《图像处理》课程教学大纲

1、图像处理课程教学大纲课程名称图像处理/ Image processing课程编码10000501810课程类型专业选修课课程性质专业选修课适用范围信息与计算科学专业、信息安全专业学分数3先修课程计算机基础学时数54 实验/实践学时无课外学时无考核方式考查 一、 教学大纲的说明(一) 课程的地位、作用和任务计算机图像处理技术是科学计算、工程应用中重要环节，是生物医学工程领域和其他生物及非生物学科中研究和技术应用重要的工具和手段，它的内容和方法涉及数学物理学、生理学心理学、电子学计算机科学等学科，研究范围与模式识别计算机视觉，计算机图形学等专业相交叉并与人工智能神经网络遗传算法模糊逻辑等理论和技术

2、关系密切。 图像处理的范围相当广泛，全面地教学该学科将涉及许多学科及其分支。因此，在本科生教学中将主要讲授并要求学生掌握最基本的概念、方法等内容，要求学生对整个学科有较完整的框架式的认识，养成正确的学术观念和正规的研究方法，为将来进一步的研究和后续课程的教学打下基础。 （二）课程教学的目的和要求 本课程主要讲授数字图像处理的理论与实现方法。使学生掌握计算机图像处理基础知识，并培养学生图像处理实践操作能力。掌握：图像的数字化和离散图像的数学描述；二维采样定理；二维离散Fourier变换；离散Karhunen-Loeve变换；图像点运算；图像空间邻域运算；图像变换域运算；几何畸变的消除；投影重建图

3、像中断层摄影图像的获取；数学形态学与二值图像的数学形态学运算；图像分割和特征提取中的分割技术；边缘提取的经典方法。理解：；利用卷积进行图像重建，图像特征提取；图像简单几何性质的描述与变换；目标大小的描述；形状描述；形状分析。了解：图像恢复的代数恢复方法；频域恢复方法；运动模糊的恢复；用Fourier变换进行图像重建，Marr边缘检测算子。 (三)课程与其他课程的联系本课程涉及到图像的矩阵变换、图像数据结构，并利用计算机编程实现图像处理算法，因而需要先开设数据结构、线性代数（矩阵理论、正交变换）、C程序设计等课程。 (四)教材与教学参考书 教材：计算机图像处理与识别技术王耀南等编著，高等教育出版

4、社，2001年5月 教学参考书：1、数字图像处理 朱虹主编，科学出版社，2002年2月 2、图象处理和分析章毓晋主编，清华大学出版社，1999年10月 3、数字图象处理导论赵荣椿主编，西北工业大学出版社，2000年二、课程的教学内容、重点和难点第一章 数字图像处理综述内容：计算机图像学发展史、研究内容、计算机图像处理硬件系统、数字图像的数学描述、数据结构、处理基本方法以及计算机视觉。重点：计算机图像处理硬件系统、数字图像的数学描述、数据结构、处理基本方法。难点：数字图像的数学描述、数据结构、处理基本方法。第二章 MATLAB语言基础内容：MATLAB基本操作、编程、控制语句。重点：MATLAB

5、基本操作。难点：编程、控制语句。第三章 图像预处理内容：图像变换、灰度变换、直方图变换、空间域图像平滑、空间域图像锐化、频域图像平滑和锐化、伪彩色和假彩色处理。重点：直方图变换、空间域图像平滑、空间域图像锐化、频域图像平滑和锐化。难点：空间域图像锐化、频域图像平滑和锐化。第四章 图像分割内容：边缘检测、灰度阈值分割、区域生长。重点：边缘检测、灰度阈值分割。难点：灰度阈值分割。第五章 图像恢复与校正内容：图像恢复、 图像退化、图像复原、最小二乘方恢复、图像几何畸变校正、图像几何变换。重点：图像恢复、图像复原、最小二乘方恢复、图像几何畸变校正。难点：最小二乘方恢复、图像几何畸变校正。第六章 图像特

6、征提取内容：纹理特征提取、形状特征提取、颜色特征提取 重点：纹理特征提取、形状特征提取。难点：形状特征提取。第七章 图像识别内容：图像识别、判别函数和判别规则、特征的提取和判别规则、统计模式识别方法、模糊集理论识别方法、神经网络识别方法。重点：判别函数和判别规则、特征的提取和判别规则、统计模式识别方法。难点：特征的提取和判别规则、统计模式识别方法。第八章 图像数据压缩编码内容：预测编码、正交变换编码、统计编码、二值图像编码。 重点：正交变换编码、统计编码。难点：正交变换编码。第九章 应用实例内容：图像处理技术在工业自动检测中的应用、智能机器人视觉信息检测与处理系统、现代交通监控与管理系统、遥感图像处理与识别系统。 重点：图像处理技术在工业自动检测中的应用、智能机器人视觉信息检测与处理系统、现代交通监控与管理系统。难点：智能机器人视觉信息检测与处理系统。三 学时分配教学内容各教学环节学时分配备注章节主要内容讲授实验讨论习题课外其它小计一数字图像处理综述44二MATLAB语