课程

中国大学MOOC,为你提供一流的大学教育

认证学习
为你提供认证成绩和证书,以及AI高效学习服务
查看详情
大学

国家精品

认证学习

智慧课程

理学工学农学

计算机

经济管理

外语

音乐与艺术

心理学

文史哲法

医学与保健

教育教学

大学生竞赛

软件实训

人工智能

升学/择业

考研

期末突击

专升本

四六级

保研及论文

求职就业

专四专八

大学应试英语

期末资料

终身学习

有声课堂

兴趣技能

hi,小mooc
期末不挂科
SPOC学校专有课程
数字图像处理与机器视觉
第1次开课
开课时间: 2024年09月05日 ~ 2024年11月08日
学时安排: 3~5小时每周
当前开课已结束 已有 74 人参加
老师已关闭该学期,无法查看
spContent=
—— 课程团队
课程概述

数字图像处理与机器视觉是一门关于视觉感知原理与如何用计算机对数字图像进行处理的学科,是自动化专业的专业必修课程,在整个专业人才培养体系中,侧重培养学生数字图像处理与机器视觉的专业知识,帮助学生了解、学习数字图像处理的基本概念,掌握数字图像处理的基本原理和常用方法:图像正交变换、图像增强、图像复原、图像压缩编码、数学形态学及应用、图像分割技术、图像特征分析、图像配准与识别等。同时,将这些原理与编程实现技术相结合,与具体的测试图像实例结合,培养学生从应用目标出发设计合适的图像处理基本算法与编程实现方法,帮助学生掌握图像处理与计算机视觉方面的系统理论知识和实用技能,为深入开展图像工程领域的科学研究、应用开发等打下良好的理论和技术基础。

授课目标

1.学习和掌握基本的数字图像处理的几个重要分支;

2.掌握经典数学理论在图像处理领域的物理实现;

3.熟练运用计算机仿真软件平台实现几种代表性的图像处理算法;


成绩 要求

课程总评成绩的组成:

平时:10%

课后作业:20%

网络课堂学习:10%

课内实践:10%(编程实践)

期末考试:50%

记分方式:百分制

课程大纲
第一章 绪论
课时目标:掌握数字图像处理的基本概念,了解数字图像系统的概念模型。
1.1 数字图像处理与机器视觉的基本概念
1.2 图像的视觉原理与获取技术
1.3 数字图像系统的概念模型
1.4 数字图像处理与机器视觉技术的发展与应用
1.5 课程要求与参考资料
1.6 其他
数字图像基础
课时目标:理解图像信号数字化的基本原理,掌握二维采样定理,了解图像质量的评价方法。
2.1 图像数字化技术
2.2 数字图像的表示
2.3 常见图像文件格式及类型
2.4 图像的色彩空间
2.5 图像的质量评价方法
2.6 Matlab在图像处理中的应用简介
图像的正交变换
课时目标:掌握离散傅里叶变换和离散余弦变换的原理和实现过程,及其程序设计方法。
3.1 图像的离散傅里叶变换
3.2 图像的离散余弦变换
3.3 离散K-L变换
3.4 小波变换
图像增强
课时目标:掌握图像平滑和锐化的主要方法、原理及效果,并能依据图像处理目的选用、设计卷积模板算子或频域滤波器。
4.1 图像增强技术的主要架构
4.2 基于空间域的图像增强
4.3 基于频率域的图像增强
4.4 基于伪色彩处理的图像增强
图像复原
课时目标:了解图像复原的基本原理和方法。
5.1 图像复原技术的主要架构
5.2 图像退化模型
5.3 图像复原的基本方法
图像几何变换
课时目标:掌握几何变换的基本原理,了解位置变换、形状变换、图像复合变换方法和程序实现方法。
6.1 图像几何变换的基本原理
6.2 图像位置变换方法
6.3 图像形状变换方法
6.4 图像复合变换方法
图像压缩编码
课时目标:了解哈夫曼编码、香农-范诺编码、算术编码和运用它们对信号进行压缩和解压缩处理的方法。
7.1 图像压缩编码的基础
7.2 常见的图像压缩编码方法
数学形态学
课时目标:掌握二值图像和灰度图像的数学形态学变换方法。
8.1 数学形态学的基本概念
8.2 二值图像的数学形态学变换方法
8.3 灰度图像的数学形态学变换方法
图像分割技术
课时目标:掌握常规基于阈值选取的图像分割方法,了解基于区域的图像分割方法,掌握边缘检测基本原理和常用算子。
9.1 基于阈值选取的图像分割方法
9.2 基于区域的图像分割方法
9.3 边缘检测基本原理和常用算子
9.4 基于边缘检测的图像分割方法、Hough变换方法
图像特征分析
课时目标:掌握颜色特征分析、形状特征分析、纹理特征分析的基本理论方法,以及其他特征分析方法(标记、拓扑描述符)。
10.1 图像的颜色、形状、纹理、轮廓等常见特征
10.2 图像的其他特征
图像配准及识别
课时目标:掌握基于灰度信息、基于特征、基于优化策略的图像配准算法,学习图像识别的主要方法。
11.1 图像配准的常用方法
11.2 图像识别的常用方法
展开全部
预备知识

学习本课程需要具备基本的数学知识:线性代数、概率论、微积分等。

与本课程相关的专业课程:数字信号处理、信息论与编码、线性系统。

学习本课程需要具备编程语言:Matlab平台。

参考资料

1. 杨帆:数字图像处理与分析(第5版),北京航天航空大学出版社

2. Rafael C. Gonzalez, Richard E. Woods:数字图像处理(第三版),电子工业出版社

3. Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins :数字图像处理(MATLAB版),电子工业出版社

4. 张铮等编著,数字图像处理与机器视觉,人民邮电出版社

5.《数字图像处理》(第三版),武汉大学出版社,贾永红编著

6.《数字图像处理实习教程》(第三版),武汉大学出版社,贾永红、张谦、崔卫红等编著

常见问题

每人预先安装matlab 2018或以上版本,需提前解决软件运行问题。

常州工学院
1 位授课老师
周亚琴

周亚琴

讲师

下载
下载

下载App