基于应用的“数字图像处理”课程工程化教学探索

邓运生，郑晨霞

（1.蚌埠学院 电子与电气工程学院；2.安徽财经大学 管理科学与工程学院 安徽 蚌埠233030）

“数字图像处理”是理工科高校信息、电子和通信类专业的重要必修课程，主要学习应用计算机对数字图像进行分析和处理的基本理论与方法。随着经济发展模式的转变和中国制造2025战略的推进，机器视觉技术已经进入了一个快速发展期，图像便是机器视觉获取信息的重要基本形式［1］。数字图像处理是一门实践性很强的课程，其方法和技术在智能交通、遥感卫星、工业控制、现代医疗和机器人开发等领域得到了广泛的应用。

笔者试以工程师特有的视角来解析和讲授这门课程，重点将典型工程案例与课程相关理论教学紧密结合起来，同时辅以图像程序设计和仿真演示过程，预留一定时间让学生参与工程实践训练，形成以工程化应用为主线的知识点分析和算法设计实现为目标的课堂教学模式。笔者通过所在院校电子与电气工程学院相关专业的教学实践发现，此模式取得了良好的效果［2］。

一、面向工程实践的课程教学模式

（一）注重工程理念引领

新工业革命加速进行，新工科建设势在必行。以新技术、新产业、新业态和新模式为特征的新经济呼唤新工科建设，国家一系列重大战略深入实施呼唤新工科建设，产业转型升级和新旧动能转换呼唤新工科建设，提升国际竞争力和国家硬实力呼唤新工科建设［3］。笔者认为工科课程都应该与工程、产业紧密结合起来，加强课程建设与产业升级的联动，突出应用导向；同时将创新型工程教育理念渗透到专业培养方案、每一本教案和每一次课中，着力提升学生在工程科技方面的创新、创造能力，切实将工程的理念传播到每一位学生心中，促使其传化为工程实践活动；通过对具有课程价值的实际案例进行分析，激发学生的课程学习热情，增强课程应用自信。

（二）坚持鲜活案例引入

随着国家全面实施创新驱动战略，各种创新案例不断涌现，特别在数字图像处理领域更是全面开花，在智能交通和安防、工业控制、人脸识别、大数据图像融合等领域大放异彩。蚌埠学院“数字图像处理”课程目前采用贾永红编著的国家级规划教材《数字图像处理》，全书分为11章，分别是导论、数字图像处理的基本概念、图像变换、图像增强、图像复原与重建、图像编码与压缩、图像分割、二值图像处理与形状分析、影像纹理分析、模板匹配与模式识别技术等。教师在授课过程中经常忙于原理和方法的讲解，对数字图像处理的应用情况涉猎较少，容易使学生感到学习理论知识的枯燥、晦涩［4］。为了扭转这种窘境，笔者坚持从鲜活案例出发引入相应的教学内容，力图使课堂变得生动、实用和有趣。

为了有效提高学生的兴趣，笔者从工程案例出发，第一步说明某个具体图像处理算法的工程应用，用MATLAB编程来演示具体应用的效果，接着通过修改算法和参数做出对比实验，让学生真正理解图像处理的方法和原理，下面以图像的二值化为例来说明。二值化是数字图像处理中的一个重要知识点，从表面来看比较简单；但从它的工程应用情况看，二值化的效果直接影响到后续的过程。最典型的案例就是智能交通领域中的车牌识别技术，从图像的预处理到车牌图像的定位和识别，二值化的处理效果直接决定着车牌的定位和字符分割。影响图像二值化的一个重要因素就是阈值的选取，那么如何通过案例教学逐步展示出阈值的选取过程和优劣呢？笔者建议可以采用如下的教学过程。

（1）通过PPT展示二值化效果的差别和对定位的影响，见图1～图4。从图1原始图像到动态阈值法获得的图2；图3是采用一定算法获取的图像；图4得到定位后的效果。这样紧密结合案例来展示图片既能够迅速引起学生的兴趣，又可以直观的看出阈值的选取对后续图像处理的重要影响。

图1 原始图像

图2 动态阈值设定法

图3 采用一定算法获取的阈值法

图4 定位后的效果

（2）讲解二值化的基本原理。所谓图像的二值化，是指图像中像素点的灰度置为0或者255，整幅图像呈现出明显的黑白效果。其本质是将256个亮度等级的灰度图像通过合适的阈值选取从而获得仍然可以反映图像整体和局部特征的二值图像。二值化后的图像对于后续的数据处理和压缩都显得非常方便。

（3）用MATLAB演示图像在不同阈值下二值化的效果，同时展示给学生看［5］。

通过以图像的二值化为例展示的教学过程，可以看出整个课堂通过具体案例和MATLAB的生动演示，提高了课程实用性和学生积极性，增强了学生学好这门课程的信心。

二、加强课程实践分析，提升学生工程综合应用能力

“数字图像处理”课程中有不少内容直接与工程应用直接相关，教师在具体的教学中既要巧妙地结合原理加以阐释，更要通过应用的对比分析让学生知其所以然［6］。笔者以图像的特征匹配为例来说明，教学步骤可分为几个部分。

（1）先指出人的跟踪实际案例，强调在公安破案和公共安全等领域的重要作用；同时结合前期的知识带领学生思考，人脸等是怎么识别出来的。

（2）提出图像特征匹配的基本概念，提醒学生注意匹配过程中的关键点。图像匹配又叫图像配准，是完成目标跟踪和识别的必要环节。图像配准技术分为人工配准和自动配准，其中自动配准是最终发展目标；匹配的过程中应该注意特征空间的选择、相似性测度的选择和搜素策略的选择。

（3）配备标准方法的讲解。图像配准的一般做法是，首先在参考图上选取以某一目标点为中心的图像子块，并称它为图像配准的目标窗口，然后让目标窗口在待配准图上有秩序地移动，每移到一个位置，就把目标窗口与待配准图的对应部分进行相关比较，直到找到配准位置为止［7］。

（4）匹配过程的展示和对比。对同一幅原始图像分别采用归一化直接互相关和先进行边缘处理再进行归一化互相关来匹配，通过图像帧数和处理方法的不同来对比匹配的效果，见图5、图6。

图5 归一化直接互相关匹配结果

图6 先采用边缘处理再利用归一化互相关匹配结果

图5 展示了在归一化直接互相关法的跟踪过程和结果；图6展示了先进行边缘处理再进行归一化互相关法的跟踪过程和结果。在同一方法下，可以直观地看到帧数对图像跟踪的影响；在采用的算法角度看，先进行边缘处理再用归一化互相关来匹配的跟踪效果更好。经过这样的推理和演示，学生会对图像匹配的概念和基本方法有了更深入的理解；同时加强了学生实际应用能力的培养。

三、基于工程的课程教学考核

课程考核是全面检验学生所学情况和教师授课水平的重要方式，常见的课程考核形式有试题、课程设计、大作业等。对于“数字图像处理”这门课程来说，大多数考核方式分为两部分展开：一部分为平时课堂考勤、实验环节和作业完成情况，权重为20%～30%；另一部分就是期末考试，这部分权重为70%～80%。针对这样的考核权重比，根据课程应用型特点，笔者对考核方式进行了如下调整：平时成绩（包括课堂考勤、课后作业完成情况等）占20%，实践成绩（包括课程实验成绩、具体模块项目应用情况和课程设计等）占40%，期末考试成绩占40%［8］。

平时成绩的组成主要侧重考核学生的课程学习态度和课堂表现情况，主要通过课堂考勤、提问和互动环节来体现。随着科技的快速发展，“数字图像处理”课程的工程应用性表现得越来越突出，在智能控制、航天遥感、物联网、智能交通和家居等领域均有广泛而深入的应用。基于这样的大背景，应加大对实践成绩的考核力度，可分为验证性实验、设计型实验和基于工程项目的综合性实验。

通过对学生课内实验进行现场验收、打分，要求学生做出对比实验和分析，形成实验考核系列；同时结合课程相应内容开设设计性实验和基于工程项目的综合性实验，有利于提高学生的学科应用能力和工程创新素质，具体的实验设计见表1。

表1 实验项目及实施

四、结语

结合学校“地方性、应用型、工程化”办学定位，依据“数字图像处理”课程特点对教学进行了一定的探索和实践；对照课程章节内容挖掘了一系列的工程案例和实践项目，通过课堂演示、讲解和课下综合工程训练等多种形式对学生进行了课程工程化思想的引导和传授；同时改进了课程考核体系，将带有鲜明工程项目特色的实践成绩作为重要环节纳入到终评成绩中。实践表明：学生的课程应用能力得到明显加强，其工程化思维初步形成，课程工程化教学改革取得了阶段性成效。笔者将进一步完善工程化课程教学体系，着力提升学生工程应用能力，为其成为应用型和工程化人才打下良好的基础。