備課日期：年月日授課時(shí)間課時(shí)（理論+實(shí)驗(yàn)）周次星期:節(jié)次:授課課題圖像處理基礎(chǔ)教學(xué)目標(biāo)1.理解圖像處理的意義。2.掌握圖像處理關(guān)鍵術(shù)語與常用方法。3.了解圖像擴(kuò)充技術(shù)。教學(xué)重點(diǎn)1.圖像處理關(guān)鍵術(shù)語。2.圖像處理常用方法。教學(xué)準(zhǔn)備PPT、點(diǎn)名冊等。教學(xué)方法案例法、探究法。教學(xué)過程設(shè)計(jì)備注課題引入【思考】人類從客觀世界獲取信息的渠道有哪些？哪個(gè)渠道最重要？【關(guān)鍵】視覺的重要性以及圖像處理的重要性?！緯r(shí)間】分鐘。教學(xué)步驟及主要內(nèi)容【主板書】§4.圖像處理基礎(chǔ)圖像處理意義【主板書】1.意義1.圖像獲取與處理的重要性。2.圖像處理技術(shù)的應(yīng)用?！糚PT〗圖像處理技術(shù)應(yīng)用實(shí)例?！緯r(shí)間】分鐘。【提問】。圖像處理關(guān)鍵術(shù)語【主板書】2.關(guān)鍵術(shù)語1.RGB顏色模型：任意顏色可由取值為0-255的紅（R）、綠（G）、藍(lán)（B）三種顏色混合而成，三種顏色比例不同，最終合成后的顏色也不同。例如：純紅色對應(yīng)的RGB分別為255、0與0；灰色對應(yīng)的RGB三個(gè)值相等（除0和255）；白色對應(yīng)RGB值均為255；黑色對應(yīng)的RGB值均為0。2.圖像基本屬性（1）亮度亮度是指彩色光作用于人眼時(shí)在視覺上引起的明暗程度；如果是灰度圖像（每個(gè)像素取值范圍為0-255），灰度值越高則圖像越亮。（2）對比度對比度指圖像中不同顏色最亮處和最暗處之間的差別（對比度=最大灰度值/最小灰度值），差別越大對比度越高；一般而言，對比度越大，圖像越清晰醒目，色彩也越鮮明艷麗，但對比度過大，圖像就會(huì)顯得很刺眼。（3）飽和度飽和度指圖像顏色的深淺程度。飽和度越高，顏色就越深或飽滿，即所謂的青翠欲滴的感覺。飽和度越低，顏色就越淺或陳舊（飽和度為0時(shí)，圖像就為灰度圖像）；高飽和度的彩色光可因摻入白光而降低純度或變淺，變成低飽和度的色光。（4）色相色調(diào)指顏色的種類（如彩虹由紅、橙、黃、綠、青、藍(lán)、紫七色組成），是區(qū)別各種不同色彩的最準(zhǔn)確的標(biāo)準(zhǔn)。任何黑白灰以外的顏色都有色相的屬性，而對于灰度圖像，當(dāng)色調(diào)級別為255時(shí)，就是白色，當(dāng)級別為0時(shí)，就是黑色，中間是各種程度不同的灰色。3.圖像坐標(biāo)與顏色（1）圖像坐標(biāo)：以圖像像素矩陣的左上角為原點(diǎn)、以圖像像素矩陣列數(shù)與行數(shù)分別為橫坐標(biāo)與縱坐標(biāo)建立以像素為單位的直角坐標(biāo)系，則可確定圖像像素矩陣中任意像素的位置。（2）顏色或灰度值：圖像像素矩陣中像素的具體值決定了其最終呈現(xiàn)的顏色?！糚PT〗圖像坐標(biāo)與顏色圖示與實(shí)例。4.分辨率（1）分辨率定義：水平分辨率與垂直分辨率，兩者分別指圖像在水平與垂直兩個(gè)方向各有多少像素。（2）分辨率指標(biāo)：指標(biāo)DPI是指每英寸圖像內(nèi)的像素?cái)?shù)。【時(shí)間】分鐘。【提問】。三、圖像處理常用方法【主板書】3.常用方法〖PPT〗圖像處理結(jié)果。1.PIL圖像處理類庫：最重要的模塊為Image，利用相關(guān)函數(shù)可以方便地對圖像進(jìn)行圖像縮放、裁剪、旋轉(zhuǎn)、顏色轉(zhuǎn)換等處理。PIL庫Image類庫的導(dǎo)入方式如下：fromPILimportImage2.圖像處理（1）加載并顯示圖像：采用open()與show()函數(shù)加載與顯示圖像。im=Image.open('sample.jpg')#打開圖像im.show()#顯示圖像或采用Matplotlib庫imshow()也可顯示已加載圖像，即：plt.imshow(im)plt.axis('off')#不顯示坐標(biāo)軸（2）獲取圖像尺寸：圖像size、format與mode等屬性。（3）保存圖像（可更改格式）：save()函數(shù)。im.save('002.png','PNG')【強(qiáng)化與拓展】圖像常用格式。（4）圖像與NumPy數(shù)組之間的轉(zhuǎn)換：np.array()函數(shù)與mage.fromarray()函數(shù)。im_array=np.array(im)#轉(zhuǎn)換為NumPy數(shù)組im_new=Image.fromarray(im_array)#NumPy數(shù)組轉(zhuǎn)換為圖像【強(qiáng)化與拓展】利用數(shù)組切片方式可對像素進(jìn)行批量操作。im_array[i,:]=im_array[j,:]#將第j行的數(shù)值賦值給第i行im_array[:,i]=255#將第i列的所有數(shù)值設(shè)為255im_array[10:20,30:40]#10-20行與30-40列（不含第20行與第40列）im_array[:,-1]#獲取最后1列注意，負(fù)序號表示逆向計(jì)數(shù)。（5）顯示指定圖像通道im_1=plt.imshow(im_array[:,:,0])#顯示第1個(gè)通道【強(qiáng)化與拓展】利用set_cmap()設(shè)置灰度顏色映射表。（6）RGB圖像轉(zhuǎn)換為灰度圖與二值圖利用convert()函數(shù)可將RGB圖像轉(zhuǎn)換為灰度與二值圖像。im_gray=im.convert('L')#轉(zhuǎn)換為灰度圖像im_bin=im.convert('1')#轉(zhuǎn)換為二值圖像（7）獲取像素RGB值可通過NumPy數(shù)組操作的方式獲取指定像素RGB值，即：rc=[100,200]#指定坐標(biāo)RGB=im_array[rc[0],rc[1],:]#獲取像素RGB值或者直接使用getpixel()獲取指定像素RGB值，即：RGB=im.getpixel((200,100))（8）修改像素RGB值im_array[rc[0],rc[1],:]=[255,0,0]#將指定像素顏色值修改為紅色或直接采用putpixel()函數(shù)進(jìn)行修改，即：im.putpixel((200,100),(255,0,0))【知識要點(diǎn)】批量修改像素RGB值。（9）添加噪聲c,r=im.sizeforiinrange(10000):x=np.random.randint(0,c)y=np.random.randint(0,r)im_array[y,x,:]=255im_new=Image.fromarray(im_array);im_new.show()（10）調(diào)整尺寸可利用resize()函數(shù)對圖像尺寸進(jìn)行修改，即：im_small=im.resize((128,128))（11）旋轉(zhuǎn)可利用rotate()函數(shù)對圖像進(jìn)行旋轉(zhuǎn)處理，即：im_rotate=im.rotate(45)#旋轉(zhuǎn)45度（12）圖像區(qū)域截取可使用crop()函數(shù)方法幅圖像中截取指定區(qū)域，其中區(qū)域使用坐標(biāo)依次是（左，上，右，下）的四元組指定，即：box=(10,20,400,300)#指定區(qū)域sub_im=im.crop(box)#截取區(qū)域（13）特效濾鏡PIL庫ImageFilter模塊集成模糊、銳化、邊緣強(qiáng)化、浮雕等特效，通過調(diào)用相關(guān)函數(shù)即可產(chǎn)生相應(yīng)的效果；示例如下：im_filter=im.filter(ImageFilter.CONTOUR)#輪廓im_filter=im.filter(ImageFilter.GaussianBlur(radius=2))#模糊（參數(shù)radius用于控制模糊的程度）im_filter=im.filter(ImageFilter.EDGE_ENHANCE)#邊緣增強(qiáng)發(fā)使得圖像中邊緣部分更加明顯。im_filter=im.filter(ImageFilter.EMBOSS)#浮雕im_filter=im.filter(ImageFilter.FIND_EDGES)#邊緣檢測（14）繪制點(diǎn)線Matplotlib庫不但具有強(qiáng)大的繪圖功能，可以對圖像中興趣點(diǎn)或區(qū)域進(jìn)行標(biāo)注。plt.imshow(im)x=[300,300,400,400]y=[200,300,200,300]plt.plot(x,y,'ro')#使用紅色星狀標(biāo)記繪制點(diǎn)plt.plot([x[0],x[3]],[y[0],y[3]],'b')#連接第1與4點(diǎn)plt.plot([x[1],x[2]],[y[1],y[2]],'g')#連接第2與3點(diǎn)plt.show()（15）交互式標(biāo)注當(dāng)需要通過用戶交互的方式在獲取圖像像素坐標(biāo)時(shí)，可通過Matplotlib庫Pylab模塊中的ginput()函數(shù)實(shí)現(xiàn)。importmatplotlib.pylabasmpplt.imshow(im)xy=mp.ginput(3)#在圖像中點(diǎn)擊三下以將點(diǎn)擊處坐標(biāo)保存至xy【時(shí)間】分鐘?！咎釂枴俊D像擴(kuò)充技術(shù)【主板書】4.圖像擴(kuò)充1.概述：在利用機(jī)器學(xué)習(xí)算法（如深度神經(jīng)網(wǎng)絡(luò)）構(gòu)建圖像識別模型時(shí)，大量具有代表性的圖像是基礎(chǔ)，圖像擴(kuò)充的目的是對原始圖像進(jìn)行隨機(jī)變換（平移、剪裁、旋轉(zhuǎn)、色彩變換等）以產(chǎn)生一些相似但不同的圖像，從而擴(kuò)大訓(xùn)練數(shù)據(jù)集的規(guī)模，降低過擬合的發(fā)生的可能性。此外，在圖像擴(kuò)充中，隨機(jī)改變訓(xùn)練樣本可以降低模型對某些屬性的依賴，從而提高模型的泛化能力。2.Torchvision庫：包含豐富的圖像預(yù)處理操作。importtorchvision.transformsasT#導(dǎo)入圖像變換類庫3.擴(kuò)充操作（1）圖像剪裁以圖像中心作為基準(zhǔn)點(diǎn)，通過指定尺寸剪裁圖像區(qū)域。其中，圖像區(qū)域尺寸可通過元組tuple(H,W)或通過整數(shù)（寬高相等）指定。transform=T.CenterCrop(100)#定義圖像剪裁對象sub_im=transform(im)#對圖像進(jìn)行剪裁plt.imshow(np.array(result))（2）改變圖像亮度、對比度與飽和度transform=T.ColorJitter(brightness=0.8,contrast=0.3,saturation=0.9,hue=0.2)sub_im=transform(im)（3）截取五個(gè)圖像區(qū)域在圖像四個(gè)角及中心處剪裁五個(gè)圖像區(qū)域。transform=T.FiveCrop(100)sub_ims=transform(im)（4）圖像灰度處理對圖像進(jìn)行灰度化處理。transform=T.Grayscale(num_output_channels=3)#參數(shù)可設(shè)置為1或3（3表示RGB值通道數(shù)相同）im_gray=transform(im)plt.imshow(im_gray,cmap='gray')（5）圖像四邊填充transform=T.Pad(padding=(2,4,6,8),fill=(255,0,0),padding_mode='constant')result=transform(im)【強(qiáng)化與拓展】padding、fill與padding_mode等參數(shù)設(shè)置。（6）隨機(jī)仿射變換transform=T.RandomAffine(degrees=(-30,30),translate=None,scale=None,shear=30,resample=Image.BILINEAR,fillcolor=(255,0,0))im_new=transform(im)【強(qiáng)化與拓展】degree、translate、scale、shear、resample與fillcolor等參數(shù)設(shè)置。（7）隨機(jī)裁剪transform=T.RandomCrop((100,200))sub_im=transform(im)（8）按概率隨機(jī)灰度transform=T.RandomGrayscale(p=0.1)sub_im=transform(im)（9）按概率水平翻轉(zhuǎn)transform=T.RandomHorizontalFlip(p=0.9)im_new=transform(im)（10）按概率垂直翻轉(zhuǎn)transform=T.RandomVerticalFlip(p=0.9)im_new=transform(im)（11）調(diào)整尺寸transform=T.Resize((20,30),interpolation=Image.BILINEAR)im_new=transform(im)（12）以指定概率隨機(jī)選擇預(yù)處理操作transforms=[T.CenterCrop(160),T.Pad(padding=(2,4,6,8),fill=(255,255,255),padding_mode='constant')]transform=T.RandomApply(transforms,p=0.9)im_new=transform(im)plt.imshow(im_new)（13）隨機(jī)選擇預(yù)處理操作transforms=[T.CenterCrop(160),T.Pad(padding=(2,4,6,8),fill=(255,255,255),padding_mode='constant')]transform=T.RandomChoice(transform