《数字图像处理》教学大纲课程名称及代码：数字图像处理/10011301课程学分与学时：4分/64学时(课堂讲授32，实验实践32，自主学习0)先修课程：高等数学、程序设计适用专业：计算机科学与技术专业一、课程性质、目的与任务1、课程性质数字图像处理是计算机科学与技术专业学生选修的一门前沿性、专业拓展课。
2、课程目的本课程侧重于数字图像的基本处理方法和理论。
通过本课程的学习，使学生了解数字图像的获取、显示、存储等基本技术，深刻理解图像的运算、增强、去噪、边缘检测等基本原理和技术，通过MATLAB图像处理工具箱，编程解决实际中的图像处理的相关问题。
要求学生通过该课程的学习，学生应该具备基础的图像处理能力，为今后从事计算机视觉、模式识别等图像信息处理和研究工作奠定坚实的理论基础，并为深入研究图像处理做好必要的理论准备。
3、课程任务本课程的主要任务是培养学生①了解图像处理的基本概念和图像处理系统组成，了解数字图像处理的最新发展方向②掌握数字图像处理的基础知识，包括图像的数字化技术、数字图像像素间的关系。
了解数字图像的存储文件格式、数字图像的颜色模型。
③掌握数字图像的基本运算，包括各种灰度变换处理、几何运算、代数运算和其它运算。
④掌握图像增强的基本原理，掌握基于灰度变换的图像增强处理技术、掌握图像的空域滤波技术和图像的频域增强技术。
⑤理解和掌握图像的傅里叶变换的基本性质，掌握图像频域滤波的基本步骤和处理函数，掌握图像的低通滤波处理、高通滤波处理和带通滤波处理的原理和方法。
⑥理解彩色图像模型，掌握不同色彩空间的相互转换技术和方法，实现对伪彩色图像、全彩色图像的处理，并能将灰度图像处理的理论和方法应用到彩色图像的处理中。
⑦了解图像特征提取的基本概念，掌握图像边缘检测的基本算子，并能使用这些算子和门限法等进行边缘检测。
⑧能熟练综合使用图像处理的基本原理和方法解决现实中的图像处理问题。
二、教学内容与学时分配教学模块教学内容教学要求讲授学时实验实践学时自主学时绪论1、数字图像处理及其特点2、数字图像处理的目的和主要内容3、图像工程与相关学科3、数字图像处理系统4、数字图像处理的应用5、数字图像处理发展方向理解图像、数字图像等基本概念、了解数字图像处理系统组成、了解数字图像的基本应用，了解图像的最新发展方向2 0 0数字图像处理基础1、图像数字化技术2、数字图像类型3、图像文件格式4、色度学基础与颜色模型掌握图像数字化技术、了解图像的类型和图像存储文件格式，了解彩色图像的颜色模型2 0 0Matlab处理基础1、Matlab简介2、Matlab数据类型3、Matlab程序设计基础4、Matlab变量和函数设计5、Matlab矩阵运算6、Matlab数学运算7、Matlab绘图基础8、Matlab图像处理函数了解Matlab软件的基本知识，重点掌握Matlab的数据的矩阵表示、处理、了解Matlab的基本运算函数，掌握图像在Matlab中的存储和提取。
3 4 0数字图像的基本运算1、灰度反转2、对数变换3、灰度直方图4、图像的平移、旋转、镜像运算5、图像的代数运算6、图像的几何运算7、图像的其它运算掌握图像的整体处理的各种运算公式，并能通过程序实现各种图像处理运算3 6 0图像增强1、图像增强的概念2、点运算的增强3、图像的灰度直方图增强4、图像的灰度规定化增强5、空域滤波增强6、图像的锐化增强7、基于频域变换的增强了解图像增强处理的基本概念，掌握基于点运算的图像增强技术；掌握基于直方图的图像增强技术；掌握空域图像锐化算子，了解频域图像增强的基本方法5 6 0图像频域处理1、傅里叶变换及其性质2、图像的傅里叶变换性质3、图像的频域滤波的一般步骤及处理函数4、图像的低通滤波5、图像的高通滤波6、图像的带通/带阻滤波了解Fourier变换及图像Fourier变换的基本性质，了解图像频域滤波处理的一般步骤，掌握图像的低通、高通滤波处理，了解图像的带通滤波处理的基本方法。
5 2 0彩色图像处理1、彩色基础2、图像色彩空间及相互转换3、伪彩色图像处理4、全彩色图像处理5、彩色图像增强6、彩色图像平滑和锐化处理了解彩色图像的基本概念和基本的色彩标准；掌握不同色彩空间下图像的相互转换；掌握利用前面的图像增强、滤波处理技术来对彩色图像进行各种处理。
4 6 0图像特征提取及分析1、特征提取基础2、门限法3、边缘检测的数学基础4、边缘检测的基本算子了解图像特征提取的基本数学基础，能通过门限法、边缘检测算子检测图像的边缘特征，介绍一些最新的图像特征提取方法。
4 4 0图像复原1、图像复原的概念2、图像去噪（均值去噪、中值去噪）3、图像的退化模型4、图像的空间复原5、图像的频域复原6、图像的修复示例了解图像退化原因，了解图像复原的空域和频域复原的基本技术，掌握各种基本的去噪算法。
4 4 0说明：1、教学内容可根据专业支撑、专业发展方向、学生情况以及数字图像处理技术的发展作适当增减。
2、如果课程采用OpenCV、Visual C++、OpenGL等数字图像处理软件教学时，请将Matlab 的相关内容修改为指定的处理软件即可。
如果之前已单独开设了相应的数字图像处理软件课程，则将这部分内容去掉，增加其它图像处理内容(如: 图像压缩和编码、形态学图像处理等内容)。
三、教学方法与手段采用多媒体授课形式，通过多媒体授课，可以使学生对具体的操作有一个形象的认识，在授课过程中，采用具体的实例教学，使学生能够对数字图像的算法有更详细的了解。
本课程采用多媒体教学为主、网络教学辅助系统进行任务驱动教学。
通过任务驱动网络教学辅助系统，将丰富的教学资源放在网络上，通过网络进行作品提交、交流，对学生学习课题进行设计、对学习过程中进行组织与管理、以及对学习成果进行评价和实施, 构建高效的“任务驱动”教学模式。
使学生在网络条件下成为自主学习的探索者、知识建构的主体，而教师应成为学生学习的组织者、导航者和“主持人”。
在学习的过程中采用以学生为中心，注重教师的引导和多种媒体教学资源的整合利用，使学生在这种知识蕴含丰富的学习环境下学习可以取得较好的学习效果和较高的学习质量。
四、课程考核方式本课程成绩考核以期末考试成绩和平时综合成绩综合而定，其中期末成绩占50%，平时综合成绩占50%（实验和作业成绩占40%，考勤占10%）。
(1)过程考核(占课程成绩的50%)：过程考核主要考核课堂出勤及课堂表现、实验和作业，占课程成绩的50%，建议：考勤考核占10%，平时作业和实验综合占40%，也可根据情况进行调整。
(2)期末考核(占课程成绩的50%)：期末考试建议采用技能考试，满分100分，占课程成绩的50%。
五、其他(一)作业及自主学习要求本课程的作业次数不少于4次。
要求每一次作业都能实现一个完整的作品，学生做起来兴趣比较高，在完成规定内容的基础上，可个人创作拓展性、提高性作品，以针对不同的学生能够进行个性化练习。
在学习该课程时，一定要注意程序设计、算法分析和数字图像相关处理知识的综合使用，只有通过编程才能更好地理解数字图像处理的相关算法，并应用到实际工程环境中。
（二）课程资源1、建议教材[1] 李俊山, 李旭辉. 数字图像处理(第2版). 清华大学出版社, 2007[2] Gonzalez R C, Woods R W. 数字图像处理(第2版). 电子工业出版社, 20032、主要参考书[1] 阮秋琦. 数字图像处理. 电子工业出版社, 2004[2]章毓晋. 图像处理和分析. 清华大学出版社, 2003[3]张铮, 王艳平, 薛桂香. 数字图像处理与机器视觉Visual C与Matlab 实现. 人民邮电出版社, 2012[4]张铮、薛桂香、顾泽苍。
数字图像处理与机器视觉.人民邮电出版社, 2010[5]Milan Sonka.图像处理、分析与机器视觉(第3版). 清华大学出版社,2014[6]Jurjen Broeke. Image Processing and Analysis. Packt Publishing, 20153、课外学习资源[1] /coursestatic/course_2523.html【山东大学国家级精品课程】[2] /faculty/lpxu/【西安电子科技大学精品课程】[3] /course/1612.html【清华大学公开课堂】[4] /university/ligong/14898/【加州大学伯克利分校开放课程】[5] /course/1613.html【同济大学公开课堂】[6] /products.asp?id=4472【电子科技大学】大纲修改人：陈庆利教研室主任审核：黄果教学院分管领导审核：苏炳均修订日期：2017年11月16日。