图像处理与机器视觉课程教学大纲.doc

图像处理与机器视觉 课程教学大纲 课程编号： 课程类型： 综合技术技能训练课程 课程名称： 图像处理与机器视觉 开课单位： 智能制造学院 学时学分： 32学时，1.5学分（其中：理论16学时，实践16学时），理实一体 适用专业： 自动化 开课时间： 第6学期 一、课程定位 《图像处理与机器视觉》是自动化专业的综合技术技能训练中《项目3：智能控制工程集成》中的一门。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，机器视觉是智能机器的重要组成部分，它与图象处理、模式识别、人工智能、人工神经网络以及神经物理学及认知科学等都有紧密的关系。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。 二、课程目标 本课程的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，了解图像处理与机器视觉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，为在机器视觉、数字图像处理、模式识别等领域从事研究与开发打下扎实的理论基础。 1.知识目标： （1）了解数字图像和数字图像处理的基本概念。 （2）了解机器视觉成像原理、视觉特性及彩色模型。 （3）理解对图像处理、图像分析和机器视觉领域的基本原理。 （4）掌握图像几何变换，图像增强、图像去噪、图像分割、图像锐化的基本运算的原理及应用。 2.能力目标： （1）具备使用OpenCV对图像进行常规处理的能力。 （2）具备对简单几何图像进行数字分析、处理的能力。 3.素质目标： （1）培养学生借助参考资料、网络、手册等途径客服困难、独立解决问题的品质。 （2）培养学生具有较强的自主学习和终身学习的意识。 三、教学内容与要求 本课程为理实一体化课程，安排在实验室进行教学，课程共分为6个学习性工作任务进行。教学内容与要求如下： 序号 教学内容 教学要求 建议学时 重点难点 教学方法和手段 1 任务1：数字图像处理基础认知及 OpenCV 软件入门 知识点： 1.了解数字图像和数字图像处理的基本概念 2.理解数字图像处理中的关键问题 3.了解图像与视觉之间的关系 4. 学会使用VS2005（或以上版本）+OpenCV 建立项目，打开并显示图像 4 重点： 1.学会使用VS2005（或以上版本）+OpenCV 建立项目，打开并显示图像。 难点： 1.理解数字图像处理中的关键问题 讲授、演示、讨论 实践操作 技能点： 1.掌握VS2005基本用法 2.学会使用VS2005（或以上版本）+OpenCV 建立项目，打开并显示图像 2 任务2： 图像的几何变换 知识点： 1.了解机器视觉，机器视觉的定义及应用； 2.了解机器视觉的任务，机器视觉系统的输入、输出及任务描述 3.了解机器视觉与其它领域的关系，机器视觉与图像处理、模式分类、场景分析的关系 8 重点： 1.机器视觉的任务 难点： 1.机器视觉系统的输入、输出 讲授、演示、讨论 实践操作 技能点： 1.掌握图像的形状变换、位置变换、仿射变换 2.熟悉图像基本运算的原理 3.掌握使用OpenCV进行图像的缩放 重点： 1.熟练掌握使用OpenCV 进行图像的缩放、图像旋转 难点： 1.理解各种数字图像处理的变换 3 任务3： 图像增强及图像直方图均衡处理 知识点 1.了解图像增强技术基本原理 2.理解图像直方图均衡处理常用方法 4 重点： 1.图像线性拉伸处理、进行非线性拉伸处理、进行直方图均衡处理、进行为色彩增强处理 难点： 1.图像增强技术基本原理 讲授、演示、讨论 实践操作 技能点： 1.理解灰度直方图分析图像的灰度分布 2.掌握使用OpenCV 进行图像线性拉伸处理、进行非线性拉伸处理、进行直方图均衡处理、进行为色彩增强处理 4 任务4： 图像去噪及基本滤波处理 知识点： 1.了解图像去噪基本基本概念、熟悉常见噪声模型 2.理解均值滤波、中值滤波的基本原理 4 重点： 1.均值滤波、中值滤波的基本原理 讲授、演示、讨论 实践操作 技能点： 1.掌握使用OpenCV进行图像基本滤波 2.了解给图像加入椒盐噪声的方法 3.理解均值滤波、中值滤波的基本原理 5 任务5： 图像的锐化处理 知识点： 1.理解图像锐化的概念、目的和意义 2.熟悉常用图像锐化，熟悉一阶微分法、交叉微分法等方法 4 重点： 1.一阶微分法、交叉微分法 难点： 2.图像锐化基本概念 讲授、演示、讨论 实践操作 技能点： 掌握使用OpenCV 进行图像锐化 6 任务6： 图像的分割处理 知识点： 1.理解图像分割的基本概念 2.掌握阈值化处理方法，了解全局阈值和自适应阈值等方法 3.了解基于边缘分割图像的图像三种常用的边缘检测算子： Sobel, Lap