數字圖像處理教學改革研究與探索

摘要：通過分析目前數字圖像處理課程中存在的課程定位不明確、傳統教學模式與授課差異的矛盾和教材與學科發展不一致的問題，從教學內容、教學資源、多元化考核評價標準、開展研究性課堂教學和實踐教學等多個方面進行教學改革探索。實踐表明，該教學方法克服傳統教學方法所存在的弊端，極大地提高了學生的自主學習能力，為培養具有較強適應能力的應用型和創新型人才打下堅實的基礎。

關鍵詞：數字圖像處理；教學改革；課程建設；研究性教學

作者簡介：寧紀鋒（1975-），男，陜西韓城人，西北農林科技大學信息工程學院，副教授。（陜西 楊凌 712100）

基金項目：本文系西北農林科技大學教學改革研究項目（項目編號：JY1102077）、西北農林科技大學本科優質課程建設項目的研究成果。

中圖分類號：G642.0 文獻標識碼：A 文章編號：1007-0079（2013）34-0122-02

“數字圖像處理”是西北農林科技大學（以下簡稱“我校”）信息工程學院為計算機科學與技術、軟件工程、信息與計算科學等多個理工科專業所開設的一門專業必修課。該課程涵蓋數學、物理、信號處理、心理學、計算機科學等多個領域的知識，與本科階段的高等數學、線性代數、概率論、面向對象編程、數據結構、算法分析等多門課程密切相關，對后續的特征提取和圖像理解等高級計算機視覺處理課程具有重要的基礎作用。同時，它在“模式識別”、“人工智能”和“機器學習”等專業課程體系中起著重要的作用。[1-3]

一、課程改革的必要性

由于圖像處理理論性強，內容抽象，算法較多，涉及的理論和方法既包含時域（空域）、變換域（頻域為主）、數學形態學、地理學（如分水嶺算法），還涉及到模式識別理論的一些知識，學生理解起來有一定難度，在解決實際問題時，面臨著無從下手的困難。同時，圖像處理技術應用較為廣泛，隨著數字成像設備的廣泛使用和智能手機的普及，社會對圖像處理人才的需求也日益增加，這些都對課程教學提出了更高的要求。在教學過程中發現“數字圖像處理”的傳統教學模式中，在課程定位、教學模式和教學內容上存在一些問題。

1.課程定位不明確

“數字圖像處理”在本科教學過程中有著兩種比較沖突的定位，導致課程教學過程存在兩種傾向。一是不顧本科學生實際情況向研究生課程看齊，將重點放在數字圖像處理理論內容。但這些內容與實際應用聯系并不緊密，忽視它的應用性和實踐性強的特點，從而導致理論與實踐脫節，造成學生在編程能力上的欠缺。二是過分強調應用技能，把數字圖像處理等同于講授Photoshop等應用軟件的使用，或以講授MATLAB和Open CV圖像處理函數為主，不重視原理和算法，忽略了對本科生科學素質和研究能力的培養。

2.傳統教學模式與授課對象差異性的矛盾

“數字圖像處理”通常要求先研修“高等數學”、“線性代數”、“概率論與數理統計”和“數字信號處理”等課程，但是一些本科專業并沒有完整開設這些課程。例如，我校計算機科學與技術專業學習“數字信號處理”課程，但軟件工程和信息與計算科學專業未開設該類課程。此外，在實驗環節中，教師根據教學大綱設置的實驗內容通常比較固定，而未考慮學生專業和背景知識的差異、統一的實驗環境模式，使得有的專業學生因為知識儲備不足，學習起來有一定困難；而有的專業學生則感覺學習內容簡單、缺乏挑戰性，使得教師講授時在調動學生積極性、提高學生實踐能力方面難以協調。

3.教材與學科發展不一致

數字圖像處理內容涉及到矩陣運算、信號處理、概率論與數理統計等多個內容交叉學科，與新興學科的發展密切相關。當前，在人工智能、模式識別和機器學習等新興學科的推動下，數字圖像處理技術發展越來越快。傳統的教材或過于偏重推導理論，與應用實踐偏離，或成為圖像處理軟件或函數（如 Photoshop、MATLAB或Open CV）的使用說明書，使得學生難以深入學習圖像處理知識，影響對該門課程的掌握。

二、課程改革方法

根據授課專業對象的實際情況，在教學內容、教學方法、完善實驗教學和考核等方面對該門課程進行一系列改革，充分利用圖像處理實踐性強的特點，依托我校在數字圖像處理方面長期積累的理論和研究資源，將理論方法與實踐應用有機結合，構建了全面系統的數字圖像處理教學體系。多年教學效果表明，該教學模式有效克服傳統數字圖像處理教學存在的局限，極大增強了學生的學習興趣，提高了學生的動手能力和創新素養。

1.完善課程內容體系，適應圖像處理發展

數字圖像處理是一門發展中的課程，每年都有許多新的研究理論和方法不斷涌現，需對課程不斷進行完善，以適應圖像處理學科的發展。在保持圖像處理課程核心內容的基礎上，注重將最近的該學科具有代表性的成果納入教學。精簡和更新一些陳舊的和目前圖像處理實際中很少使用的一些方法。其次，將一些現代經典的科研論文，以補充教材的形式，作為教學內容。將一些理論性較強，對數學基礎要求較高的內容，如主動輪廓分割模型和目標跟蹤方法等作為選學內容，供有興趣的學生學習。

考慮到OpenCV和MATLAB的廣泛使用，圖像文件的讀寫已非常簡單，因此，減少對圖像文件格式的講解；在圖像分割與邊緣檢測中，刪掉投影法與差影法內容，因為該方面內容在實際中已很少使用；在頻域處理中，淡化對傅里葉變換理論和算法的講解，重點放在其思想和應用上。

2.應用全方位教學手段，構建立體化教學資源

針對“數字圖像處理”課程理論性和實踐性較強、可視化程度較高的特點，綜合利用圖像、視頻信息、可視化編程軟件和網絡資源等現代化教育技術，從課堂、實驗、應用實踐等諸多環節探索立體化教學資源。結合不同專業需求，運用MATLAB、Open CV等軟件工具包開發圖像處理實驗平臺，建立網絡化輔助教學系統，使抽象概念和算法形象化，激發學生思維。例如，建立圖像處理標準測試庫，包括了圖像去噪、圖像分割、圖像變換和特征提取與識別等核心內容涉及到的測試數據；在參考教材方面，提供了國內外知名大學出版的數字圖像處理和計算機視覺教材及計算機視域的專著；在多媒體課件方面，提供多年從國內外知名大學網站上搜集到多個數字圖像處理和計算機視覺的電子課件，供學生學習；在代碼方面，提供了數字圖像處理方面的經典和最新的一些科研成果的源代碼或可執行軟件，學生自己運行代碼并分析實驗結果，加深對圖像處理課程的認識。

3.以學生發展為本，建立多元化的考核評價標準

在傳統方式下，教師常以期末考試和出勤率來評價學習效果，忽略了對學生參與學習活動和學習過程的評價。大部分學生往往在考試前突擊學習，沒有真正掌握扎實的知識。因此，本教學改革以過程控制為中心，以能力提高為目標，對考核方式進行改革，實行常規考核與過程性考核相結合的方式，準確把握學生的真實成績，全面衡量和控制教學質量，既要考學生的基本理論，更要考他們運用知識和方法設計圖像處理方案、完成圖像處理實際任務的能力。在授課過程中，注重課堂考察環節，加強師生交互，動態掌握學生對授課內容的理解。開展專題討論課程，讓學生大膽提問，鍛煉學生創新思維能力，對表現突出的學生增加平時分。

4.開展研究性課堂教學探索

在教學改革中，精選了若干圖像處理經典和前沿專題討論，包括論文、程序源代碼和輔助材料。在課程一開始就布置任務給學生課下自學，并安排學生上臺講授，其他學生提問，教師給予點評，并組織學生一起討論，加深對圖像處理課程的認識，培養學生綜合運用知識的能力，提高創新素養。

例如，在圖像分割專題討論中，以經典Mean Shift分割為主要內容，Graph Cut和交互式分割兩個方向作為補充內容，開展專題討論。因為這些廣泛使用的算法涉及到高等數學、線性代數、概率論、數據結構和算法設計等多門所學課程。通過自學、上課討論和教師點評，學生對以前所學基礎和專業知識有了更深層次的理解。同時，這些算法都面向彩色圖像，克服了教材中以灰度圖像為主要分割對象的不足。

5.開展研究性實踐教學

傳統“數字圖像處理”課程實踐教學強調基本算法的實現，未強調算法之間的邏輯聯系，忽略了數字圖像處理基本算法的綜合訓練。在改革中，保留圖像處理基本核心算法，將科研項目融入教學實踐中，通過設計研究性綜合實踐項目，注重學生對所學知識的綜合理解和提升。例如，“圖像去霧”綜合訓練實踐，以如何有效果去除圖像中的霧增強圖像質量為目標。該任務以2009年國際計算機視覺和模式識別會議（CVPR）的最佳論文《基于暗通道通先驗的單幅圖像去霧》[4]為主要內容，涉及到圖像處理的多個基本算法，同時也包含了物理學和光學的一些知識。通過將新的實踐教學手段應用到教學中，突出對學生思維能力、科研能力和創新能力的培養。

三、結論

通過分析數字圖像處理目前存在的課程定位模糊、傳統的教學模式與授課對象差異性的矛盾和教材內容與學科發展脫節等問題，筆者根據學科專業特點，結合授課教師的科研項目，從完善課程內容體系、構建立體化教學資源、多元化考核評價標準和開展研究性教學探索等五個方面進行開展數字圖像處理教學改革。多年教學效果表明，該教學方法克服傳統教學方法所存在的弊端，極大地提高了學生的自主學習能力。學生較好地掌握數字圖像處理的核心內容，了解當代圖像處理的代表性成果和前沿趨勢，綜合應用能力和創新素養明顯增強，為培養具有較強適應能力的應用型和創新型人才打下堅實的基礎，適應了新世紀對信息技術人才的培養要求。

參考文獻：

[1]何東健.數字圖像處理[M].西安：西安電子科技大學出版社，2008.

[2]杜云明，郝兵，劉文科.“數字圖像處理”課程任務驅動教學模式的實踐[J].中國電力教育，2013，（10）：113-114.

[3]鄭慧誠.“數字圖像處理”課程教學實踐與探討[J].電氣電子教學學報，2012，34（3）：71-73.

[4]He Kaiming，Sun Jian，Tang Xiaoou.Single Image Haze Removal Using Dark Channel Prior[A].Proceedings of IEEE Conference on Computer Vision and Pattern Recognition[C].Miami，2009：1956-1963.

（責任編輯：王意琴）