下载文档原格式
图像处理课程说明二、课程描述《图像处理》课程是电子信息工程专业选修的专业课程。
本课程是模式识别、计算机视觉、图像通讯、多媒体技术等学科的基础，是一门多学科交叉、理论性和实践性都很强的综合性课程，是电子信息类专业学生的一门重要专业课程。
通过对本课程的学习，使学生了解图像的基本概念、图像形成的原理，掌握图像处理的理论基础和技术方法，着重掌握数字图像的增强、复原、压缩和分割的基本理论和实现方法，为将来从事相关领域工作和科研奠定基础。
主要内容：1．图像处理基础（数字图像的采样、量化过程及数字图像的表示形式；常用数字图像文件格式）2．图像增强（灰度变换、直方图增强处理、锐化处理）3．图像复原（图像退化/复原过程的模型、噪声模型）4．图像压缩编码（静止图像压缩编码标准－JPEG；运动图像压缩编码标准－MPEG；基本的图像编码方法，如无失真变长编码、位平面编码、游程编码。
）5．图像分割及特征提取（图像分割的概念、基于边缘检测、阈值的分割方法）6．形态学图像处理（二值形态学的基本运算，如腐蚀、膨胀、开运算和闭运算；二值图像的形态学处理，如形态滤波、边界提取、区域填充、骨架提取、物体识别；击中击不中变换。
）7．彩色与多光谱图像处理（三基色原理和CIE色度图；RGB 模型和HSI 模型；伪彩色处理、全彩色处理基础及彩色变换的常用方法。
）三、使用教材及主要参考书或资料使用教材：《数字图像处理》李俊山编，清华大学出版社。
本书较全面地介绍了数字图像处理的基本概念、基本原理、基本技术和基本方法。
全书正文有10章，内容包括绪论、数字图像处理基础、图像变换、图像增强、图像恢复、图像压缩编码、图像分割及特征提取、形态学图像处理、彩色与多光谱图像处理以及目标表示与描述等。
内容基本上覆盖了数字图像处理技术知识专题及发展动向。
本书内容新颖，语言精练，表述通俗，图文并茂，注重实践，系统性强。
本书可作为高等院校信息工程、电子工程、通信工程、信号与信息处理、模式识别与智能系统、生物医学工程、计算机科学与技术、遥感等学科硕士研究生和大学本科高年级学生的专业基础课教材。
课程设计指导手册《数字图像处理》课程设计指导手册曹江中、何家峰广东工业大学信息工程学院2012年9月一、课程设计目的数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。
随着计算机的发展，图像处理技术在许多领域得到了广泛应用，数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。
数字图像处理课程设计是在完成数字图像处理的相关理论的学习后，进行的综合性训练课程，其目的主要包括：1、使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；2、增强学生应用VC＋＋编写数字图像处理的应用程序及分析、解决实际问题的能力；3、尝试将所学的内容解决实际工程问题，培养学生的工程实践能力，提高工科学生的就业能力。
二、课程设计内容本课程设计提供有8个可选内容，请根据自己兴趣爱好选择其中的一个内容独立完成（学生也可自拟难度相当的设计内容，但需经过指导老师的同意）。
内容一: 一个简单的“photoshop”软件设计内容及要求：（1）、独立设计方案，实现对图像的3种处理。
（2）、利用VC＋＋实现软件框架：有操作菜单、能显示某项操作前后的图像。
（3）、查找相关算法，至少实现3种功能，比如：灰度增强、直方图显示、浮雕等等（底片化、二值化及平滑等实验内容不计算在内）。
（4）、将实验结果与其他软件实现的效果进行比较、分析。
总结设计过程所遇到的问题。
内容二：直方图均衡化设计内容及要求：（1）、查阅文献、理解直方图均衡化的原理。
（2）、利用VC＋＋编写直方图均衡化程序。
（3）、设计的软件框架能够实现直方图变换前后的图像直方图及图像，以进行比较。
（4）、调用matlab中的直方图均衡化函数并得出实验结果，比较、分析与自己编写的代码实验结果区别。
内容三：数字水印设计内容及要求：（1）、查阅文献、了解数字水印的基本概念。
（2）、深入理解一种简单的数字水印嵌入与提取方法。
（3）、独立设计系统框架并利用VC＋＋编程实现该方法。
《数字图像处理》课程介绍 课程编码：XX31310 课程性质：专业选修 教学时数：周学时3，总学时54 学 分：3学分 先修课程：高等数学，线性代数，概率论与数理统计，C++语言程序设计，数据结构，算法分析与设计
为什么要选修图像处理： 由于客观环境的限制，当您拍摄的重要相片模糊、有许多白点时，当您想修补相片时，当您想仔细察看图像局部区域，却苦于图像分辨率有限时，当您想实现图像检索时，当您想实现视频监控时，当您想从事数字艺术、动漫创造时，……,您会发现，我们需要一种知识，这就是“图像处理”。
可以这么说，在整个计算机领域，图像处理与模式识别、计算机视觉占有绝对重要的地位。图像处理技术已渗入到我们的生活中，与我们息息相关。
学习图像处理可能遇到的困难： 图像处理是一门数学理论要求比较多的课程，它需要学习者有一定的高等数学基础，较强的分析能力，较强的算法设计与实现能力。 更重要的是，学习者愿意投入，愿意持之以恒。 教学目的与要求： 1. 数字图像处理是论述图像处理基本理论、方法及其在自动化领域中的应用的学科，是实现机器视觉的有效工具，是计算机科学与技术本科专业的专业选修课。
2. 学习本门课程的主要目的是使学生掌握数字图像处理的基本概念、原理、和方法，并能解决在智能化检测与控制中的应用问题。
3. 通过本课程的学习，要求学生能够根据需要选择合理的数字图像处理技术和方法，从事图像处理系统设计、基于视觉的智能化检测方面的研究开发工作。
参考教材： Gonzalez R. C.,Woods R. E. Digital Image Processing(Second Edition). 北京：电
子工业出版社，2002
参考书目： （1）王润生主编. 图像理解.长沙：国防科技大学出版社，1995 （2）崔屹. 数字图像处理技术与应用. 北京：电子工业出版社，1997 （3）吕凤军. 数字图像处理编程入门. 北京：清华大学出版社，1999 （4）何斌，马天予. VC++数字图像处理. 北京：人民邮电出版社，2001 （5）章毓晋. 图像工程（上册）图像处理. 北京：清华出版社，2006
授课内容（暂定）： 数字图像处理描述了数字图像处理的基本理论、方法及其部分应用。本课程介绍的内容包括：数字图像处理的基本概念与特点，数字图像处理基础和图像编程基础，空间域图像增强，频域图像增强，图像复原，图像的几何变换，图像编码，数学形态学及其应用，图像分割与边缘检测，图像特征与理解等。详细内容如下，
第一章 绪论 主要讲述：数字图像处理的基本概念与特点，数字图像处理硬件系统，数字图像处理的应用及发展趋势。 重点：数字图像处理的特点及其应用。
第二章 数字图像处理基础 主要讲述：图像的采样与量化技术、图像数字化设备、数字图像的类型、常见图像文件格式、色度学基础与颜色模型。 重点：BMP文件格式、RGB模型、HSI模型以及颜色模型之间的相互转换。 难点：位图调色板及其在编程中的实现。 第三章 VC++图像编程基础 主要讲述：VC++可视化编程基础、ImageLoad动态链接库、CDibObject类的设计、图像文件的读入、显示与保存。 重点：CDibObject类的设计，图像文件的读写与显示。 难点：利用Visual C++进行面向对象的程序设计，文档视图结构，图像的显示。
第四章 空间域图像增强 主要讲述：直方图的基本概念、性质、拉伸与均衡，灰度线性变换，图像噪声的分类与特点，模板与卷积运算，图像平滑，图像锐化，图像的伪彩色处理。 重点：直方图的拉伸与均衡，灰度线性变换，中值滤波，微分算子。 难点：直方图均衡，模板与卷积运算。
第五章 频域图像增强 主要讲述：频域处理的作用，离散傅立叶变换的概念与性质及其快速实现算法，离散余弦变换的特点及其快速实现算法等，小波变换等。 重点：离散傅立叶变换的性质，快速离散傅立叶变换，快速离散余弦变换，小波变换的应用。 难点：离散傅立叶变换的蝶形算法，小波变换。
第六章 图像复原 主要讲述：图像的退化与复原的基本概念与数学模型，非约束复原、最小二乘法约束复原、非线性复原方法。 重点：图像复原的实现。 难点：图像退化的数学模型，图像复原的实现。
第七章 图像的几何变换 主要讲述：齐次坐标、几何变换矩阵，图像的比例缩放、平移、镜像、旋转、透视变换与复合变换。 重点：几何变换的特点、齐次坐标、图像旋转、双线性插值。 难点：图像的复合变换与透视变换。
第八章 图像编码（可选内容） 主要讲述 ：图像编码的目的与意义，编码的基本原理、方法与评价，哈夫曼编码、香农范诺编码、行程长度编码、LZW编码、算术编码、JPEG编码。 重点：哈夫曼编码、行程长度编码、LZW编码、JPEG编码的算法与实现。 难点：算术编码、JPEG编码的算法与实现。
第九章 数学形态学及其应用 主要讲述：数学形态学的基本概念，二值形态学腐蚀、膨胀、开、闭运算，击中击不中变换，灰值腐蚀、膨胀、开、闭运算，形态学滤波，骨架抽取，细化算法。 重点：二值形态学腐蚀、膨胀、开、闭运算，细化算法。 难点：击中击不中变换，骨架抽取。
第十章 图像分割与边缘检测 主要讲述：图像分割的概念、原理及方法，阈值分割技术，区域增长与聚合，边缘检测与微分运算，轮廓跟踪与提取，图像匹配，投影法与差影法。 重点：判别分析法确定阈值，轮廓跟踪，模板匹配，差影法。 难点：模板匹配与直方图匹配，区域生长与区域聚合。
第十一章 图像特征与理解（可选内容） 主要讲述：特征分析的基本方法，图像的几何特征、形状特征、纹理特征及其他特征的定义及其在图像分析中的应用，中轴变换，曲线与表面的拟合。 重点：图像几何特征、形状特征，边界链码，欧拉数与孔洞数。 难点：纹理分析，中轴变换，曲线与表面的拟合。
主要教学方法与媒体要求 本课程主要采用课堂教学和课后实验相结合的方法，建议学生课后完成下列实验，巩固课堂知识。 数字图像处理课后实验内容及所需设备
实 验 内 容 时数 所需仪器、设备 实验一 BMP图像的读写 2 多媒体计算机 实验二 创建图像处理基本类 2 多媒体计算机 实验三 中值滤波 2 多媒体计算机 实验四 判别分析法确定阈值 2 多媒体计算机 实验五 轮廓跟踪与轮廓提取 2 多媒体计算机 实验六 图像的旋转 2 多媒体计算机 实验七 显示频谱图像 2 多媒体计算机 实验八 形态学腐蚀与膨胀 2 多媒体计算机 实验九 图像的形状特征提取 2 多媒体计算机 说明：教师可以根据需要，只讲授第1-7，9-10章。
考核方式：考查 成绩分布： 平时成绩 40%（课后实验和课堂到课率） 期终考查 60%（期末大作业） Syllabus for 《Image Processing》 Course Code: XX31310 Course Category: Special Elective Module Courses Class Hours: 3 per week, 54 in total Course Credits: 3 Prerequisites: Higher Algebra, Linear Algebra, Probability & Statistics, C++ Programming or Matlab, Data Structure, Algorithm Analysis & Design Objectives and Requirements: This course try to develop an overview of the field of image processing; Understand the fundamental algorithms and how to implement them; Prepare to read the current image processing research literature, Gain experience in applying image processing algorithms to real problems.
Textbook(s): Gonzalez R. C.,Woods R. E. Digital Image Processing(Second Edition). Peking: Electronic & Industry Press, 2002
References: [1] Wang runsheng, Image Understanding, Defense Science & Technology Press, 1995. [2] Cui yi, Digital image processing technology and applications, Electronic & Industry Press, 1997 [3] Lv fenjun, Introduce to digital image processing programming, TsingHua University Press, 1999 [4] He Bing, et al, VC++ digital image processing, People Post Press, 2001 [5] Zhang YuJing, Image Engineering: Image Processing, TsingHua Press, 2006
Contents: This course covers the fundamentals of digital image processing from both algorithmic and implementation perspectives. In addition to the standard images from the image processing literature, varies images will be used to test some the approaches and to illustrate the difficulties that are typically encountered in real problems of image processing. The contents include,
Introduction: What is image processing? What are the fundamental issues in image processing? What is the role of perception? Basic image models and definitions: pixels, sampling, quantization, resolution, representation as a matrix, operations, camera angles and perspective transformations Image transformations: Fourier transform and spectral analysis, separable transformations, principal component analysis, wavelets. Image enhancement: histograms, subtraction, averaging, spatial filtering and sharpening, low-pass and high-pass filtering, etc. Image restoration: brief overview and models (Elective)
