数字图像处理教学大纲(2014新版)
《数字图像处理》教学大纲
《数字图像处理》教学大纲
一、课程简介
数字图像处理是机器视觉、模式识别、医学图像处理等的基础,本课程为工程专业的学生提供数字图像处理的基本知识,是理论性和实践性都很强的综合性课程。
课程内容广泛涵盖了数字图像处理的基本原理,包括图像采样和量化、图像算术运算和逻辑运算、直方图、图像色彩空间、图像分割、图像形态学、图像频域处理、图像分割、图像降噪与图像复原、特征提取与识别等。
二、课程目标
通过本课程学习,学生可以掌握数字图像处理的基本方法,具备一定的解决图像处理应用问题的能力,培养解决复杂工程问题的能力。
具体目标如下:
1.掌握数字图像处理的基本原理、计算方法,能够利用专业知识并通过查阅资
料掌握理解相关新技术,对检测系统及处理流程进行创新性设计;
2.能够知晓工程领域中涉及到的数字图像处理技术,理解其适用场合、检测对
象及条件的限制,能根据给定的目标要求,针对工业检测中的工程问题选择和使用合适的技术和编程,进行仿真和分析;
3.能够知晓工程领域中所涉及的现代工具适用原理及方法,根据原理分析和仿
真结果,进行方案比选,确定设计方案,具有检测算法的设计能力;
4.通过校内外资源和现代信息技术,了解数字图像处理发展趋势,提高解决复
杂工程问题的能力。
三、课程目标对毕业要求的支撑关系
四、理论教学内容及要求
四、实验教学内容及要求
五、课程考核与成绩评定
六、教材及参考书。
《数字图像处理》教学大纲
《数字图像处理》教学大纲Images Processing课程代码:0660216适用专业:计算机科学与技术、信息与计算科学、信息安全和电子、通信工程等学时数:48 (讲课34学时,专题研讨6学时,实验8学时) 学分数:3执笔者:杨淑莹审批者:夏承遗一、课程的性质和任务1.课程的性质《数字图像处理》课程是计算机系本科教学计划中的一门重要的专业课程,适应于计算机专业的本科学生。
2.课程的任务《数字图像处理》的任务是介绍各种数字图象处理的算法分析及编程实现技术。
主要内容包括:位图基础、图象的显示、图像的几何变换、图象灰度变换、图像的平滑处理、图像锐化处理及边缘检测、图像分割及测量、图像纹理分析、图像的形态学处理、图像的变换域处理及应用、图像的合成、24位彩色图像处理、图像压缩。
本课程不是枯燥地单纯介绍图像处理的原理,而是将这些原理与编程实现技术相结合,与具体实例相结合,讲解VC++编程步骤,着重图象处理的编程实现方法,使学生很快就能掌握理论编写图象处理的程序。
二、课程教学内容第一章、数字图像处理方法概述讲课4课时了解本课程研究的对象、内容及其在培养软件编程高级人才中的地位、作用和任务;了解数字图像处理的应用;了解数字图像的基本概念、与设备相关的位图(DDB)、与设备无关的位图(DIB);了解调色板的基本概念和应用;了解CDIB类与程序框架结构介绍;了解位图图像处理技术。
重点:CDIB类与程序框架结构介绍。
难点:调色板的基本概念和应用。
第二章、图像的特效显示讲课2课时、实验2学时了解扫描、移动、百叶窗、栅条、马赛克、渐显与渐隐、浮雕化特效显示。
重点:渐显与渐隐。
难点:马赛克。
第三章、图像的几何变换讲课2课时了解图像的缩放、平移、镜像变换、转置、旋转。
重点:镜像变换。
难点:旋转。
第四章、图像灰度变换讲课2课时、实验2学时了解非0元素取1法、固定阈值法、双固定阈值法的图像灰度变换;了解灰度的线性变换、窗口灰度变换处理、灰度拉伸、灰度直方图、灰度分布均衡化。
《数字图像处理》教学大纲
《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。
数字图像处理课堂教学大纲(2014新版).doc
数字图像处理课程编码:3073009223 课程名称:数字图像处理总学分: 2 总学时:32 (讲课28,实验4)课程英文名称:Digital Image Processing先修课程:概率论与数理统计、线性代数、C++程序设计适用专业:自动化专业等一、课程性质、地位和任务数字图像处理课程是自动化专业的专业选修课。
本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力,为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。
主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术,并能应用这些基本方法开发数字图像处理系统,为学习图像处理新方法奠定理论基础。
二、教学目标及要求1.了解图像处理的概念及图像处理系统组成。
2.掌握数字图像处理中的灰度变换和空间滤波的各种方法。
3.了解图像变换,主要是离散和快速傅里叶变换等的原理及性质。
4.理解图像复原与重建技术中空间域和频域滤波的各种方法。
5. 理解解彩色图像的基础概念、模型和处理方法。
6. 了解形态学图像处理技术。
7. 了解图像分割的基本概念和方法。
三、教学内容及安排第一章:绪论(2学时)教学目标:了解数字图像处理的基本概念,发展历史,应用领域和研究内容。
通过大量的实例讲解数字图像处理的应用领域;了解数字图像处理的基本步骤;了解图像处理系统的组成。
重点难点:数字图像处理基本步骤和图像处理系统的各组成部分构成。
1.1 什么是数字图像处理1.2 数字图像处理的起源1.3.1 伽马射线成像1.3.2 X射线成像1.3.3 紫外波段成像1.3.4 可见光及红外波段成像1.3.5 微波波段成像1.3.6 无线电波成像1.3.7 使用其他成像方式的例子1.4 数字图像处理的基本步骤1.5 图像处理系统的组成第二章:数字图像基础(4学时)教学目标:了解视觉感知要素;了解几种常用的图像获取方法;掌握图像的数字化过程及其图像分辨率之间的关系;掌握像素间的联系的概念;了解数字图像处理中的常用数学工具。
《数字图像处理》课程教学大纲
数字图像处理课程教学大纲课程简介数字图像处理是计算机科学与技术领域的一门重要课程,它研究如何使用计算机和算法来处理和分析数字图像。
本课程旨在介绍数字图像处理的基本原理、方法和应用,并培养学生的图像处理能力和技巧。
课程目标本课程的主要目标是让学生掌握数字图像处理的基本理论和方法,具备图像处理算法设计、图像增强、图像分割、图像压缩等技术的基本能力。
同时,通过实践项目的实施,培养学生的问题解决能力和团队合作能力。
课程安排第一周:课程介绍与基本概念•课程介绍•数字图像的基本概念与特点•数字图像处理的基本步骤第二周:图像预处理•图像采集与获取•图像灰度变换•图像噪声模型与去噪方法第三周:图像增强•直方图均衡化•空域滤波与频域滤波•边缘增强与锐化第四周:图像压缩•图像压缩的基本概念与方法•离散余弦变换(DCT)与JPEG压缩算法•小波变换与JPEG2000压缩算法第五周:图像分割与边缘检测•阈值分割•基于边缘的图像分割•基于区域的图像分割第六周:实践项目1 - 图像识别•项目需求分析与设计•图像特征提取与选择•分类器的训练与测试第七周:实践项目2 - 图像恢复•项目需求分析与设计•图像模型与图像去模糊•图像去噪与图像修复第八周:实践项目3 - 图像处理工具开发•项目需求分析与设计•图像处理算法的实现•图形界面设计与用户交互评估方式•平时成绩:30%•作业与实验报告:30%•期末考试:40%参考教材•Rafael C. Gonzalez, Richard E. Woods. 数字图像处理(第三版). 清华大学出版社,2018.•Richard Szeliski. 计算机视觉:算法与应用. 电子工业出版社,2014.参考资源•MATLAB图像处理工具箱文档•OpenCV计算机视觉库官方文档以上是《数字图像处理》课程的教学大纲,希望通过本门课程的学习,能够让学生对数字图像处理有一个全面的了解,并具备实践应用的能力。
《数字图像处理》教学大纲
《数字图像处理》教学大纲电子信息工程专业(本科)课程编号:()课程名称:数字图像处理参考学时:42 其中实验或上机学时:10说明部分1.课程的地位、性质和任务数字图像处理是一门迅速发展的新兴学科,发展的历史并不长。
由于图像是视觉的基础,而视觉又是人类重要的感知手段,故数字图像成为心理学、生理学、计算机科学等诸多方面学者研究视觉感知的有效工具。
随着计算机的发展,以及应用领域的不断加深和扩展,数字图像处理技术已取得长足的进展,出现了许多有关的新理论、新方法、新算法、新手段和新设备,并在军事公安、航空、航天、遥感、医学、通信、自控、天气预报以及教育、娱乐、管理等方面得到广泛的应用。
所以,数字图像处理是一门实用的学科,已成为电子信息、计算机科学及其相关专业的一个热门研究课题,相应《图像处理技术》也是一门重要的课程,是一门多学科交叉、理论性和实践性都很强的综合性课程。
本课程是电子信息工程专业的专业课。
本课程着重研究数字图像处理的方法,训练学生运用所学基础知识解决实际问题的能力,同时要求拓宽专业知识面。
2.课程教学的目的及意义数字图像处理是研究数字图像处理的基本理论、方法及其在智能化检测中应用的学科,本课程侧重于机器视觉中的预处理技术——数字图像基本处理,并对图像分析的基本理论和实际应用进行系统介绍。
目的是使学生系统掌握数字图像处理的基本概念、基本原理和实现方法和实用技术,了解数字图像处理基本应用和当前国内外的发展方向。
要求学生通过该课程学习,具备解决智能化检测与控制中应用问题的初步能力,为在计算机视觉、模式识别等领域从事研究与开发打下扎实的理论基础。
3.教学内容及教学要求教学内容:数字图像处理是计算机和电子学科的重要组成部分,是模式识别和人工智能理论的的中心研究内容。
主要教学内容包括:(1)数字图像处理的基本概念,包括数字图像格式,数字图像显示,灰度直方图,点运算,代数运算和几何运算等概念。
(2)介绍二维富氏变换离散余弦变换,离散图像变换和小波变换的基本原理与方法。
201411119数字图像处理
数字图像处理课程教学大纲一、课程基本信息课程编号:201411119课程中文名称:数字图像处理课程英文名称:Digital Image Processing课程性质:专业选修课开课专业:光电信息科学与工程开课学期:7总学时: 36(其中理论24学时,上机12学时)总学分: 1.5二、课程目标数字图像处理是一门涉及光学、电子学、数学、摄影技术、计算机技术等领域的学科。
对从事是模式识别、计算机视觉、图像通讯、多媒体技术等方向研究工作的人来说是一门重要的专业课程。
课程的目的是使学生系统掌握数字图像处理的基本概念、原理和实现方法,学习图像分析的基本理论、典型方法和实用技术,具备解决智能化检测与控制中应用问题的初步能力,为在从事该领域的工作与研究打下扎实的基础。
三、教学基本要求(1)理解数字图像处理的基本概念、基础理论以及解决问题的基本思想方法,掌握基本的处理技术。
(2)对摄影测量、遥感、计算机视觉、模式识别、计算机图形学、虚拟现实技术等领域的数字图像,了解其处理目的要求,并能够给出相应的处理方案。
(3)能够运用MATLAB编写简单的图像处理软件,实现对图像进行的基本处理。
四、教学内容与学时分配1 绪论(2学时)图像的基本概念;数字图像处理的研究内容;数字图像处理系统的构成。
2 图像的基本知识和基本运算(4学时)2.1 图像的数字化、图像的数值描述、图像像素间关系2.2基本代数运算、基本几何运算。
3 图像正交变换(2学时)线性变换的表示;线性变换的实质与统计特性;离散傅立叶变换;离散余弦变换。
4 图像增强(6学时)4.1 对比度增强、直方图增强、图像间的四则运算等基于点运算增强。
4.2平滑滤波、锐化滤波等基于空域滤波的图像增强;基于频域滤波的图像增强。
4.3 图像噪声抑制方法5 图象复原(2学时)图像退化的基本模型及图像恢复的基本思路;图像的频域恢复;图像恢复的代数方法。
6 图像压缩编码(2学时)信息论基础;哈夫曼编码;行程编码;预测编码;混合编码。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
数字图像处理课程编码:3073009223 课程名称:数字图像处理总学分: 2 总学时:32 (讲课28,实验4)课程英文名称:Digital Image Processing先修课程:概率论与数理统计、线性代数、C++程序设计适用专业:自动化专业等一、课程性质、地位和任务数字图像处理课程是自动化专业的专业选修课。
本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力,为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。
主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术,并能应用这些基本方法开发数字图像处理系统,为学习图像处理新方法奠定理论基础。
二、教学目标及要求1.了解图像处理的概念及图像处理系统组成。
2.掌握数字图像处理中的灰度变换和空间滤波的各种方法。
3.了解图像变换,主要是离散和快速傅里叶变换等的原理及性质。
4.理解图像复原与重建技术中空间域和频域滤波的各种方法。
5. 理解解彩色图像的基础概念、模型和处理方法。
6. 了解形态学图像处理技术。
7. 了解图像分割的基本概念和方法。
三、教学内容及安排第一章:绪论(2学时)教学目标:了解数字图像处理的基本概念,发展历史,应用领域和研究内容。
通过大量的实例讲解数字图像处理的应用领域;了解数字图像处理的基本步骤;了解图像处理系统的组成。
重点难点:数字图像处理基本步骤和图像处理系统的各组成部分构成。
1.1 什么是数字图像处理1.2 数字图像处理的起源1.3.1 伽马射线成像1.3.2 X射线成像1.3.3 紫外波段成像1.3.4 可见光及红外波段成像1.3.5 微波波段成像1.3.6 无线电波成像1.3.7 使用其他成像方式的例子1.4 数字图像处理的基本步骤1.5 图像处理系统的组成第二章:数字图像基础(4学时)教学目标:了解视觉感知要素;了解几种常用的图像获取方法;掌握图像的数字化过程及其图像分辨率之间的关系;掌握像素间的联系的概念;了解数字图像处理中的常用数学工具。
重点难点:要求重点掌握图像数字化过程及图像中像素的联系。
2.1 视觉感知要素(1学时)2.1.1 人眼的构造2.1.2 眼镜中图像的形成2.1.3 亮度适应和辨别2.2 光和电磁波谱2.3 图像感知和获取(1学时)2.3.1 用单个传感器获取图像2.3.2 用条带传感器获取图像2.3.3 用传感器阵列获取图像2.3.4 简单的图像形成模型2.4 图像取样和量化(1学时)2.4.1 取样和量化的基本概念2.4.2 数字图像表示2.4.3 空间和灰度级分辨率2.4.4 图像内插2.5 像素间的一些基本关系(1学时)2.5.1 相邻像素2.5.2 临接性、连通性、区域和边界2.5.3 距离度量2.6 数字图像处理中所用数学工具的介绍2.6.1 阵列与矩阵操作2.6.3 算术操作2.6.4 集合和逻辑操作2.6.5 空间操作2.6.6 向量与矩阵操作2.6.7 图像变换2.6.8 概率方法第三章:灰度变换与空间滤波(6学时)教学目标:了解空间域图像增强的概念、目的及主要技术;理解直接灰度变换的方法原理;理解直方图的定义、性质及用途;掌握直方图均衡化技术细节;理解直方图规定化处理方法的原理及作用;掌握图像的空间域的平滑和锐化技术方法。
重点难点:要求重点掌握直方图均衡化技术及常用的图像的空间域的平滑和锐化技术方法。
3.1 背景知识3.2.1 灰度变换和空间滤波基础3.2.2 关于本章中的例子3.2 一些基本的灰度变换函数(1学时)3.2.1 图像反转3.2.2 对数变换3.2.3 幂律(伽马)变换3.2.4 分段线性变换函数3.3 直方图处理(2学时)3.3.1 直方图均衡3.3.2 直方图匹配(规定化)3.3.3 局部直方图处理3.3.4 在图像增强中使用直方图统计3.4空间滤波基础(1学时)3.4.1 空间滤波机理3.4.2 空间相关与卷积3.4.3 线性滤波的向量表示3.4.4 空间滤波器模板的产生3.5 平滑空间滤波器(1学时)3.5.1 平滑线性滤波器3.5.2 统计排序(非线性)滤波器3.6 锐化空间滤波器(1学时)3.6.1 基础3.6.3 非锐化掩蔽和高提升滤波3.6.4 使用一阶微分对(非线性)图像锐化——梯度3.7 混合空间增强法3.8 使用模糊技术进行灰度变换和空间滤波3.8.1 引言3.8.2 模糊集合论原理3.8.3 模糊集合应用3.8.4 使用模糊集合进行灰度变换3.8.5 使用模糊集合进行空间滤波第四章:频率域滤波(2学时)教学目标:了解傅里叶变换和频率域的概念,理解常用的平滑和锐化滤波器的概念和方法。
重点难点:要求重点掌握图像的傅立叶变换及常用的图像的频率域的平滑和锐化技术方法。
4.1 背景4.1.1 傅里叶级数和变换简史4.1.2 关于本章中的例子4.2 基本概念4.2.1 复数4.2.2 傅里叶级数4.2.3 冲激及其取样特性4.2.4 连续变量函数的傅里叶变换4.2.5 卷积4.3 取样和取样函数的傅里叶变换4.3.1 取样4.3.2 取样函数的傅里叶变换4.3.3 取样定理4.3.4 混淆4.3.5 由取样后的数据重建(复原)函数4.4 单变量的离散傅里叶变换(DFT)4.4.1 由取样后的函数的连续变换得到DFT4.4.2 取样和频率间隔间的关系4.5 两个变量的函数的扩展4.5.1 二维冲激及其取样特征4.5.2 二维连续傅里叶变换对4.5.3 二维取样和二维取样定理4.5.5 二维离散傅里叶变换及其反变换4.6 二维离散傅里叶变换的一些性质4.6.1 空间和频率间隔的关系4.6.2 平移和旋转4.6.3 周期性4.6.4 对称性4.6.5 傅里叶谱和相角4.6.6 二维卷积定理4.6.7 二维离散傅里叶变换性质的小结4.7 频率域滤波基础(1学时)4.7.1 频率域的其他特性4.7.2 频率域滤波基础4.7.3 频率域滤波步骤小结4.7.4 空间和频率域滤波间的对应4.8 使用频率域滤波器平滑图像(1学时)4.3.1 理想低通滤波器4.3.2 巴特沃斯低通滤波器4.3.3 高斯低通滤波器4.3.4 低通滤波的其他例子4.9 使用频率域滤波器锐化图像4.9.1 理想高通滤波器4.9.2 布特沃斯高通滤波器4.9.3 高斯高通滤波器4.9.4 频率域的拉普拉斯算子4.9.5 钝化模板、高提升滤波和高频强调滤波4.9.6同态滤波4.10选择性滤波4.10.1 带阻滤波器和带通滤波器4.10.1 陷波滤波器4.11 实现4.11.1 二维DFT的可分性4.11.2 用DFT算法计算IDFT4.11.3 快速傅里叶变换(FFT)4.11.4 关于滤波器设计的一些注释教学目标:理解图像退化/复原过程的模型;掌握几种常用的空间滤波方法;理解几种常用的频率域方法;了解估计退化函数;了解逆滤波;了解最小均方误差(维纳)滤波。
重点难点:要求重点掌握常用的空间和频率滤波器,了解逆滤波和维纳滤波。
5.1 图像退化/复原过程的模型(1学时)5.2 噪声模型5.2.1 噪声的空间和频率特性5.2.2 一些重要的噪声概率密度函数5.2.3 周期噪声5.2.4 噪声参数的估计5.3 只存在噪声的复原——空间滤波(1学时)5.3.1 均值滤波器5.3.2 顺序统计滤波器5.3.3 自适应滤波器5.4 用频率域滤波消除周期噪声(1学时)5.4.1 带阻滤波器5.4.2 带通滤波器5.4.3 陷波滤波器5.4.4 最佳陷波滤波器5.5 线性、位置不变的退化5.6 估计退化函数(1学时)5.6.1 图像观察估计5.6.2 试验估计5.6.3 建模估计5.7 逆滤波5.8 最小均方误差(维纳)滤波5.9 约束最小二乘方滤波器5.10 几何均值滤波5.11 由投影重建图像5.11.1 引言5.11.2 计算机断层(CT)原理5.11.3 投影和雷登变换5.11.4 傅里叶切片定理5.11.5 使用平行射线束滤波反投影的重建5.11.6 使用扇形射线束滤波反投影的重建教学目标:了解彩色基础、RGB颜色模型以及HIS颜色模型;,理解RGB颜色模型和HIS颜色模型的色度学基础和适用范围;了解常用的彩色图像处理方法。
重点难点:彩色基础和模型、伪彩色处理、全彩色处理基础及彩色变换;不同颜色空间的定义和选择。
6.1 彩色基础(1学时)6.2 彩色模型(1学时)6.2.1 RGB彩色模型6.2.2 CMY和CMYK模型6.2.3 HSI模型6.3 伪彩色处理6.3.1 灰度分层6.3.2 灰度到彩色的变换6.4 全彩色图像处理基础(1学时)6.5 彩色变换(1学时)6.5.1 公式6.5.2 补色6.5.3 彩色分层6.5.4 色调和彩色校正6.5.5 直方图处理6.6 平滑和尖锐化6.6.1 彩色图像平滑6.6.2 彩色图像尖锐化6.7 基于彩色的图像分割6.7.1 HSI彩色空间的分割6.7.2 RGB向量空间中的分割6.7.3 彩色边缘检测6.8 彩色图像中的噪声6.9 彩色图像压缩第七章:小波变换和多分辨率处理(自学)教学目标:了解小波变换的概念;了解一维和二维小波变换。
重点难点:快速小波变换。
7.1 背景7.1.1 图像金字塔7.1.2 子带编码7.2 多分辨率展开7.2.1 级数展开7.2.2 尺度函数7.2.3 小波函数7.3 一维小波变换7.3.1 小波级数展开7.3.2 离散小波变换7.3.3 连续小波变换7.4 快速小波变换7.5 二维小波变换7.6 小波包第八章:图像压缩(自学)教学目标:了解图像压缩理论及模型;了解图像编码常用方法。
重点难点:重点掌握无损预测编码,有损预测编码,变换编码系统。
难点是变换选择,子图像尺寸选择,比特分配。
8.1 基础知识8.1.1 编码冗余8.1.2 空间冗余和时间冗余8.1.3 不相关的信息8.1.4 图像信息的度量8.1.5 保准度准则8.1.6 图像压缩模型8.1.7 图像格式、容器和压缩标准8.2一些基本的压缩方法8.2.1 霍夫曼编码8.2.2 Golomb编码8.2.3 算术编码8.2.4 LZW编码8.2.5 行程编码8.2.6 基于符号的编码8.2.7 比特平面编码8.2.8 块变换编码8.2.9 预测编码8.2.10 小波编码第九章:形态学图像处理(4学时)教学目标:掌握二值形态学和灰度形态学的几种基本操作;了解形态学在图像处理中的应用。
重点难点:重点掌握图像腐蚀、图像的膨胀、图像的细化。
9.1 预备知识(1学时)9.2 腐蚀和膨胀(1学时)9.2.1 腐蚀9.2.2 膨胀9.2.2 对偶性9.3 开操作与闭操作9.4 击中和击不中变换9.5 一些基本的形态学算法(2学时)9.5.1 边界提取9.5.2 孔洞填充9.5.3 连通分量的提取9.5.4 凸壳9.5.5 细化9.5.6 粗化9.5.7 骨架9.5.8 裁剪9.5.9 形态学重建9.5.10 二值图像形态学操作小结9.6 灰度级形态学9.6.1 腐蚀和膨胀9.6.2 开操作和闭操作9.6.3 一些基本的灰度级形态学算法9.6.4 灰度级形态学重建第十章:图像分割(2学时)教学目标:掌握图像分割的思想及策略;理解点、线和边缘检测和阈值分割的基本思想和方法。