APP下载

面向能力培养的数字图像处理实践体系设计

2020-03-08刘力双夏润秋孟浩耿蕊吕勇刘洋郎晓萍

现代计算机 2020年36期
关键词:滤波图像算法

刘力双,夏润秋,孟浩,耿蕊,吕勇,刘洋,郎晓萍

(北京信息科技大学仪器科学与光电工程学院,北京100192)

在工程教育专业认证理念的指引下,为了加强学生的解决复杂工程能力的培养,对数字图像处理课程进行教学改革,设计《数字图像处理及应用》的理论课和《视觉检测系统设计与实践》实践环节相结合的教学体系。理论课环节设置多个视觉检测系统相关的编程大作业,在实践环节设置基于MATLABGUI的视觉检测系统设计,要求对复杂工件进行视觉检测,并根据测试结果进行评分竞赛排名。调查表明,面向能力培养的教学改革激发学生的学习兴趣,能主动投入较多的时间精力进行课程学习和实践训练,提高学生的工程实践能力。

数字图像处理;视觉检测;解决复杂工程问题;工程实践能力

0 引言

工程教育认证理念对于助推高校持续深化教育教学改革,不断提升我国工科专业建设水平与人才培养质量具有重要作用[1]。工程教育认证标准要求以学生为中心,培养学生解决复杂工程问题的能力,也是培养高素质工程人才的关键。

数字图像处理类课程是信息类专业本科生重要的专业课,通过该课程的学习,学生能够理解数字图像处理的概念和原理,能够对图像进行各种处理,为模式识别、计算机视觉、以及其他交叉学科等工程领域的应用奠定基础。随着信息及电子技术的快速发展,数字图像处理技术已应用到工业自动化、通信、交通运输、医学、机械、材料、航空航天、军事等各个领域[2-6]。

1 传统数字图像处理教学存在的问题

数字图像处理课程具有理论与实践、原理和应用紧密结合的特点,学生在学习的过程中,既对其实现功能和应用前景充满期待,又对其深奥的理论和繁杂的公式推导丧失兴趣。传统数字图像处理课程教学方式以教师讲授为主,学生对知识的接受比较被动,在进行实验时大都以算法效果对比为主。作为一门实践性很强的课程,却与工程实践相脱节。学生修完数字图像处理课程,理解了数字图像处理的基本原理,而对实际工程中常用的数字图像处理系统了解较少,不具备设计系统的能力,也不具备系统的数字图像处理算法程序的编写能力。

在工程教育的背景下,需要对数字图像处理课程进行教学改革,从实践环节入手,培养学生的解决问题的实践能力和创新精神,对加强学生解决复杂工程问题能力非常必要[7-14]。

2 数字图像处理课程教学改革设计

北京信息科技大学一直非常重视学生实践能力的培养。光电信息科学与工程专业的《现代电子技术及应用》课程,在前期的教学改革中,采用“做中学”的教学方法,取得了较好的效果。通过对完成课程学习的学生进行调查,学生对这种方式对实践动手能力的训练给予了高度认可[15]。

在制定2016版培养方案时,课程教学小组按照工程教育的理念,加强学生动手实践能力和解决复杂工程问题能力的培养,基于“OBE”的教学理念,以学生为中心,“引入工程项目,采用任务驱动”的教学模式来激发学生学习兴趣。将上一版培养方案的《数字图像处理》课程改为《数字图像处理及应用》(32学时)的理论课程和《视觉检测系统设计与实践》(16学时+1周)实践环节。两个环节在同一学期开设,相互配合开展。这种教学体系,以学生能够设计并实现视觉检测系统为教学目标,希望学生通过课程学习能够获得数字图像处理理论知识的同时,能通过自主学习动手设计实现数字图像处理算法,达到培养学生解决复杂工程问题能力的目的。

课程体系的教学目标除掌握数字图像处理相关知识外,还对学生的以下能力进行训练:①数字图像处理相关工程实践的能力,包括设计图像处理算法的能力,将算法转换为程序的能力,调试程序的能力。②团队能力。实践环节设计以小组形式进行,每组2人,在总结报告中给出任务分工和工作量分配。③撰写总结报告的能力。使学生具备完成内容充实、格式规范的总结报告的能力。④自主学习、查找资料的能力。很多设计所需的资料、MATLAB图像处理的函数等都需要学生自行查资料学习掌握。

3 《数字图像处理及应用》理论课教学设计

课程教学内容方面增加了视觉检测系统的选型与设计等工程应用方面的内容,增加了图像识别、人工智能方面的较新的热点内容,课程内容更侧重于数字图像处理的工程应用。

课程删掉了以前效果不够理想课程实验环节,设置了多个编程大作业。大作业是从专业特色突出的工程项目中提炼出来的任务,需要学生投入较多的时间,并通过自主学习来完成作业要求的图像处理算法设计,并对算法处理结果进行对比分析。

大作业使学生由“被动听课”变为“主动学习”和“动手编程”,提高了学生的兴趣,提高了讲授教学环节的教学效果。培养学生实践动手能力和解决复杂工程问题的能力。首次开课设置的编程大作业有以下9个题目。

(1)图像的点操作和灰度变换。要求自拍一张照片,完成以下数字图像处理算法:①显示图像的灰度直方图;②利用MATLAB对图像进行点操作,选择合适的阈值对图像进行二值化;③对照片脸部提升亮度的操作,给出变化前后的灰度直方图对比;④对照片脸部打马赛克;⑤对图像进行直方图均衡化,给出变化前后的灰度直方图对比;⑥灰度变换:分别对图像的低灰度值和中间灰度值进行扩展,压缩其他区域,给出变化前后的灰度直方图对比。

(2)图像滤波。要求自拍一张照片,完成以下数字图像处理算法:①给图像分别添加随机噪声和椒盐噪声;②采用不同的平滑滤波模板进行滤波对比(不同模板、不同尺寸);③采用中值滤波对图像进行滤波对比;④对添加随机噪声的多幅图片取平均。要求对比分析:①不同空间域卷积器模板的滤波效果有何不同?②空间域卷积器模板的大小的滤波效果有何影响?

(3)图像的边缘检测。对给定图像完成以下数字图像处理算法:①采用Sobel算子、Roberts算子、LOG算子、Canny算子等多种方法处理得到图像中的边缘,并进行算法的对比分析(重点对比Canny算子与其他算子的区别,分别从算法原理和实际处理结果分析);②采用轮廓提取算法处理得到图像中的边缘(先阈值分割,将图像与腐蚀后的图像相减);③选做:将图像中的边缘点输出到一个文件中;④选做:实现边缘点的亚像素定位算法(从函数拟合法、灰度矩法等任选一种算法)。

图1 图像的边缘检测

(4)图像的频域处理。对给定图像实现以下数字图像处理算法:①显示图像频谱图;②对图像进行低通滤波处理,对比不同参数时的处理结果并分析;③对图像进行高通滤波处理,对比不同参数时的处理结果并分析;④对比不同滤波器的处理结果并分析;⑤通过对图像的频谱矩阵操作,实现在图像中添加某方向的正弦波条纹。

图2 图像的频域处理

(5)彩色图像处理。①实现图像中某区域的颜色识别程序,首先实现读入计算机生成图片进行识别,然后对手机拍摄的色卡照片进行识别,并分析二者的差别;②选择一幅灰度图像,添加伪彩色;③选择一幅彩色图像,对图像进行分色处理,再组合为彩色图像。

(6)视觉检测图像处理。①实现图3所示图像的边缘检测,并根据边缘点拟合直线参数;②实现图4所示图像的边缘检测,并根据边缘点拟合圆参数;③采用边缘点拟合的方法对图5所示图像中4条边的边长和夹角的计算(注意边缘点的直线归属判断);④采用hough变换,实现图5所示图像中4条边的边长和夹角的计算。

图3 求出图中直线的参数

图4 求出图中圆的 圆心位置和半径

图5 求4条边的 边长和相互夹角

(7)视觉检测图像处理。①求图6中光斑的中心坐标。采用边缘拟合法和灰度重心法两种方法实现,并进行对比分析;②求图7中光条的中心的位置;③实现图像的某一区域的清晰度评价,并用实例测试效果(建议采用梯度向量平方法)。

图6 求出图中光斑的 中心位置

图7 求光条的 中心的位置

(8)图像清晰度评价。①在视觉检测实验平台上,调节相机,拍摄一组从模糊到清晰再到模糊的图片,选择一种图像调焦评价算法,对该组调焦过程图片进行调焦评价,给出评价值,并画出调焦评价值变化曲线。②选做:理论分析并实验测试调焦图像中边缘点数量(高频信息)和照明亮度对调焦灵敏度的影响。

(9)二维视觉检测系统标定。如图8所示为二维视觉检测系统采集的掩膜版制作的标定板(圆心间距10mm,左下圆心为(0,0)点):①标定出图像中像素与实际空间的比例变换关系;②标定出两个坐标系的旋转角度;③标定出两个坐标系的变换关系;④选做:标定出图像的畸变情况。

图8 二维视觉检测系统标定图像

4 《视觉检测系统设计与实践》实践环节教学设计

《视觉检测系统设计与实践》实践环节与《数字图像处理与应用》理论课同步开展,在学期中设置了16学时,前期主要任务是学习MATLABGUI界面的编写,后期是将一些算法在GUI界面上实现,最后1周集中主要是程序调试、测试、完善、答辩和撰写报告。

为了充分调动学生的学习积极性和主动性,实践环节教学设计除要求学生实现要求的数字图像处理程序功能外,还参考2017年中国机器人大赛先进视觉比赛项目的比赛规则,引入了竞赛机制,制定了详细的评分规则。定做了不同尺寸参数的掩膜板作为被测工件,要求学生给出被测值,将被测值与真值进行比较,根据误差大小进行评分。根据最终分数进行排序并给出该部分得分。

实践环节的具体任务要求为:

(1)采用MATLAB编写GUI界面,实现可读入计算机内存储的图片显示,以及USB相机的图像采集、实时显示和图像存储。(功能项)

(2)完成视觉检测实验系统的组建。(功能项)

(3)编程实现图像调焦实时评价,并将结果显示到界面上。(功能项)

(4)实现采集图像的滤波算法,包括多图像平均滤波算法、均值滤波、中值滤波、高斯滤波等,界面可选。(功能项)

(5)实现图像的直方图显示、直方图均衡化算法。(功能项)

(6)实现图像的频谱显示、高通滤波和低通滤波。(功能项)

(7)实现图像的颜色识别,识别教师指定的10种颜色色卡,并在界面上显示结果。(竞赛评分项)

(8)实现边缘检测,并在软件界面上显示结果。(功能项)

(9)实现待测工件的标定,工件举例如图9所示。实现标定程序,并完成系统坐标转换关系的标定。(黑框内侧边缘的尺寸已知,横向边缘作为X轴方向)(评分项)

图9 待测工件举例

(10)实现图9所示工件中图形参数的计算,对测量结果按照精度进行评分和排名。(注意:测试评分时,图形的位置和方位都会发生变化)(评分项)

(11)撰写设计总结报告,对程序设计原理、程序设计过程、实验结果进行分析。(要求:格式规范,清晰、有条理地表达设计过程和设计结果)(报告评分)

5 课程教学改革效果

课程采用了超星公司的学习通软件作为课程在线管理软件,获得了较好的效果,“在线签到”避免了上课考勤浪费时间,在线布置作业和提交作业、批改作业减少了以往交作业的中间环节,师生能够在软件上直接沟通,特别是对作业的及时反馈,提高了工作效率。

理论课的编程大作业要求学生独立自主完成,课程组进行了严格考核,对作业存在的问题进行反馈,同时避免抄袭情况。布置大作业时,强调数字图像处理的要求,并不指定实现方法,学生通过自主学习设计了各种解决方案,培养了学生的自主学习能力和创新能力。锻炼了学生动手编程能力和自学能力。

实践环节教学小组编写了详尽的课程设计指导书,对设计要求、设计所需的技术资料、报告要求等进行了说明。基于评分排名的设计,充分地调动了学生的兴趣和积极性,学生能够主动在程序编写上投入时间和精力,很多同学通宵调试程序。

课程结束后对学生进行课程教学目标达成度评价调查问卷,结果表明,虽然课程需要学生付出很多时间和精力,但绝大多数学生都对这种教学改革进行了认可。表示通过课程对数字图像处理有了深入了解和浓厚兴趣,部分同学表示做毕业设计和硕士研究生还要继续做相关领域的研究。教学改革的第一年,学生根据课程的设计内容整理发表了2篇论文。担任助教的研究生一年级学生也表示自己在助教过程中收获很大,大大提高了自己数字图像处理的算法设计和程序编写能力。

课程的下一步发展计划是逐渐完善课程实验硬件平台,争取引入更多的工程案例,让学生搭建更多类型的视觉检测系统[16-17];同时引入相关企业的工程师进入课堂,带来更多更生动的工程案例和前沿动态,将能力锻炼与企业需求接轨。

6 结语

通过将工程实践引入课程教学,提高了学生的学习兴趣,培养学生运用理论知识解决工程项目的能力。按照工程教育专业认证的理念,提高学生解决工程问题的能力,同时对团队能力、自学能力和撰写报告的能力进行了锻炼,提升了课程的教学效果。

猜你喜欢

滤波图像算法
基于HP滤波与ARIMA-GARCH模型的柱塞泵泄漏量预测
基于改进自适应中值滤波的图像降噪方法*
摄像头连接器可提供360°视角图像
哪种算法简便
浅析p-V图像中的两个疑难问题
Travellng thg World Full—time for Rree
基于非下采样剪切波变换与引导滤波结合的遥感图像增强
算法框图的补全
算法初步知识盘点
名人语录的极简图像表达