📊 IB00129 (2024)Digital Image Processing(数字图像处理)


Instructor:       Jinzhou Cao(曹劲舟)
Email:              caojinzhou@sztu.edu.cn
Room:             (理论) C-5-539; (实验) C-1-405
Time:               (1班) 周一五六节,九十节; (2班) 周一七八节,周二九十节
Credits:           4/72 hours


目录

Course Description

通过本课程的学习,要求学生掌握有关数字图像处理的基本概念、原理、方法及应用,培养和增强学生创新意识和创新思维,提高实际动手能力和创新能力,为学生进一步学习计算机视觉、图像分析理解等课程奠定基础,为学生从事图像处理、计算机视觉领域研究打下坚实的基础。

 

What you will learn

  • 了解数字图像处理的发展历程、灰度变换、空间处理及频域处理的基本方法及理论、数字图像彩色空间极其转换、数学形态学的基本概念及理论。

  • 理解图像压缩概念及其常用方法原理,图像平滑概念及常用方法原理,图像分割的原理及常用方法原理,图像复原与重建的概念及常用方法的原理。

  • 掌握使用Matlab进行图像处理编程、直方图均衡化的方法、离散傅立叶变换的方法、空间噪声滤波及频域噪声滤波的方法、腐蚀/膨胀运算及开/闭运算的方法、常用边缘检测方法、通过全局阈值进行灰度图像二值化的方法。

 

Textbooks

推荐教材(Recommended Teaching Materials):

  • 李俊山. 数字图像处理(第4版),清华大学出版社,2021年8月

参考教材(Additional Reading Materials):

  • 冈萨雷斯(阮秋琦 译). 数字图像处理 (MATLAB版,第二版). 电子工业出版社,2020年6月

 

Grade breakdown:

RequirementsPercentPointsNote
Participation 课堂表现5%
Projects 项目20%
Experiments 实验35%5 points each, 7 in total
Final exam 考试40%

 

Class Schedule

[课程介绍]

  • 课件下载链接(课堂讲完后会上传到该云盘,请及时下载):点击此处
WeeksDatesCourse TopicsExperiments
102/26/24绪论及图像处理软件基础 +数字图像处理基础Matlab安装与初步
203/04/24数字图像的基本运算实验1
303/11/24空间域图像增强 [1]
403/18/24空间域图像增强 [2]实验2
505/25/24频率域图像增强 [1]
604/01/24频率域图像增强 [2]实验3
704/08/24图像复原与重建 [1]
804/15/24图像复原与重建 [2]实验4
904/22/24图像压缩 [1]
1004/29/24图像压缩 [2]实验5
1105/06/24图像分割 [1]
1205/13/24图像分割 [2]实验6
1305/20/24彩色图像处理 [1]
1405/27/24彩色图像处理 [2]实验7
1506/03/24图像表示与描述 [1]
1606/10/24端午假期
1706/17/24图像表示与描述 [2]大作业汇报展示
1806/24/24随堂测验

 

Experimental Projects:

[实验报告模板下载]

[实验图像]

[正版Matlab安装教程]

[Matlab数字图像处理函数]

NumsTopicsMaterialsDue DatesSubmission
1数字图像处理初步与基本运算(基本运算、几何变换、缩放、旋转、灰度变换)[实验1];03/17/24【上传 】
2空间域图像增强(直方图变换、空域滤波[均值、中值、锐化])[实验2]31/03/24【上传 】
3频率域图像增强(图像的傅立叶变换、低通滤波、高通滤波)[实验3]04/12/24【上传 】
4图像复原与重建(生成运动模糊图像、逆滤波和维纳滤波)[实验4]04/26/24【上传 】
5数字图像压缩与解压(霍夫曼编码)[实验5]05/14/24【上传 】
6图像分割(边缘检测算子、霍夫变换、多个阈值分割算法)[实验6]05/29/24【上传 】
7彩色图像处理[实验7]06/07/24【上传 】

 

Course Project:

[课程设计题目(2024)]

作业要求 1、自行分小组,4人为一个小组。小组成员指定1人为组长,其余成员须对课程设计具有明确的分工;

2、要求独立完成设计项目,开发工具任选。各组长有责任督促组员完成任务;

3、在手把手教程的基础有所改动——

改变深度学习模型的选择、参数等;

不使用预训练模型,而是自己训练新的模型;

改变研究的区域和城市,以及数据源;

增加新的数据源;

改变目标任务(年代,风格->?);

请将大作业提交材料打包成压缩文件上传至:点击此处

截止时间:2024年6月24日(第 18 周)。

 

Meet your instructor

曹劲舟