以工程應用為導向的《數字圖像處理》課程改革

莊家俊，王前

（仲愷農業工程學院計算科學學院，廣州510225）

0 引言

數字圖像是人類社會活動中最主要的一種信息載體，約占據人類所能獲取信息的75%，它是對客觀對象相似性的一種生動模仿或數字化描述[1]。一般的數字圖像處理任務可視為利用計算機技術，通過各種加工手段改變輸入圖像的視覺效果并為后續圖像分析與高級理解奠定基礎。《數字圖像處理》課程是高等院校計算機、信息和自動化等多學科的重要專業基礎課程[2-3]，該課程對學生的綜合能力要求較高，需要學生具備扎實的基礎數學知識、熟練的高級語言編程能力和算法設計與實現技巧，不僅是一門集理論和技術應用為一體的綜合型專業課程，還作為學生課程設計和畢業設計所涉及理論的一種重要知識體系。

傳統教學模式理論學時較多、實驗學時較少，而理論教學內容普遍側重于圖像處理方法的數學原理、模型建立依據和相關理論推導等方面的問題，課程的理論性偏強，在實驗學時數量較少的課程實踐環節，則更多地傾向于數字圖像處理基礎方法的實驗室驗證層面。因此，傳統教學模式并沒有很好地將圖像處理理論和方法融入到解決實際工程問題中，學生大都只能被動接受相關的理論基礎知識，而缺乏動手能力與解決實際工程問題的能力的培養。另外，計算機、人工智能與傳感技術在近幾年中的顯著發展及普及，亦推動數字圖像處理領域產生了眾多更實用、更有效的新理論和新方法[4-5]，故亟需在《數字圖像處理》課程的理論教學與實踐環節中，融入與專業背景密切結合的最新研究成果和前沿性新知識，逐步更新甚至替換部分思想陳舊、實用性較差的教學內容，推動以工程應用為導向的教學模式建立與課程改革[6-9]。

1 《數字圖像處理》的課程特點

目前，國內外廣泛采用的經典教材有美國Rafael C.Gonzalez 等人著的Digital Image Processing[2]、清華大學章毓晉等人編著的《圖像工程(上冊)：圖像處理（第4版）》[10]、北京交通大學阮秋琦等人編著的《數字圖像處理學》[3]等，不難發現，《數字圖像處理》課程具有如下顯著特點：①包含的教學內容較多，包括圖像采集與描述、圖像幾何變換、空間域濾波、頻率域濾波、圖像增強與復原、小波變換與分析、圖像壓縮、形態學處理、圖像分割、圖像特征分析與理解、圖像分類和目標檢測與跟蹤等，幾乎所有的教學章節都可單獨形成一個重要的研究方向，所以難以做到在有限的學時內講授所有章節；②課程理論性偏強、內容更新速度快，不僅與基礎數學和物理學、計算機高級編程語言、信號分析與處理等課程密切結合，還與眾多實際應用或行業聯系緊密，通常涉及人工智能與模式識別、計算機與軟件工程、遙感與地理信息系統、通訊與電信工程、測繪工程、醫學、印刷業等。作為一門融合多學科的課程，課程內容涉及的知識點會不斷得到更新，所以與專業和行業應用背景相結合，適當配置或優化教學內容，將新理論和新方法融入《數字圖像處理》課程是教學改革的必經之路。

2 《數字圖像處理》的課程教學改革

2.1 課程定位與教學內容優化

傳統教學模式下，通常視《數字圖像處理》課程為一門理科課程，傾向于注重各類圖像處理方法的數學原理與推導，因而學生在面臨實際工程問題可能不知如何下手。考慮到該課程的顯著特點，我們對信息與計算科學（軟件工程）專業的《數字圖像處理》課程進行了教學改革，重點結合實際工程應用開展相關的理論與實踐教學，通過教師科研子課題或任務驅動的形式來培養學生的應用能力和軟件開發能力，并進行課程考核。

我院信息與計算科學系的學生主要以算法設計、軟件開發為主要培養目標之一，普遍擁有一定的數學功底、計算機高級語言編程基礎和算法設計能力，并且他們畢業后大部分樂意從事信息技術行業，學生的上述特點很有利于教師優化《數字圖像處理》課程的教學內容。為此，以美國Rafael C.Gonzalez 教授等人著的Digital Image Processing (3rd Edition)教材為基礎，調整和優化了部分教學內容。近幾年來，深度學習策略對數字圖像處理領域帶來了巨大的影響，這也是眾多有關人工智能應用和圖像分析與深層理解的基礎，當前最為常用的卷積神經網絡架構，其深層抽象特征均源自淺層的基本梯度信息，而淺層梯度信息的獲取通常與圖像的空間域濾波和卷積原理關系密切，并結合工程應用中常見的圖像語義分割、圖像分類、目標檢測與跟蹤和目標行為識別與理解等方向，將重點講授圖像信息的表示與描述、圖像的幾何變換、空間域濾波原理、圖像分割、形態學圖像處理、圖像特征分析和深度學習策略等部分的內容。并在該課程的教學改革中，利用本院學生具備一定動手能力的特點，通過院系教師的科研課題和外界對數字圖像處理任務的需求，同時引入數字圖像處理中常用的開發平臺和開源工具包，如OpenCV、MATLAB IPT 和TensorFlow 等，以進一步強化理論知識的實際運用，將教學重心轉移到對具體知識的理解和實踐能力的培養上。

2.2 課程教學方法的改進

即使經過教學內容的調整和優化，《數字圖像處理》課程涉及的基本知識點仍較多，而該課程在我院開設的總學時是56，其中16 學時為實驗教學，在有限的學時內容詳細講授所有知識點是不太可能的，并且所能提供的教學案例數量也是有限的，因此有必要提出針對本院學生基礎和教學內容的教學方法。實際工程問題層出不窮，是否能通過有限的教學案例讓學生學會舉一反三，成功將學習與實踐經驗移植到其他類似的項目中，對于切實改善實踐教學效果是非常關鍵的。

綜上，我們結合實際工程項目，通過引入啟發式教學方法詳細講授重要及基礎的知識點。例如，在講授圖像分割章節中點、線和邊緣檢測的相關知識點時，通過課題組提供的行人檢測任務來深入解析點、線檢測理論中涉及的像素梯度和方向等基本信息對目標特征描述的重要作用，不會讓學生覺得空間域濾波原理過于單調與枯燥。另外，為了進一步提高學生的學習興趣與創新思維能力，通過充分調動學生的學習主觀能動性，讓他們切實去思考如何運用所學知識處理實際問題。例如，將常見圖像處理App 和學生日常生活中的實際使用感受相結合，討論和指出可以進一步改善的軟件功能極其設計與實現思路；并多采用引導式手段鼓勵學生積極思考和參與互動過程，如移動端圖像處理軟件Faceu 在人臉貼圖之前可以考慮添加人臉性別或年齡識別功能模塊等，并通過MATLAB 和Python等平臺以直觀的方式向學生演示相關系統功能改善的流程與運行結果分析，對于學生興趣濃厚的學生來說，這些較為新穎的想法更有利于鍛煉他們的動手、實踐和自我創新能力。

此外，我校作為項目牽頭單位主持了2018 年第一批Google 支持教育部產學合作協同育人項目——人工智能技術領域的數字圖像處理課程建設，將TensorFlow引入到該課程的實踐教學中。

2.3 課程考核評價模式的建立

傳統考核與評價體系中，課程考核主要通過期末閉卷考試與平時出勤的方式執行，一般期末閉卷考試在課程總評中占據的比重為70%。顯然，對于以理論和實踐聯系密切的《數字圖像處理》課程來說，傳統考核模式并不合適。為了考察該課程改革措施帶來的教學效果，我們替換傳統的期末閉卷考試，取而代之，在該課程結束前的4 星期布置開放性的小課題，要求學生以2 人一組的小團隊形式開展為期約2-3 星期的課后課程設計。由于課題具有開放性，所以學生可結合平時使用桌面端或移動端相關數字圖像處理軟件的體驗與感受，或選擇本院課題組教師提供的選題依據或背景材料，如用于光學相機的人臉檢測與笑臉拍照、自然場景中的成熟果實檢測與果柄定位、文本文檔重排、車牌定位與識別、工件表面缺陷檢測、專用濾鏡設計與自動美圖、快遞單號自動批量導入、基于內容理解的圖像檢索、無人機航拍圖像序列匹配與全景拼接、面向植保無人機的相關航空圖像處理應用等。以解決實際問題為導向，通過組隊成員調研課題背景、存在的問題，完成項目需求分析、確立課后課程設計題目及擬采用的技術方案，分工合作并上機編程實現，要求最終完成一款面向桌面端和/或移動端的數字圖像處理系統（軟件），同時按照本院軟件工程類本科畢業論文的設計要求與格式，撰寫相關的課程設計報告，并參加課程設計作品的現場答辯，教師在該過程中的作用主要是引導、啟發學生及答疑，課程設計的評價方式采用類似畢業答辯的形式開展。這種課程考核方法有利于綜合評價學生在新教學模式中凝練的概括、歸納、分析、比較、抽象和綜合演講等能力，這種開放性的課題執行方式，給學生提供了更多了的思考與實踐機會，逐步讓他們體會到學習與實踐的樂趣、體驗“learning to learn”的思維方式（機器學習）。

3 結語

《數字圖像處理》具有很強的理論與實踐并重的課程特點，結合信息與計算科學（軟件工程）專業學生的前續修學課程和擬從事的行業，以工程應用為導向進行課程教學改革，重新定位了課程的教學重心，并調整和優化了相應的教學內容、提出了基于工程案例的理論教學方法，同時將項目分組執行模式等引入《數字圖像處理》的課程教學過程與考核體系，有利于學生更好地掌握數字圖像處理技術的基本理論知識，能從根本上提高學生的數字圖像處理算法編程技巧、切實增強學生的實踐操作能力。