研究生“數(shù)字圖像處理”課程教學(xué)的研究與探索

摘要：數(shù)字圖像處理作為一門技術(shù)密集型學(xué)科，在研究生教育中占有重要地位。隨著科技的快速發(fā)展，傳統(tǒng)的教學(xué)模式往往難以滿足學(xué)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(xué)模式，能夠更好地適應(yīng)數(shù)字圖像處理領(lǐng)域的特點，培養(yǎng)學(xué)生的創(chuàng)新能力并提高學(xué)生的實踐能力。本文闡述了在研究生“數(shù)字圖像處理”課程中采用案例教學(xué)法的教學(xué)改革，分析其必要性、實施過程，以及評估案例教學(xué)法對研究生學(xué)習(xí)數(shù)字圖像處理知識的成效，并提出相應(yīng)的教學(xué)改革建議。實踐與研究表明，在研究生“數(shù)字圖像處理”課程教學(xué)中，引入工程案例，運用MATLAB仿真，獲得了良好的教學(xué)效果，解決了數(shù)字圖像處理實踐教學(xué)中存在的問題。

關(guān)鍵詞：數(shù)字圖像處理；教學(xué)改革；案例教學(xué)法；MATLAB

引言

數(shù)字圖像處理是計算機科學(xué)和電子工程領(lǐng)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(xué)習(xí)技術(shù)迅猛發(fā)展[2]，數(shù)字圖像處理技術(shù)也得到極大發(fā)展。“數(shù)字圖像處理”課程作為電子信息類專業(yè)研究生的重要專業(yè)課程，其重要性不言而喻，但教學(xué)還停留在以講解基礎(chǔ)理論為主，與實際應(yīng)用存在較大差距，限制了對研究生的實踐動手能力、創(chuàng)新能力及科研能力的培養(yǎng)[3-6]。因此，在教學(xué)中，教師需要重新組合理論與實踐，設(shè)計課程內(nèi)容和實驗項目，通過理論與實踐結(jié)合的案例教學(xué)方法、跨學(xué)科知識的整合、創(chuàng)新能力的培養(yǎng)方法，并通過案例驅(qū)動學(xué)習(xí)和團隊協(xié)作，培養(yǎng)學(xué)生的創(chuàng)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(xué)術(shù)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(fā)的大型數(shù)學(xué)計算軟件，它具有強大的矩陣處理功能和繪圖功能，已經(jīng)廣泛地應(yīng)用于科學(xué)研究和工程技術(shù)的各個領(lǐng)域。將MATLAB作為研究生“數(shù)字圖像處理”課程的教學(xué)工具，可以極大地提高學(xué)生對圖像處理理論的理解和實踐能力。通過使用MATLAB，學(xué)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(xué)習(xí)和創(chuàng)新。在課程中，教師可以設(shè)計一系列的實驗和項目，讓學(xué)生利用MATLAB完成。通過這些實踐活動，不僅使學(xué)生充分地掌握數(shù)字圖像處理的基本概念和方法，還能夠?qū)W會如何使用MATLAB解決實際問題。因此，在研究生“數(shù)字圖像處理”課程中引入MATLAB，不僅能夠提升教學(xué)效果，還能為學(xué)生未來的職業(yè)發(fā)展打下堅實的基礎(chǔ)。

1. 研究生“數(shù)字圖像處理”課程教學(xué)改革

研究生“數(shù)字圖像處理”課程教學(xué)改革是漫長且充滿挑戰(zhàn)的過程，在多次嘗試中，案例教學(xué)法脫穎而出。案例教學(xué)法[7]是通過分析和討論真實世界中的問題來促進學(xué)生的理解和應(yīng)用能力。在“數(shù)字圖像處理”課程教學(xué)改革中，案例教學(xué)法可以發(fā)揮重要作用。首先，將抽象的理論知識與實際應(yīng)用融為一體的案例教學(xué)法能夠使學(xué)生對數(shù)字圖像處理的基本概念和技術(shù)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(yīng)用效果能夠被直觀地看到，從而加深學(xué)生對知識點的理解。其次，案例教學(xué)法能夠激發(fā)學(xué)生主動學(xué)習(xí)，并對案例進行積極的思考。在討論案例的過程中，學(xué)生需要運用所學(xué)知識分析問題、提出解決方案，并與同學(xué)進行交流和辯論。這種互動式學(xué)習(xí)方式能夠激發(fā)學(xué)生的興趣和積極性，培養(yǎng)學(xué)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(xué)法能夠促成學(xué)生之間的合作，培養(yǎng)學(xué)生協(xié)作能力。在處理復(fù)雜案例時，學(xué)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(xué)生的溝通協(xié)調(diào)能力，還能讓他們學(xué)會如何在團隊中發(fā)揮各自的優(yōu)勢。最后，案例教學(xué)法能夠為學(xué)生提供行業(yè)視角。通過分析來自不同領(lǐng)域的數(shù)字圖像處理案例，學(xué)生可以了解該技術(shù)在不同行業(yè)中的應(yīng)用現(xiàn)狀和發(fā)展趨勢，為他們未來的職業(yè)打下堅實的基礎(chǔ)。

2. “數(shù)字圖像處理”課程教學(xué)要求——以輪轂圖像邊緣提取為例

案例教學(xué)法在研究生“數(shù)字圖像處理”課程教學(xué)中采用輪轂圖像分割及特征提取案例進行了教學(xué)嘗試。課堂集中指導(dǎo)時間2周（16課時）；設(shè)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(xué)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(dǎo)時間4課時，集中練習(xí)實踐時間8課時，綜合設(shè)計報告時間4課時，綜合設(shè)計報告要求學(xué)生根據(jù)項目要求自行編寫MATLAB程序，其余時間學(xué)生自行安排。

具體要求如下：

（1）根據(jù)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??；

（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(xué)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(shù)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(nèi)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(xiàn)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(yīng)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(jīng)典的圖像邊緣檢測方法，結(jié)合了高斯平滑濾波和拉普拉斯二階導(dǎo)數(shù)，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(jù)設(shè)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(zhuǎn)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(shè)為0[11]。

3.2 MATLAB仿真實現(xiàn)

在MATLAB信號處理工具箱中，實現(xiàn)數(shù)字圖像處理有兩種方法：程序設(shè)計法和命令窗口法，要求學(xué)生采用兩種方法實現(xiàn)如圖1～圖12的處理過程。

4. 實驗結(jié)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(jié)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(nèi)部邊緣呈現(xiàn)不連續(xù)狀態(tài)；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(shù)字，而LoG算子仍能夠識別記號筆書寫的數(shù)字的邊緣特征。

將圖5經(jīng)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(jīng)過灰度閾值分割之后，再進行邊緣特征提取?？傮w上，三種算子能夠有效消除背景噪聲，并且邊緣特征細節(jié)進一步提升，但細節(jié)上還有很大區(qū)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(nèi)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(nèi)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(shù)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(jù)以上分析以及實際應(yīng)用，多數(shù)型號的輪轂的內(nèi)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(yōu)選擇。

結(jié)語

將案例教學(xué)法應(yīng)用至研究生“數(shù)字圖像處理”課程教學(xué)中，不僅使學(xué)生的學(xué)習(xí)目的性增強、學(xué)習(xí)的積極性提高，而且還提高了學(xué)習(xí)效率。學(xué)生在實施案例的過程中不僅學(xué)到了課程的教學(xué)內(nèi)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(yīng)用結(jié)合起來，綜合設(shè)計及應(yīng)用能力得到很大的提高。與此同時，采用工程案例的教學(xué)方法對教師的要求也更高了，要求教師具有較強的系統(tǒng)設(shè)計和軟件調(diào)試經(jīng)驗、較強的教學(xué)組織能力，并在工程案例實施過程中能夠充分發(fā)揮學(xué)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(dǎo)的數(shù)字圖像處理研究性教學(xué)課程改革[J].高教學(xué)刊，2023（36）：33-36.

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

[3]趙欣，王穎潔，賈龍淵.研究生“數(shù)字圖像處理”課程教學(xué)改革研究[J].教育教學(xué)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(tài)案例教學(xué)研究與實踐，2024，26（1）：86-90.

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

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

[7]葉秀娟.案例式教學(xué)法在《動物藥理》課程教學(xué)中的應(yīng)用[M].第八屆創(chuàng)新教育學(xué)術(shù)會議論文集-課程建設(shè)篇，2023.

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

[9]彭軼灝.基于深度學(xué)習(xí)的電力系統(tǒng)熱成像超分辨率研究[D].保定：華北電力大學(xué)，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(tǒng)圖像處理算法改進研究[J].核電子學(xué)與探測技術(shù)，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(tǒng)開發(fā)及設(shè)計、數(shù)字圖像處理。

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