院校关注度较高的一项学生科技竞赛赛事，由高等学校自动化专业教学指导分委员会主办，飞思卡尔半导体公司协办，采用邀请赛方式。比赛以迅猛发展的汽车电子为背景，涵盖了控制、模式识别、传感技术、电子、电气、计算机、机械等多个学科交叉的科技创意性比赛，旨在培养大学生对知识的把握和创新能力，以及从事科学研究的能力［11-12］。

赛事分光电组、摄像头组和电磁组三类智能小车，以小车在不跑出赛道的情况下而跑完全程所用的时间作为比赛标准，时间最短者胜出。其中摄像头组即为应用视觉技术的智能小车。赛道图像由小车前面的CCD（或CMOS）传感器采集入处理芯片，由图像算法进行处理分析赛道位置，由控制算法调整小车运动轨迹，从而使小车在赛道内完成全部行程。鼓励学生参加此类赛事，对学生所学知识的综合运用和动手能力的增强将有极大益处。

图6（a）为第八届（2013年度）飞思卡尔杯全国大学生智能车竞赛场景，图6（b）为该届竞赛中，某参赛队的摄像头组智能小车。

图6　第八届飞思卡尔杯智能车竞赛

四、结束语

计算机视觉技术具有客观、准确、高效、环境适应能力强等优点，在国民生产生活中得到了越来越多的应用，因此计算机视觉与图像处理类课程也逐步成为理工科专业的热点课程。但因该学科是一门多技术交叉的密集型学科，特别是数学算法繁杂，对于学生来说，理解和掌握具有较大的难度。理论与实践相结合是让学生更好的理解和掌握理论知识，并且学以致用的有效方法，由此，本文探讨了针对图像处理和计算机视觉类课程的实验和实践环节设置方案。

本文提出由软件程序仿真实验、硬件实验台实验和学生科技竞赛实践构成的循序渐进的实验实践环节设置方案。由软件程序仿真实验锻炼学生的算法理解和算法编程实现能力，由硬件实验台实验锻炼学生对视觉检测系统结构设计和系统参数计算能力，由学生科技竞赛实践锻炼学生综合运用所学知识解决实际问题的能力，激发学生学习兴趣和创新能力。实践表明，本文探讨的实验实践环节设置方案，对于学生对该类课程的理解和综合能力的提高有较好的效果。

［1］常正霞.大学生信息素养现状分析［J］.电化教育研究，2011（8）：53-57.

［2］曹亮，魏怡，姚思勤.机器视觉技术及其发展和应用［J］.中国科技信息，2008（11）：40-41.

［3］李露，谢凤英，姜志国，等.关于在实验课程中培养研究生创新实践能力的探索——以数字图像处理实验课程教学改革为例［J］.实验技术与管理，2010，27（11）：235-237，248.

［4］韩智，张振虹.“数字图像处理”实验课教学改革与实践［J］.实验室研究与探索，2008，27（9）：102-104.

［5］李金萍，陆玲，刘自强，等.数字图像处理课程实验教学改革探索——在实验教学中培养学生创新实践能力［J］.科技视界，2013（7）：23-24.

［6］安平，王朔中.建立在MATLAB平台上的数字图像处理教学实验系统［J］.实验室研究与探索，2001，20（1）：61-62，70

［7］乔闪.基于MATLAB面向课题的数字图像处理实践教学［J］.实验技术与管理，2005，22（8）：93-96

［8］彭晓明.基于MATLAB的数字图像处理课程的教学实验设计［J］.高等教育研究（成都），2009，26（1）：60-62

［9］朱娟花，吴昂.MATLAB在数字图像处理课程教学中的应用［J］.实验室科学，2011，14（1）：66-67

［10］蒋伟，官礼和，刘亚威.数字图像处理创新实验的研究与实践［J］.实验室研究与探索，2011，30（7）：236-238，251

［11］刘凤英.大学生实践能力培养之对策［J］.湖南税务高等专科学校学报，2006（11）：53-54.

［12］王艳红，王艳飞.当今大学生创新实践能力的培养［J］.科技资讯，2007（5）：81.

（责任编辑：姚歆烨）

Experiment and Practice Teaching Plan for Image Processing and Computer Vision Courses

HAN Fangfang，ZHU Junchao，ZHANG Baofeng
（Tianjin University of Technology，Tianjin 300381，China）

Due to its objectiveness，accuracy and high efficiency，computer vision has become very popular in the research and application of information technology in recent years，and vision information processing courses are also becoming more and more popular at science and engineering universities.Because of the complex algorithm and theories，those courses are usually very difficult for students.Combining theory with practice is an effective method for grasping the theoretical knowledge.Therefore，this paper put forward an experimental practice plan for image processing and computer vision courses，which is composed of a series of exercises such as software program simulation experiments，hardware laboratory experiments and students’science and technology competition activities.

experiment teaching；ability of practice；computer vision；image processing

G642.0

韩芳芳（1978—），女，讲师，研究方向：数字图像处理、计算机视觉。

天津理工大学教学改革项目（YB12-61）。