数字图像处理教学大纲（2014新版）要点

数字图像处理

课程编码： 总学分：

3073009223 2

课程名称： 数字图像处理 总学时：

32 (讲课28，实验4)

课程英文名称： Digital Image Processing 先修课程： 适用专业：

概率论与数理统计、线性代数、C++程序设计 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 数字图像处理领域的应用实例

1

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 2.6.2 线性操作与非线性操作

2

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

3.6.2 使用二阶微分进行图像锐化——拉普拉斯算子

3

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DFT 4.4.2 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 4.5.4 图像中的混淆

4

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IDFT 4.11.3 快速傅里叶变换(FFT) 4.11.4 关于滤波器设计的一些注释

第五章：图像复原与重建（4学时）

5

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

第六章：彩色图像处理 （4学时）

6

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 7.1.3 哈尔变换

7

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 8.3数字图像水印

8

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。 重点难点：重点掌握图像分割，轮廓跟踪。

10.1 基础知识

10.2 点、线和边缘检测（1学时）

10.1.1 背景知识 10.1.2孤立点检测 10.1.3 线检测 10.1.4 边缘检测

9

10.1.5基本边缘检测

10.1.6 更先进的边缘检测技术 10.1.7 边缘连接和边界检测 10.3阈值处理（2学时）

10.3.1 基础知识 10.3.2基本全局阈值处理

10.3.3 用Otsu方法的最佳全局阈值处理 10.3.4用图像平滑改善全局阈值处理 10.3.5利用边缘改进全局阈值处理 10.3.6 多阈值处理 10.3.7 多变阈值处理 10.3.8 多变量阈值处理 10.4 基于区域的分割

10.4.1 区域生长 10.4.2 区域分裂与聚合 10.5 用形态学分水岭的分割

10.5.1 背景知识 10.5.2 水坝构建 10.5.3 分水岭分割算法 10.5.4标记的使用 10.6 分割中运动的应用

10.6.1 空间域技术 10.6.2 频率域技术

第十一章：表示和描述（自学）

教学目标：了解边界描绘子和区域描绘子；理解图像的几何特征、形状特征、纹理特征与骨架提取以及其他特征。

重点难点：重点掌握纹理描述。

11.1 表示

11.1.1 边界跟踪 11.1.2 链码

11.1.3 使用最小周长多边形的多边形近似 11.1.4 其他多边形近似方法 11.1.5 标记图 11.1.6 边界线段 11.1.7 骨架

10

11.2 边界描绘子

11.2.1 一些简单的描绘子 11.2.2 形状数 11.2.3 傅里叶描绘子 11.2.4 统计矩 11.3 区域描绘子

11.3.1 一些简单的描绘子 11.3.2 拓补描绘子 11.3.3 纹理 11.3.4 不变矩 11.4 使用主分量进行描绘 11.5 关系描绘子 第十二章：目标识别（自学）

教学目标：了解模式和模式类的概念；了解常用的几种模式识别方法。 重点难点：结构模式识别。

12.1 模式和模式类

12.2 基于决策理论方法的识别

12.2.1 匹配

12.2.2 最佳统计分类器 12.2.3 神经网络 12.3 结构方法

12.3.1 匹配形状数 12.3.2 串匹配

四、实验环节（4学时）

使用MATLAB作为软件平台，编写程序实现制定的数字图像处理功能。以撰写实验报告方式进行考核。

11

序号 实验名称 实验内容和要求 目的：通过实验显示、观察图像二值化效果。了解图像的直方图概念，掌握图像的直方图均衡化方法。 内容：以一幅256×256象素的数字图像为实验对象，观察图像的二值化效果和直方图分布。对图像的直方图进行均衡化。 目的：通过实验显示，观察图像平滑和锐化处理效果。 内容：以一幅256×256象素的数字图像为对象采用中值滤波处理进行平滑处理和Soble算子图像锐化方法。 学实验主要试材及时 性质 仪器设备 基础 微机，必修 matlab软件 1 图像的灰度变换及直方图均衡化 1 图像的平衡和锐化处理 设计 微机，必修 matlab软件 1 图像膨胀、腐蚀和细化 2 图像分割与边缘检测 目的：通过实验显示，掌握数学形态学处理方法。 设计 微机，内容：对指定图像进行腐蚀、膨胀和细化，把得到1 必修 matlab软件 的结果图像都显示于屏幕上。 目的： 通过实验显示，掌握分割和轮廓提取方法。 设计 微机，内容：对指定图像进行自适应门限值分割和边缘提1 必修 matlab软件 取。 五、课外学习任务

为突出教学重点，第七、八、十一及十二章等相关章节由学生自主学习，考试中不涉及。

六、教学方式及考核

教学方式：多媒体教学。结合大量应用实例，对数字图像处理中的各种实际问题展开深入的讨论，充分激发学生的思考力，提高学生分析和解决问题的能力。

考核方式：平时考勤（占20%），实验报告（占20%），期末考试（闭卷，占60%）。

七、主要参考文献

[1]冈萨雷斯著，阮秋琦译.《数字图像处理》（第三版），电子工业出版社。2013年 [2]塞利斯基著，哀海舟译.计算机视觉:算法与应用,，清华大学出版社，2012 [3]杨丹 ，赵海滨，龙哲 等编著.MATLAB图像处理实例详解, 清华大学出版社,2013

撰稿人： 审稿人：

12

本文来源：https://www.bwwdw.com/article/5175.html