數字圖像處理

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] 

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] 

（注：課程大綱排版從左到右列） ^[1] 

（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。

（3）課程內容有深度。課程內容介紹了相關部分的基礎理論知識，並配套例題講解，也簡單提及每一部分的前沿研究。 ^[1] 

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] 

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] 

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]