基于數(shù)字圖像處理課程內(nèi)容的實踐案例實施馬慧敏袁濤焦俊喬焰朱誠摘要《數(shù)字圖像處理》課程是一門實踐性強，理論知識點綜合應用的課程，在當下人工智能機器視覺發(fā)展的形勢下，更突顯了該門課程的實用性。本文以本課程的教學目標及內(nèi)容為基礎，設計針對《數(shù)字圖像處理》課程知識點綜合應用的創(chuàng)新實踐項目并實施，對學生綜合應用《數(shù)字圖像處理》課程的專業(yè)知識處理實際問題有重要的指導意義。關鍵詞數(shù)字圖像處理創(chuàng)新實踐蘋果圖像分割項目實施：G642.4：A《數(shù)字圖像處理》是電子信息類專業(yè)重要的專業(yè)課。隨著信息、電子技術及人工智能的快速發(fā)展，數(shù)字圖像處理技術已被廣泛應用于計算機視覺、模式識別、交通運輸、醫(yī)學和軍事等各個領域，且在這些領域發(fā)揮著越來越重要的作用。安徽農(nóng)業(yè)大學（以下簡稱“我?！保╇娮有畔㈩悓I(yè)、物聯(lián)網(wǎng)工程專業(yè)、電氣工程專業(yè)都開設了“《數(shù)字圖像處理》”課程。本文為進一步提高《數(shù)字圖像處理》課程的教學效果，以激發(fā)學生的興趣，增強學生的信心，提高學生在機器視覺領域的就業(yè)競爭力，從工程應用出發(fā)，給出一項基于數(shù)字圖像處理課程內(nèi)容的創(chuàng)新實踐項目的實施過程。在《數(shù)字圖像處理》課程教學中結(jié)合人工智能創(chuàng)新發(fā)展引入案例或項目驅(qū)動教學模式，培養(yǎng)學生的學習興趣，并結(jié)合教師的科研項目和學生競賽，對圖像處理算法進行設計并實現(xiàn)，提高學生的實踐能力。

在教學中，《數(shù)字圖像處理》課程的教學內(nèi)容分為三個部分：概述部分、理論基礎部分和應用基礎部分。概述部分：主要介紹數(shù)字圖像處理的發(fā)展歷史、研究內(nèi)容和基本概念，這一部分主要幫助學生了解該學科的發(fā)展方向及應用領域，整體了解數(shù)字圖像處理的基礎理論和解決問題的思路框架，為學生解決問題做好鋪墊，激發(fā)學生的學習興趣。數(shù)字圖像處理理論基礎部分：主要介紹數(shù)字圖像處理基礎的概念、基本運算以及圖像變換，按照空間域處理（點處理、直方圖、代數(shù)運算、幾何運算）、頻域處理（傅里葉離散變換、濾波處理）和統(tǒng)計方法處理幾個方面來教學。數(shù)字圖像處理應用技術部分：這一部分包括圖像增強、圖像壓縮、圖像復原、圖像分割和特征提取等應用技術，重點講述應用基礎理論和方法來解決實際問題。從教學內(nèi)容中看，《數(shù)字圖像處理》課程內(nèi)容涉及到的理論和應用知識點多，而且在實際應用中這些知識點需要綜合應用，進行項目實踐對《數(shù)字圖像處理》課程知識點綜合應用是非常必要的。本文以“自然環(huán)境下的蘋果圖像的分割與定位”創(chuàng)新實踐項目為例，講述項目的實施過程、內(nèi)容及結(jié)果。1圖像預處理圖像的預處理是蘋果圖像準確分割的一個至關重要的環(huán)節(jié)，因為在現(xiàn)實環(huán)境中采集的圖片會受到噪聲、光照等原因的影響，給分割帶來了很大的麻煩。

首先要將目標果實與背景分割開來，樹枝、葉子應該消除，這樣有利于后續(xù)分割。由于成熟蘋果的顏色特征比較明顯，可以求色差圖像，突出了蘋果的顏色特征且很好地消除枝葉。對初始圖像做如下處理：（1）求圖像RGB三個通道的圖像分量;（2）用R通道圖像分量減去B通道圖像分量得到新的圖像數(shù)組，以此類推。針對3張自然環(huán)境下拍攝的蘋果圖像，處理的結(jié)果如圖1所示，圖中從上到下依次是R-G色差圖像、R-B色差圖像。從圖中可以看，我們嘗試的幾幅紅色蘋果圖像，發(fā)現(xiàn)均是前兩幅色差圖像效果好，突出了果實，較好地消除了枝葉。而G-R色差圖像、G-B色差圖像、B-R色差圖像、B-G色差圖像幾乎全黑，無法突出果實。因此，選取前兩幅色差圖像作為預處理圖，即R-G或R-B色差圖像。2蘋果圖像分割在圖像預處理后，選擇R-G或R-B色差圖像作為分割的初始圖像。由于自然環(huán)境下的蘋果圖像具有分割區(qū)域和背景明顯對比的特征，在此，選取全局閾值法進行分割，主要對比迭代式閾值選擇法和最大類間方差閾值選擇法對自然環(huán)境下蘋果圖像的分割效果。對于一幅圖像X我們給出一般的描述，一幅具有L級灰度級圖像，其中第i級的像素為ni個，02.1迭代式閾值選擇法與最大類間方差法迭代式閾值法選擇法基本思想是：開始時選擇一個閾值作為初始估計值，然后按照某種策略不斷改進這一估計值，直到滿足給定的準則為止。

因此，設計的迭代閾值法步驟如下：（1）對圖像灰度進行選擇，將其中值作為初始閾值T0。（2）根據(jù)閾值Ti把圖像分割成兩個區(qū)域，分別為R1、R2，再利用下面的公式計算區(qū)域R1、R2的灰度均值u1、u2：（3）算出u1和u2之后，根據(jù)下面這個公式計算出新的閾值：（4）最后重復步驟（2）-（3），一直到與之間的差小于某個定值。最大類間方差閾值選擇法（Otsu算法），是在灰度直方圖的基礎上利用最小二乘法原理推出來的，是統(tǒng)計意義上的最佳分割閾值。Otsu算法的基本思想是以最佳閾值把圖像的灰度直方圖分割成兩個部分，從而使得兩個部分之間的方差取得最大值，這時候分離性最大。2.2蘋果圖像分割結(jié)果迭代式閾值選擇法和Otsu算法對自然環(huán)境下蘋果圖像的分割效果如圖2所示。從圖中可以看出，經(jīng)過Otsu算法處理的分割效果圖中的果實缺失程度比迭代閾值選擇法的輕，比如第三張原圖由于光照因素，兩種方法處理的最終圖像里果實內(nèi)部存在一些細小的孔洞，但經(jīng)過Otsu算法處理的圖像的孔洞比迭代法的孔洞要少且更小。其他四張原圖都是這種情況，尤其是第一張原圖，我們可以明顯看出經(jīng)過Otsu算法處理的圖像里的果實明顯比迭代法的要大，而且對比原圖，我們明顯發(fā)現(xiàn)迭代法處理的果實變小了。因此，對于自然環(huán)境下蘋果圖像的分割Otsu算法優(yōu)勝于迭代閾值選擇法。3蘋果定位3.1方法及步驟對自然環(huán)境下拍攝的蘋果圖像中的蘋果區(qū)域進行定位，實踐實施中采用的關鍵步驟如下：（1）讀取拍攝的蘋果圖像，求取差值圖像用于去掉背景，用彩色圖像的R通道減去G通道得到R-G差值圖像;