SPOC学校专有课程
图像处理技术
分享
spContent=图像处理,实际是计算机视觉、机器视觉的基础,是人工智能领域中设计复杂度、计算复杂度较高的一个领域。本课程理论教学与实验训练相结合,旨在传授数字图像处理基础知识、基本算法和实现技能,展现数字图像处理魅力,激发学生创新意识和学习兴趣,提高学生综合应用能力。
—— 课程团队
课程概述

数字图像处理作为当前信息技术的核心科学之一,为计算机应用以及各类信息处理技术提供基础理论、基本方法、实用算法和实现方案,探索图像信息的基本表示、分析和处理方法,研究图像信息的获取、存储、传输、处理及显示的基本技术及应用。通过本课程的教学,学生可以掌握图像处理的基本理论、概念、方法和技术,配合实验,使学生能用Matalab软件实现一些基本算法和思路进行图像处理,为后续课程的学习作好铺垫,为以后从事本领域或相关领域工作、深造、研究奠定基础。

授课目标

通过本课程的学习,要求学生掌握数字图像处理相关基本概念、原理、方法及实际应用。

为同学们进入研究生课程,学习《图像理解与计算机视觉技术》《深度学习》《机器人感知技术》等课程奠定基础。作为电子信息考研的热门方向课,该课程为大家建立图像处理技术的技术,帮助大家快速了解图像处理的基本操作方法,以便进入工作和研究生阶段能够轻松应对人工智能领域的最难挑战。

成绩要求

本课程为考查课。考试形式以平时成绩、实验成绩和课程报告为主要形式。其比例为:平时成绩占40%、实验成绩占30%、课程报告占30%

平时成绩评定的主要依据包括:课堂表现和学习态度(课程的出勤情况、问题回答情况、课堂互动情况)以及课堂测验等。

实验成绩通过过程性评价以及实验报告进行考核和成绩综合评定。过程性评价依据:预习效果、设计性实验方案设计和撰写情况、知识掌握和运用、实验设备操作熟练程度、实践动手能力等;实验报告评定依据:报告撰写质量、实验数据整理以及正确性、实验结果的分析和处理等。

课程报告成绩评定依据为报告撰写质量、创新性程度进行评价。

考核组成

评价环节

评估毕业要求

平时成绩(40%

课堂表现及学习态度(20%

3.3

课堂测验(80%

3.3

实验成绩(30%

过程性评价(50%

3.3

实验报告(50%

3.3

课程报告成绩(30%

撰写质量(50%

3.3

创新性程度(50%

3.3





课程大纲
预备知识

高等数学、线性代数、概率统计、C语言编程、Matlab。

参考资料
  • 数字图像处理《第版》 ()冈萨雷斯,()伍兹,阮秋琦(译) 电子工业出版社 ISBN9787121110085  2011 

  • Kenneth R. Castleman著,朱志刚、林学訚、石定机等译,数字图像处理,电子工业出版社,2002年。

  • 章毓晋,图象工程上册图象处理和分析,清华大学出版社,2003年

  • 阮秋琦,数字图像处理学,电子工业出版社,2004年。

  • 杨枝灵、王开等,Visual C++数字图像获取、处理及实践应用,人民邮电出版社,2003年。


常见问题

Q :  这门课是人工智能课程吗?

A :  不是。但是这门课是计算机视觉技术(人工智能的重要也是最大分支之一)的前序课程。

Q :  我将来就要做人工智能,不想学图像处理、语音处理、大数据,这些都太low了。

A :  这就跟你去考四六级,不带2B铅笔、不带水性笔、不带耳机,是一个道理。

Q :  如果我不学人工智能,我的世界就坍塌了,人生就崩溃了。所以,很好奇,你的图像课程是干什么用的?

A :  帮助你认识世界,我通过这门选修课要告诉你,世界不是你以为你以为的那样。

Q :  我学了图像处理,是不是以后考研去了某某大学,人家就会非常喜欢我。

A :  你如果用我的图像处理课当做求签问卜的话,我告诉你,我的课程一点也不灵验。

Q :  我天天拿手机自拍,没事儿还用手机修图,我是不是能在图像处理课上拿个高分?

A :  我的课堂只允许出现一个网红,那就是我,我不允许有人比我还花里胡哨的。

Q :  我就喜欢图像处理,所以自学了各种深度学习,各种TensorFlow技术,Python编程,我看了图像处理的课程大纲,太简单了。我不喜欢。

A :  我妈说台风多的地方,盖房子地基深点就结实。