項目教學(xué)法在《現(xiàn)代圖像處理》課程中的應(yīng)用

黃鴻，楊利平

摘要：針對《現(xiàn)代圖像處理》課程理論性強(qiáng)、實(shí)踐能力要求高特點(diǎn)，傳統(tǒng)教學(xué)模式已難以適應(yīng)新工科人才培養(yǎng)的需求，深入分析《現(xiàn)代圖像處理》課程的特點(diǎn)，提出了實(shí)施貫穿《現(xiàn)代圖像處理》課程知識點(diǎn)的創(chuàng)新實(shí)踐項目，將復(fù)雜抽象的圖像處理基礎(chǔ)理論與形象直觀的工程項目“熒光微球圖像計數(shù)”結(jié)合起來進(jìn)行學(xué)習(xí)，由學(xué)生分組協(xié)作，用問題驅(qū)動法引導(dǎo)學(xué)生靈活運(yùn)用圖像處理知識，激發(fā)學(xué)習(xí)興趣，理解圖像處理算法，培養(yǎng)學(xué)生創(chuàng)新思維和解決實(shí)踐問題的能力。

關(guān)鍵詞：現(xiàn)代圖像處理；項目教學(xué)法；熒光微球計數(shù)；教學(xué)改革

中圖分類號：G642? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2022）35-0115-04

圖像是人類獲取、表達(dá)和傳遞信息的重要手段。數(shù)字圖像處理技術(shù)已被廣泛應(yīng)用于遙感測繪、生物醫(yī)學(xué)、交通運(yùn)輸、智能制造和國防軍事等領(lǐng)域。許多高校均在本科、研究生階段開設(shè)了圖像處理類課程，重慶大學(xué)儀器科學(xué)與技術(shù)、光學(xué)工程、電子信息等研究生專業(yè)都開設(shè)了《現(xiàn)代圖像處理》課程。

研究生《現(xiàn)代圖像處理》課程具有理論概念理解難、知識點(diǎn)零散、實(shí)踐性強(qiáng)和技術(shù)發(fā)展迅速的特點(diǎn)。傳統(tǒng)的理論教學(xué)方式使學(xué)生難以理解概念和掌握圖像處理算法，不能建立起一個完整的認(rèn)識和實(shí)踐體系，培養(yǎng)學(xué)以致用能力不足。尤其是在“新工科”教育背景下，亟須融理論教學(xué)、實(shí)驗教學(xué)和科學(xué)研究為一體，培養(yǎng)基礎(chǔ)理論扎實(shí)、實(shí)踐能力強(qiáng)、創(chuàng)新思維高等復(fù)合型工程技術(shù)人才[1-2]。為解決上述問題，論文立足提升學(xué)生的理論基礎(chǔ)、實(shí)踐能力和創(chuàng)新能力，以適應(yīng)新工科建設(shè)的人才培養(yǎng)目標(biāo)，在《現(xiàn)代圖像處理》課程教學(xué)內(nèi)容引入典型圖像處理項目，使學(xué)生不僅能了解圖像處理基本原理，而且能從項目實(shí)踐中找到基本理論的落腳點(diǎn)，構(gòu)建知識體系，增強(qiáng)分析解決問題能力。

1 《現(xiàn)代圖像處理》課程現(xiàn)狀分析

隨著人工智能技術(shù)的快速發(fā)展，圖像處理以及機(jī)器視覺技術(shù)也受到了廣泛關(guān)注[3]。然而，該課程在教學(xué)過程中上存在以下問題[4-5]：

（1） 期望高、落差大

《現(xiàn)代圖像處理》課程與人工智能、機(jī)器視覺技術(shù)緊密關(guān)聯(lián)，被各行各業(yè)認(rèn)同，學(xué)生對該門課程抱有較高期待。但是，該課程對數(shù)學(xué)基礎(chǔ)要求高、公式繁多且復(fù)雜、知識點(diǎn)零散，導(dǎo)致較多學(xué)生學(xué)習(xí)興趣下降，影響教學(xué)效果。

（2） 重理論、輕實(shí)踐

在該課程教學(xué)模式中 ，許多教學(xué)設(shè)計仍然以理論講授為主，缺乏具體實(shí)踐項目將圖像處理算法中的概念和公式進(jìn)行關(guān)聯(lián)。實(shí)驗以經(jīng)典方法的驗證性實(shí)驗為主，內(nèi)容相對獨(dú)立，沒有做到“貫通式”案例教學(xué)，缺乏綜合性和創(chuàng)新性，導(dǎo)致學(xué)生對所學(xué)知識難以做到融會貫通，難以運(yùn)用理論知識解決項目中的實(shí)際問題。

（3） 重考核、忽協(xié)作

考核是檢驗教學(xué)成果的有效手段。但是，傳統(tǒng)的《現(xiàn)代圖像處理》課程考核較多采取期末考試、上課考核和作業(yè)進(jìn)行綜合評價的方法。此類方式主要考核理論知識掌握程度，缺乏對實(shí)踐能力考查，且忽視了學(xué)生團(tuán)隊協(xié)作能力的培養(yǎng)。

2 項目教學(xué)法及《現(xiàn)代圖像處理》課程內(nèi)容優(yōu)化

2.1 項目教學(xué)法

項目教學(xué)法是指師生通過完成一個完整“項目”的形式進(jìn)行教學(xué)[6]。項目教學(xué)法主張學(xué)生以自主學(xué)習(xí)和動手實(shí)踐為主，教師以講授知識和實(shí)踐指導(dǎo)為輔，以實(shí)踐項目為框架，理論知識貫穿始終。通過應(yīng)用項目教學(xué)法，實(shí)現(xiàn)理論知識與實(shí)踐操作相結(jié)合的課堂教學(xué)，通過分組讓學(xué)生參與項目實(shí)踐中，將理論知識轉(zhuǎn)化為直觀的實(shí)際結(jié)果，加深學(xué)生對圖像處理知識點(diǎn)的理解，提高學(xué)生應(yīng)用課程理論知識來解決實(shí)際問題的綜合能力[7]。

2.2 《現(xiàn)代圖像處理》課程內(nèi)容優(yōu)化

根據(jù)《現(xiàn)代圖像處理》課程教學(xué)大綱要求和項目教學(xué)法，論文對課程教學(xué)內(nèi)容進(jìn)行了優(yōu)化設(shè)計，將《現(xiàn)代圖像處理》課程的內(nèi)容與熒光微球圖像計數(shù)項目的過程結(jié)合起來，具體如圖1所示。

從圖1中可得知，該課程的主要內(nèi)容都貫穿于熒光微球圖像計數(shù)項目中，由實(shí)際科研項目的需求牽引出相關(guān)圖像處理知識和算法模型，激發(fā)學(xué)生的學(xué)習(xí)興趣。如此一來，讓學(xué)生在實(shí)際問題的求解中更好地理解圖像處理理論知識的實(shí)際運(yùn)用，避免灌輸式教學(xué)，提高學(xué)生解決實(shí)際工程問題的能力。

3? 《現(xiàn)代圖像處理》課程創(chuàng)新項目實(shí)踐

本論文以“基于圖像處理的熒光微球計數(shù)軟件系統(tǒng)設(shè)計”創(chuàng)新項目為例，在講述項目的實(shí)施過程、內(nèi)容及處理結(jié)果的過程中，貫穿式地引導(dǎo)學(xué)生學(xué)習(xí)和實(shí)踐《現(xiàn)代圖像處理》的課程內(nèi)容。

3.1 圖像預(yù)處理

本課程項目所采用圖像是通過高倍物鏡采集分辨率達(dá)到6576*4384的二維BMP圖片。在實(shí)際應(yīng)用環(huán)境中采集的圖像會受到噪聲、光照等原因的影響，因此圖像的預(yù)處理是熒光微球計數(shù)的一個至關(guān)重要的環(huán)節(jié)。將采集到的熒光微球顆粒圖片進(jìn)行灰度變換、圖像銳化、二值化、距離變換、腐蝕、膨脹、形態(tài)學(xué)開、閉運(yùn)算等預(yù)處理，以便后期對熒光微球進(jìn)行計數(shù)。

3.1.1 灰度變換

灰度變換是指彩色圖像到灰度圖像的轉(zhuǎn)化過程，由于在灰度化的過程中，一些屬性信息的丟失在所難免。因此，灰度化的主要目的是盡量使灰度化后的圖像信息和原始彩色信息一致，即設(shè)計合理的算法保留較多原始圖像信息。

3.1.2 圖像銳化

實(shí)際條件下，收集到的熒光微球顯微圖像會受到傳輸和處理過程中許多因素的影響。這些因素會降低圖像的質(zhì)量。為了強(qiáng)化這些信息。項目利用拉普拉斯算子來銳化圖像。對于二維圖像，拉普拉斯算子的具體定義如下：

（1）

作為一個微分算子，拉普拉斯算子主要處理圖像中灰度突變的部分，而不是緩慢變化的部分。通常，使用拉普拉斯算子對圖像進(jìn)行銳化可用下式進(jìn)行表示：

（2）

式中f（x，y）為原圖像，g（x，y）為銳化后的圖像，常數(shù)k主要與選取的拉普拉斯濾波器相關(guān)。

3.1.3 圖像二值化

為了在熒光微球圖像中提取涉及后續(xù)步驟中需要的信息，消除影響后續(xù)操作的無用信息。文中所采用為8位灰度圖像，其像素值由0-255這256個灰度級表示。進(jìn)行二值化處理后可使微球圖像目標(biāo)更突出。

在這一步中選取閾值K是二值化中的最重要的一步，選擇不同的K值會直接影響后續(xù)二值化后圖像的特性。圖像像素的灰度級在0-255，可選取k（0≤k≤255）作為K的值。選好K值后，對灰度圖像中的像素點(diǎn)進(jìn)行逐點(diǎn)判斷，當(dāng)某個像素點(diǎn)的值大于K時，將其值設(shè)為255；當(dāng)該點(diǎn)值小于K時，將其設(shè)為0，即可得到二值圖像。

3.1.4 距離變換

距離運(yùn)算也是對圖形進(jìn)行分析操作的一種常用手段。距離變換的主要方法就是對目標(biāo)圖像以及無用的背景圖像通過一定的規(guī)則進(jìn)行距離運(yùn)算，得到的距離值后對原圖像的像素值進(jìn)行替換。這樣就得到了距離變換后的梯度灰度圖像。

若m、n分別為待求取歐式距離的兩個向量，則數(shù)學(xué)中歐式距離的定義如式（3）。如果將[（x1，y1）]，[x2，y2]設(shè)置為目標(biāo)圖像中待求取歐式距離的兩個像素點(diǎn)的坐標(biāo)值，則其值可用式（4）計算。

[DEm，n=i=1kmi-ni2]? ? ? ? ? ? ? ? （3）

[DE=x1-x22-y1-y22]? ? ? ? ? ? ? ? （4）

3.1.5 腐蝕膨脹

圖像腐蝕的目的是用來對圖像邊界點(diǎn)進(jìn)行消除的操作，經(jīng)過該操作后可以得到一幅完全屬于源圖像且更細(xì)化的圖像。圖像膨脹[2]其實(shí)與腐蝕過程相反。其目的是將圖像接觸的外部背景點(diǎn)合并到正面圖像中，并向外擴(kuò)展圖像的邊界。膨脹后的圖像比原始圖像更長或更寬。

除了腐蝕、膨脹兩種形態(tài)學(xué)操作，開操作與閉操作同樣也是形態(tài)學(xué)中兩種十分重要的操作。結(jié)構(gòu)元M為待操作圖像，N為結(jié)構(gòu)元素，其定義式由式（5）、式（6）表示。

[M°N=MΘN⊕N]? ? ? ? ? ? ? ? ? ? ?（5）

[M·N=M⊕NΘN]? ? ? ? ? ? ? ? ? ? ? （6）

3.2 熒光微球圖像分割

完成對熒光微球顯微圖像的預(yù)處理后，在此選用分水嶺分割算法對顯微圖像進(jìn)行分割。分水嶺是屬于地形學(xué)的概念，對圖像進(jìn)行處理時，需要將其轉(zhuǎn)化為三維模型。在這種“地形學(xué)”考慮下，主要用分析模型中的三點(diǎn)：（1） 在某個區(qū)域最小值中的點(diǎn)；（2）假如我們把最小值點(diǎn)比作一個盆地的最低處，其他任意點(diǎn)為盆地里的水，并且開始蓄水，那么任何位置上的水肯定都先流向最低處的那個區(qū)域；（3）周圍若有其他這樣的最低處，水流向他們的可能性都是相等的。對于（2）中點(diǎn)集聚區(qū)域為該值的匯水盆地，對于（3）中描述的這些點(diǎn)，將其連接起來，就是分水線。分水嶺算法的任務(wù)就是找出這些線。使用分水嶺算法分割所得結(jié)果如圖2所示。

3.3 熒光微球圖像特征提取及分類

3.3.1 熒光微球顏色特征的量化

根據(jù)成像原理，熒光微球中單個像素的散射測量值會產(chǎn)生變化，如果直接提取HSV顏色特征，在分類時會引起誤差。因此，以分割后的獨(dú)立微球的區(qū)域為基本對象，提取每個基本對象的顏色特征。 并對其進(jìn)行非均勻性量化有效提取特征。

圖3是對具有7種熒光微球類型的多幅 HSV顏色圖像的微球個數(shù)分布統(tǒng)計。不難看出，熒光微球的色調(diào)空間呈現(xiàn)出比較明顯的7個峰值并分布在[0。，140。]之間，熒光微球的飽和度的4個峰值分段主要分布在 [0.6，0.95]，而熒光微球圖像明度主要分布在[0，1]區(qū)間內(nèi)，并且無明顯的峰值對比。因而本文采用非均勻量化方法進(jìn)行特征提取，以減少特征向量的冗余，提高分類效率。

前文所得到的對H、S、V非均勻量化的量化級，并由統(tǒng)計學(xué)考慮這三個分量在圖像中所占據(jù)的權(quán)重比不同，可得歸一化G為如式（7）。

[G=HLSLV+SLV+V]? ? ? ? ? ? ? （7）

式中[LS]為S的級數(shù)，[LV]表示V的級數(shù)。通過上述操作就獲得了能體現(xiàn)微球顏色特征的一維向量。

3.3.2 基于半監(jiān)督最小誤差重構(gòu)的熒光微球分類

由于人工標(biāo)記熒光微球工作量很大，所以通過半監(jiān)督學(xué)習(xí)[5]理論，設(shè)計一種半監(jiān)督的kNNS分類（Semi-supervised kNNS，SSkNNS）算法對熒光微球進(jìn)行分類。kNNS[6]算法主要是在傳統(tǒng)的NN算法上提出的一種新算法，若待分類數(shù)據(jù)具有不均勻分布，分類精度就會下降。因此，使用SSkNNS算法對微球進(jìn)行分類，主要是對無標(biāo)記數(shù)據(jù)和被標(biāo)記數(shù)據(jù)的特征信息做歐氏距離計算進(jìn)而獲得大量帶標(biāo)簽的樣本。最終選用kNNS分類器對熒光微球進(jìn)行判別決類別。

利用所設(shè)計的分類器，即可對7種類型的熒光微球樣圖進(jìn)行分類，其樣例圖像和分類結(jié)果如圖4和圖5所示。

用所提出的算法對熒光微球圖像進(jìn)行分類的結(jié)果如表1、表2 所示。

由表1、2可知熒光微球的總體識別率隨標(biāo)簽量的增加而提高。本方法利用無標(biāo)記樣本數(shù)據(jù)本身的結(jié)構(gòu)信息和少量的標(biāo)記樣本信息，在標(biāo)簽樣本數(shù)僅為2和4時效果尤其明顯。

3.4 圖像處理軟件開發(fā)

在完成算法開發(fā)的基礎(chǔ)上，可利用Microsoft Visual Studio、Matlab、SQL Server等相關(guān)軟件進(jìn)行圖像處理軟件開發(fā)，本文所開發(fā)的“熒光微球技術(shù)”軟件界面劑運(yùn)行結(jié)果如圖6所示。

4 結(jié)語

《現(xiàn)代圖像處理》課程具有理論概念理解難、知識點(diǎn)零散和實(shí)踐性強(qiáng)的特點(diǎn)，當(dāng)前以理論知識為主的教學(xué)模式導(dǎo)致學(xué)生對課程中復(fù)雜的理論、概念和公式難以理解消化，且難以建立對該課程的相對完整的知識體系。本文以“熒光微球圖像計數(shù)” 創(chuàng)新實(shí)踐項目為牽引將復(fù)雜抽象的圖像處理理論和算法實(shí)施貫穿于項目各個環(huán)節(jié)，充分調(diào)動學(xué)生積極性，培養(yǎng)學(xué)生的創(chuàng)新能力和團(tuán)隊協(xié)作能力，為圖像處理及相關(guān)課程的教學(xué)改革提供新思路。

參考文獻(xiàn)：

[1] 宋偉，謝欣怡，楊青，等.新工科背景下基于項目驅(qū)動的數(shù)字圖像處理教學(xué)方法探析[J].計算機(jī)教育，2021（2）：69-74.

[2] 陳芳，張道強(qiáng).基于研究性學(xué)習(xí)的數(shù)字圖像處理課程教學(xué)改革[J].軟件導(dǎo)刊，2020，19（12）：48-50.

[3] 馬慧敏，黃金日，焦俊，等.基于數(shù)字圖像處理課程內(nèi)容的創(chuàng)新實(shí)踐項目實(shí)施——以“基于數(shù)字圖像處理的作物顆粒計數(shù)”為例[J].黃山學(xué)院學(xué)報，2020，22（3）：83-86.

[4] 黃進(jìn)，汪思源，于雙和，等.面向控制類專業(yè)的研究生“數(shù)字圖像處理”課程教改探索[J].教育現(xiàn)代化，2020，7（20）：26-28.

[5] 張帆.數(shù)字圖像處理課程案例庫建設(shè)及案例驅(qū)動教學(xué)法應(yīng)用[J].計算機(jī)教育，2022（1）：34-37.

[6] 李亞楠，王海暉，劉黎志.基于PBL模式的數(shù)字圖像處理課程教學(xué)優(yōu)化探討[J].教育教學(xué)論壇，2020（36）：251-253.

[7] 夏潤秋，劉力雙，劉洋，等.基于學(xué)習(xí)產(chǎn)出的數(shù)字圖像處理課程教學(xué)改革[J].教育教學(xué)論壇，2020（22）：189-191.

【通聯(lián)編輯：王力】