研究生“數字圖像處理”課程教學的研究與探索

摘要：數字圖像處理作為一門技術密集型學科，在研究生教育中占有重要地位。隨著科技的快速發展，傳統的教學模式往往難以滿足學生對實際操作和問題解決能力的需求。采用工程案例的教學模式，能夠更好地適應數字圖像處理領域的特點，培養學生的創新能力并提高學生的實踐能力。本文闡述了在研究生“數字圖像處理”課程中采用案例教學法的教學改革，分析其必要性、實施過程，以及評估案例教學法對研究生學習數字圖像處理知識的成效，并提出相應的教學改革建議。實踐與研究表明，在研究生“數字圖像處理”課程教學中，引入工程案例，運用MATLAB仿真，獲得了良好的教學效果，解決了數字圖像處理實踐教學中存在的問題。

關鍵詞：數字圖像處理；教學改革；案例教學法；MATLAB

引言

數字圖像處理是計算機科學和電子工程領域的一個重要分支，它涉及圖像的獲取、存儲、分析、處理和顯示等各個方面[1]。近幾年，隨著人工智能、計算機視覺和深度學習技術迅猛發展[2]，數字圖像處理技術也得到極大發展。“數字圖像處理”課程作為電子信息類專業研究生的重要專業課程，其重要性不言而喻，但教學還停留在以講解基礎理論為主，與實際應用存在較大差距，限制了對研究生的實踐動手能力、創新能力及科研能力的培養[3-6]。因此，在教學中，教師需要重新組合理論與實踐，設計課程內容和實驗項目，通過理論與實踐結合的案例教學方法、跨學科知識的整合、創新能力的培養方法，并通過案例驅動學習和團隊協作，培養學生的創新能力和解決實際問題的能力[2]。同時，研究生也需要通過閱讀最新的學術論文和參與科研項目來不斷更新和深化自己的知識。

MATLAB是美國MathWorks公司開發的大型數學計算軟件，它具有強大的矩陣處理功能和繪圖功能，已經廣泛地應用于科學研究和工程技術的各個領域。將MATLAB作為研究生“數字圖像處理”課程的教學工具，可以極大地提高學生對圖像處理理論的理解和實踐能力。通過使用MATLAB，學生可以快速地進行圖像的讀取、顯示、分析、處理和保存等操作，從而更專注于算法本身的學習和創新。在課程中，教師可以設計一系列的實驗和項目，讓學生利用MATLAB完成。通過這些實踐活動，不僅使學生充分地掌握數字圖像處理的基本概念和方法，還能夠學會如何使用MATLAB解決實際問題。因此，在研究生“數字圖像處理”課程中引入MATLAB，不僅能夠提升教學效果，還能為學生未來的職業發展打下堅實的基礎。

1. 研究生“數字圖像處理”課程教學改革

研究生“數字圖像處理”課程教學改革是漫長且充滿挑戰的過程，在多次嘗試中，案例教學法脫穎而出。案例教學法[7]是通過分析和討論真實世界中的問題來促進學生的理解和應用能力。在“數字圖像處理”課程教學改革中，案例教學法可以發揮重要作用。首先，將抽象的理論知識與實際應用融為一體的案例教學法能夠使學生對數字圖像處理的基本概念和技術有更好的理解。通過分析具體的圖像處理案例，理論知識在實際案例中的應用效果能夠被直觀地看到，從而加深學生對知識點的理解。其次，案例教學法能夠激發學生主動學習，并對案例進行積極的思考。在討論案例的過程中，學生需要運用所學知識分析問題、提出解決方案，并與同學進行交流和辯論。這種互動式學習方式能夠激發學生的興趣和積極性，培養學生的批判性思維，并提高他們解決問題的能力[7]。再次，案例教學法能夠促成學生之間的合作，培養學生協作能力。在處理復雜案例時，學生通過分組合作，共同分析問題和制定解決方案[8]，這種合作過程不僅能夠鍛煉學生的溝通協調能力，還能讓他們學會如何在團隊中發揮各自的優勢。最后，案例教學法能夠為學生提供行業視角。通過分析來自不同領域的數字圖像處理案例，學生可以了解該技術在不同行業中的應用現狀和發展趨勢，為他們未來的職業打下堅實的基礎。

2. “數字圖像處理”課程教學要求——以輪轂圖像邊緣提取為例

案例教學法在研究生“數字圖像處理”課程教學中采用輪轂圖像分割及特征提取案例進行了教學嘗試。課堂集中指導時間2周（16課時）；設備包括計算機、MATLAB軟件；材料主要為需要處理的毛坯輪轂圖片。學生2人一組共50組；案例選題為“輪轂圖像分割及特征提取”；教師集中指導時間4課時，集中練習實踐時間8課時，綜合設計報告時間4課時，綜合設計報告要求學生根據項目要求自行編寫MATLAB程序，其余時間學生自行安排。

具體要求如下：

（1）根據案例給出的流水線上帶有封層的毛坯輪轂圖像，讀入原圖像并顯示圖像；

（2）運用Sobel算子、Roberts算子和LoG算子對原始圖像進行邊緣特征提取；

（3）對原始圖像采用均值濾波的方法進行平滑濾波；

（4）運用Sobel算子、Roberts算子、LoG算子對均值濾波之后的圖像進行邊緣特征提取并顯示；

（5）尋找最佳閾值分割點，對原始圖像進行閾值分割，并顯示閾值分割之后的圖像；

（6）運用Sobel算子、LoG算子、Roberts算子對閾值分割之后的圖像進行邊緣特征提取并顯示；

（7）對比并分析采用原始圖像、均值濾波之后的圖像以及閾值分割之后的圖像，運用不同的邊緣檢測算子獲得的邊緣特征。

3. 教學實施過程

3.1 邊緣檢測算子的基本原理

3.1.1 Sobel算子基本原理

Sobel算子[9]是基于離散微分原理的圖像特征提取工具，通過分析像素鄰域的梯度變化檢測圖像邊緣。其核心技術特征可由公式（1）和公式（2）表示，即

（1）

（2）

式中，Gx和Gy分別表示x方向和y方向的梯度。

對于圖像中的每個像素，可以使用這兩個矩陣來計算其在x和y方向上的梯度。梯度的幅度和方向可以通過以下公式計算，即

（3）

（4）

式中，G表示梯度的幅度，θ表示梯度的方向。

3.1.2 Roberts算子基本原理

Roberts算子[10]是一種基于局部微分特性的圖像邊緣檢測方法，其核心思想是通過2×2像素窗口內的對角線方向像素差值來估算梯度幅值，該算子采用公式（5）和公式（6）實現邊緣檢測。

（5）

（6）

式中，Gx表示水平方向的邊緣檢測模板，Gy表示垂直方向的邊緣檢測模板。通過與圖像進行卷積運算，可以得到圖像在水平和垂直方向上的邊緣響應值，進而確定邊緣的位置。

3.1.3 LoG算子基本原理

LoG算子是一種經典的圖像邊緣檢測方法，結合了高斯平滑濾波和拉普拉斯二階導數，旨在抑制噪聲的同時精準定位邊緣。可以用來檢測圖像中的邊緣，同時也可以檢測圖像中的局部變化。LoG算子可以把圖像中的小噪聲去除，然后用一個Laplacian算子對模糊的圖像進行檢測，公式（7）所示。

（7）

式中，m是LoG模板。

3.1.4 閾值分割

由于輪轂和背景之間存在較大的差異，根據設定的灰度閾值對圖像進行分割，如公式（8）所示。

（8）

式中，f（x，y）為原始像素點的灰度值，g（x，y）為轉換后像素點的灰度值，T為圖像分割的閾值。

在公式（8）中，將大于閾值T的像素點的灰度值保持不變，小于閾值T的像素點的灰度值設為0[11]。

3.2 MATLAB仿真實現

在MATLAB信號處理工具箱中，實現數字圖像處理有兩種方法：程序設計法和命令窗口法，要求學生采用兩種方法實現如圖1～圖12的處理過程。

4. 實驗結果分析

分別采用Sobel算子、Roberts算子、LoG算子對原始圖像進行邊緣特征提取，從圖2和圖3中可以看出，在細節方面，尤其是在輪轂孔洞處，Roberts算子比Sobel算子獲得的邊緣特征要少，并且孔洞內部邊緣呈現不連續狀態；而通過LoG算子獲得的邊緣特征最豐富，但邊緣特征受到噪聲影響也是最大的。

將原始圖像（圖1）通過7×7的模板進行均值濾波之后，得到圖像如圖5所示，再分別采用Sobel算子、Roberts算子、LoG算子對均值濾波之后的圖像進行邊緣特征提取，如圖6、圖7和圖8所示。從圖6、圖7和圖8中可以看出，通過均值濾波有效消除了背景噪聲，但也消除了部分邊緣特征，尤其采用Roberts算子使得圖像的邊緣特征損失最多；Sobel算子和Roberts算子能夠有效消除記號筆書寫的數字，而LoG算子仍能夠識別記號筆書寫的數字的邊緣特征。

將圖5經過灰度閾值分割之后，得到圖像如圖9所示，再分別采用Sobel算子、Roberts算子、LoG算子對圖9進行邊緣特征提取，如圖10、圖11和圖12所示。從圖10、圖11和圖12中可以看出，經過灰度閾值分割之后，再進行邊緣特征提取。總體上，三種算子能夠有效消除背景噪聲，并且邊緣特征細節進一步提升，但細節上還有很大區別。從圖10和圖11中可以看出，采用Sobel算子獲得邊緣特征要多一些，但輪轂的外輪廓邊緣特征比較多，能夠檢出部分內部定位螺栓孔；而采用Roberts算子比采用Sobel算子獲得邊緣特征要少一些，尤其是輪轂外邊緣特征，并且輪轂外邊緣特征受到噪聲影響較小，內部定位螺栓孔沒有檢出。從圖12中可以看出，在三種邊緣檢測算子中，采用LoG算子獲得的輪轂邊緣特征是最豐富的，用記號筆書寫的數字的邊緣特征仍然能檢測出來，但與圖4和圖8相比，流水線上的輥道和噪聲進一步減少。

根據以上分析以及實際應用，多數型號的輪轂的內部定位螺栓孔差別不大，不是輪轂型號識別的主要特征，因此，采用Roberts算子獲取輪轂邊緣特征是最優選擇。

結語

將案例教學法應用至研究生“數字圖像處理”課程教學中，不僅使學生的學習目的性增強、學習的積極性提高，而且還提高了學習效率。學生在實施案例的過程中不僅學到了課程的教學內容，還拓展了思維，尤為重要的是能夠把教材上的理論知識與實踐應用結合起來，綜合設計及應用能力得到很大的提高。與此同時，采用工程案例的教學方法對教師的要求也更高了，要求教師具有較強的系統設計和軟件調試經驗、較強的教學組織能力，并在工程案例實施過程中能夠充分發揮學生主體地位。

參考文獻：

[1]尹嬙，胡偉，李瑞瑞，等.以實踐案例為引導的數字圖像處理研究性教學課程改革[J].高教學刊，2023（36）：33-36.

[2]史彩娟，趙麗莉，黃曉紅.基于項目驅動的數字圖像處理與分析課程教學改革[J].中國教育技術裝備，2019（19）：80-81，86.

[3]趙欣，王穎潔，賈龍淵.研究生“數字圖像處理”課程教學改革研究[J].教育教學論壇，2022（2）：33-36.

[4]楊大偉，張汝波，張濤.《圖像處理與機器視覺》課程動態案例教學研究與實踐，2024，26（1）：86-90.

[5]吳曉璇，李正茂，張新，等.以創新實踐能力培養為導向的研究生教學實踐探索——以數字圖像處理課程為例[J].電腦知識與技術，2023，19（17）：169-171.

[6]王成優，周曉，張遙，等.培養科研能力的“數字圖像處理”課程實驗教學改革研究[J].工業和信息化教育，2023（1）：36-39.

[7]葉秀娟.案例式教學法在《動物藥理》課程教學中的應用[M].第八屆創新教育學術會議論文集-課程建設篇，2023.

[8]楊紅霞，信息技術在課程案例教學中的應用[J].集成電路應用，2023（4）：302-303.

[9]彭軼灝.基于深度學習的電力系統熱成像超分辨率研究[D].保定：華北電力大學，2022.

[10]百度百科.Roberts算子[EB/OL].[2025-03-05.]http：//baike.baidu.com/view/10106764.html.

[11]楊光，馮濤，秦永左.輪型代碼自動識別系統圖像處理算法改進研究[J].核電子學與探測技術，2011（1）：732-735.

作者簡介：楊光，博士研究生，副教授，guangyang1975@126.com，研究方向：嵌入式系統開發及設計、數字圖像處理。

基金項目：吉林省教育科學“十四五”規劃2023年度一般課題——電子信息類專業學生解決復雜工程問題能力培養路徑研究（編號：GH23402）；2024年吉林省第四批省級專業學位研究生教學案例立項項目——基于圖像處理的工件型號識別系統（編號：JXAL202402）。