-
數字圖像處理
(北京工業大學建設的慕課)
鎖定
數字圖像處理課程是北京工業大學建設的慕課,於2021年07月30日在中國大學MOOC首次開課,授課教師為毋立芳。據2022年3月中國大學MOOC官網顯示,該課程已經開課3次。
[1-2]
- 中文名
- 數字圖像處理
- 建設院校
- 北京工業大學
- 類 別
- 慕課
- 授課平台
- 中國大學MOOC
- 開課時間
- 2021年07月30日(首次)
- 授課教師
- 毋立芳
數字圖像處理課程性質
數字圖像處理課程背景
人工智能技術飛速發展,數字圖像處理作為人工智能技術落地應用的重要方向之一,很多技術快速從實驗室環境進入實際應用,在人們的生產生活中發揮重要作用,刷臉門禁、刷臉支付、車牌識別、交通視頻監控等等為人們的生產生活提供了便利。
[2]
數字圖像處理課程定位
該課程可以幫助學習者理解數字圖像處理基本概念和基礎知識,為後續從事智能信息處理、計算機應用等領域的技術開發、科學研究等工作打下基礎。課程圍繞數字圖像處理的各項核心技術展開,系統介紹了數字圖像處理中的基本概念、算法和原理,幫助學生系統掌握除了數字圖像處理的基礎知識。
[2]
數字圖像處理課程簡介
數字圖像處理課程共八章,第一章緒論,介紹圖像處理的定義、典型系統、應用和核心技術。第二章數字圖像處理基礎,介紹人類視覺系統組成及特點以及數字圖像處理中的基本概念。第三章圖像空間域增強,介紹圖像空間域增強算法包括點運算(簡單的灰度映射、直方圖均衡等)、空間運算(平滑、鋭化、中值濾波等)、彩色圖像處理(圖像顏色模型、圖像偽彩色增強)。第四章圖像頻域增強,介紹二維離散傅立葉變換、通帶濾波、同態濾波等。第五章圖像復原,介紹圖像降質原因和降質模型、圖像降質函數估計、降質抑制(去除)。第六章圖像壓縮,介紹圖像數據冗餘類型和冗餘去除、圖像熵編碼、圖像預測編碼、圖像壓縮的JPEG標準等、第七章圖像分割,分類介紹圖像分割算法包括基於閾值的分割方法、基於邊緣的分割方法、基於區域的分割方法、基於分水嶺的分割方法和基於深度學習的分割方法。第八章特徵提取和識別,介紹圖像數據級特徵表達、形狀與顏色描述子、區域描述子和模式識別基本算法。
[2]
數字圖像處理課程大綱
第一章 緒論 | 5.2 圖像降質函數估計 |
1.1 什麼是圖像,數字圖像 | 5.3 降質圖像復原方法 |
1.2 圖像處理方式分類 | 第五章測驗 |
1.3 數字圖像處理起源和發展 | 第六章 圖像壓縮(Image Compression) |
1.4 數字圖像處理核心技術 | 6.1.1 圖像壓縮的必要性和可行性 |
第一章測驗 | 6.1.2 圖像數據冗餘分析 |
第二章 數字圖像處理基礎 | 6.2.1 霍夫曼編碼 |
2.1 人類視覺系統 | 6.2.2 Shannon-Feno編碼和B1-B2碼 |
2.2 視覺特性 | 6.2.3 算術編碼 |
2.3 成像和數字化 | 6.3 去相關編碼 |
2.4 圖像中的常用術語 | 6.4 圖像壓縮標準 |
2.5 圖像質量評價 | 第六章測驗 |
第二章測驗 | 第七章 圖像分割(Image Segmentation) |
第三章 圖像空間域增強 | 7.1 基於閾值的分割方法 |
3.1 點運算 | 7.2.1 基於邊緣的分割方法(1) |
3.2 圖像濾波 | 7.2.2 基於邊緣的分割方法(2) |
3.3 彩色圖像處理 | 7.3 基於區域的分割方法 |
第三章測驗 | 7.4 基於學習的分割方法 |
第四章 圖像變換域增強 | 第七章測驗 |
4.1 二維離散傅里葉變換的定義與性質 | 第八章 特徵提取和識別 |
4.2 通帶濾波 | 8.1 數據級特徵表達 |
4.3 同態濾波 | 8.2 形狀與顏色描述子 |
第四章測驗 | 8.3 區域描述子 |
第五章 圖像復原(Image Restoration) | 8.4 模式識別/分類 |
5.1 圖像降質及噪音模型估計 | 第八章單元測驗 |
數字圖像處理開課信息
開課次數 | 開課時間 | 授課教師 | 學時安排 | 參與人數 |
---|---|---|---|---|
第1次開課 | 2021年07月30日~2021年11月03日 | 3-5小時每週 | ||
第2次開課 | 2021年11月12日~2022年01月30日 | |||
第3次開課 | 2022年03月04日~2022年06月06日 |
數字圖像處理課程特色
(1)覆蓋面較寬,課程覆蓋了狹義圖像處理和圖像分析與理解的大部分內容,其中狹義圖像處理部分和圖像分析與理解部分都進行了講解,圖像重建部分的基本原理在第一章進行了簡單介紹。
(2)所見即所得。課程研發了一套配套的數字圖像處理教學演示系統,可以實時演示相關算法的處理結果,幫助學習者更好地理解相關算法理論及其效果。
數字圖像處理教學思路
該課程介紹了數字圖像處理中的基本概念、算法和原理,幫助學習者掌握除了數字圖像處理的基礎知識。該課程從圖像處理基礎知識出發,按照基本概念——>圖像增強——>圖像復原——>圖像壓縮——>圖像分割——>圖像特徵提取——>圖像識別這樣的層次化圖像處理思路,幫助學習者漸進學習圖像處理基本理論,掌握圖像處理知識體系。
[2]
數字圖像處理學習預備
數字圖像處理預備知識
學習該課程前,學習者應預備高等數學(微積分、級數分解、傅里葉級數等)、線性代數(矩陣特徵值和特徵向量、矩陣運算等)、概率論與數理統計(隨機變量函數的概率密度函數表達等)。信號與系統(模擬信號和數字信號、模擬信號頻譜、採樣定理、傅里葉變換及性質等)、數字信號處理(數字信號的頻譜、離散傅里葉變換及性質、數字濾波器設計、頻率採樣定理、圓周卷積定理、信號和噪音、隨機噪音、加性噪音、乘性噪音、通帶濾波等)等方面的知識。
[1]
數字圖像處理學習資料
書名 | 作者 | 出版社 |
---|---|---|
《數字圖像處理》 | 岡薩雷斯 | 電子工業出版社
[3]
|
《數字圖像處理學》 | 阮秋琦 |
數字圖像處理教師簡介
毋立芳,北京工業大學信息學部教授,博士生導師,1994年碩士畢業後留校任教。主要研究體育視頻分析相關內容,研究成果曾獲得中國體育學會體育科學技術獎二等獎等。毋立芳教授團隊利用人工智能、圖像識別、目標檢測跟蹤、虛擬顯示等先進技術,自主研發出一套智能冰壺瞄準偏差預測及運動軌跡自動顯示系統。
[4-5]
- 參考資料
-
- 1. 數字圖像處理-第3次開課 .中國大學MOOC[引用日期2022-03-01]
- 2. 數字圖像處理第1次開課 .中國大學MOOC[引用日期2022-03-01]
- 3. 數字圖像處理第2次開課 .中國大學MOOC[引用日期2022-03-01]
- 4. 毋立芳 .九三學社中央委員會[引用日期2022-03-08]
- 5. 毋立芳 .北京工業大學[引用日期2022-03-08]