OpenCV图像处理技术（微课版）（全彩）课程标准

《OpenCV图像处理技术》课程标准所属专业（教研组）：人工智能技术应用执笔人：傅贤君专业（教研组）审核：二级学院（部）审核：制订日期：2021年9月1日修订日期：2023年2月7日教务处（实训中心）制二〇二一年九月

《OpenCV图像处理技术》课程标准一、课程信息表1课程信息表课程名称OpenCV图像处理技术开课系部人工智能学院课程代码考核性质必修/考试前导课程Python程序设计后续课程智能图像处理技术、机器学习总学时64课程类型理实一体化适用专业智能视觉应用技术推荐教材《OpenCV图像处理技术（微课版）》，傅贤君著，人民邮电出版社，2023年5月表2课程标准开发团队名单序号姓名单位职称/职务1汪婵婵浙江安防职业技术学院教授/专业带头人2傅贤君浙江安防职业技术学院讲师/专业负责人3沈茗戈浙江安防职业技术学院讲师4路晓坚浙江安防职业技术学院中级工程师5连博博浙江安防职业技术学院助教6林忠晨浙江安防职业技术学院助教二、课程性质本课程是我院人工智能技术应用专业开设的一门专业核心课，是在学习《Python程序设计基础》、《人工智能数学基础》和《数据库管理与应用》课程后，具备了面向对象程序设计、数学基础和数据库设计的能力基础上，开设的一门理实一体化的课程，其功能是对接专业人才培养目标，面向工智能训练师、人工智能数据分析岗、人工智能技术支持岗，培养数字图像处理应用能力，并培养其良好的编程规范和职业习惯，为后续《智能视觉应用技术》课程学习奠定基础的专业核心课程。三、课程功能表3课程功能定位分析对接的工作岗位对接培养的职业岗位能力图像处理工程师1.熟练使用Python、C++等程序语言2.熟练应用OpenCV、PIL等图像处理算法库3.能根据场景进行图像算法设计机器学习工程师1.能根据业务需求进行数据加工、整理等预处理工作2.熟练使用Python数据操作API，进行数据特征处理3.熟练调用sklearn等机器学习算法库及keras深度学习算法库AI应用开发工程师1.能根据业务需求进行数据加工、整理等预处理工作2.熟练使用Python数据操作API，进行数据特征处理3.熟练使用Tensorflow、paddlepaddle等深度学习工具4.能够对训练结果进行评价并攫取出最优推理模型三、课程目标1.课程总目标该课程结合当前OpenCV在人工智能方向的应用及高职学生的实际情况，全面介绍了图像处理基础、图像运算、图像增强、图像分析4个方面相关知识，包括图像处理的概念与应用、图像运算方法、色彩空间与几何变换、阈值处理、形态学操作、图像梯度、边缘检测、图像金字塔、直方图处理、图像轮廓、模板匹配、霍夫变换、图像分割、视频处理等14块理论知识，同时结合5个综合实践案例，注重理论联系实际，培养学生综合实践能力。2.课程具体目标该课程根据岗位职业能力要求，突出“以职业岗位工作过程为主线、以工作能力培养为课程核心、以学生为主体教师为主导”的思想，采用“任务驱动、案例教学、过程指导、探究实践”的教学模式，培养学生动手实践能力，充分发挥学生主导作用。在课程的学习中，帮助学生树立辩证唯物主义世界观，培养学生热爱科学、探索未知、开拓进取的科学态度，培养学生严谨认真、踏实肯干、实事求是、不断努力的优良学风，培养学生分析问题、解决问题、抽象概括问题的能力。表4课程教学目标序号毕业能力要求知识目标技能目标素质目标1图像处理基础1.图像处理概念与应用；2.色彩空间；3.几何变换。1.掌握图像处理基本操作；2.理解色彩空间的概念；3.熟练运用几何变换。培养独立思考、专业信心等方面的基本素质。2图像运算1.算术运算；2.逻辑运算；3.阈值处理；4.平滑处理。1.掌握算术与逻辑运算函数应用；2.掌握图像阈值与平滑处理程序编写。1.培养学生的洞察力、创造性意识；2.培养学生独立思考的能力。3图像增强1.形态学操作；2.图像梯度与Canny边缘检测；3.图像金字塔；4.直方图处理。1.理解形态学数学含义；2.掌握图像增强涉及的理论知识点；3.掌握图像金字塔基本算法；4.掌握直方图常规处理。1.培养职业道德素养；2.培养诚实正直基本素质。4图像分析1.图像轮廓；2.模板匹配；3.霍夫变换；4.图像分割与提取；5.视频处理。1.掌握利用图像轮廓、模板匹配方法进行图像分析基础；2.掌握图像分割与提取理论基础与实际应用；3.掌握视频处理基础。增强职业素养，树立实事求是的精神。四、课程内容表5课程教学内容序号模块知识内容及要求技能内容及要求学时1数字图像处理基础1.熟悉数字图像处理应用领域；2.掌握图像读取、显示、保存基本方法；3.掌握图像信息获取函数；4.掌握图像像素访问与修改；5.掌握图像通道拆分与合并。1.能够理解图像处理技术重要性；2.能够实现图像读取、显示、保存；3.能够使用函数实现图像信息获取；4.能够使用for循环访问与修改图像像素；5.能够利用索引与函数进行通道操作。42图像运算1.了解图像运算的概念；2.掌握图像加减乘除的函数使用方法；3.掌握加权相加函数；4.掌握图像逻辑运算的应用场景5.掌握图像加密、面部打码、数字水印的使用方法。1.能够理解图像算术运算的概念；2.能够使用对应函数实现图像加减乘除；3.能够使用加权相加函数实现应用；4.能够理解图像逻辑运算应用场景；5.能够使用相关函数实现数字水印。43色彩空间与几何变换1.熟悉色彩空间的概念；2.掌握色彩空间的相互转换方法；3.掌握提取特定颜色物体的方法；4.了解几何变换的应用场景；5.掌握图像矫正的使用方法。1.能够理解色彩空间的概念；2.能够使用色彩空间的相互转换；3.能够编程实现提取特定颜色物体；4.能够熟练运用几何变换；5.能够掌握图像矫正的相关知识。44阈值处理与图像平滑处理1.熟悉阈值处理的概念；2.掌握阈值处理的应用；3.掌握使用滑动条进行阈值处理；4.掌握相关函数实现图像平滑处理；5.掌握滑块进行平滑处理。1.能够使用相关函数实现图像阈值处理；2.能够根据图像选择适合的方法进行阈值处理；3.能够使用相关函数实现图像平滑处理；4.能够使用平滑处理进行简单面部模糊。45形态学操作1.了解图像形态学数学意义；2.理解图像腐蚀与膨胀的操作思路；3.掌握图像常见形态学操作函数的应用；4.理解图像核函数的含义。1.能够使用相关函数实现图像腐蚀与膨胀运算；2.能够理解图像形态学操作的数学意义；3.能够根据图像处理要求综合使用通用形态学操作；4.能够自定义简单的核函数进行图像处理。46图像梯度与Canny边缘检测1.理解图像梯度基本原理；2.掌握图像梯度“算子”数学意义；3.掌握图像梯度“算子”的使用方法；4.掌握Laplacian算子函数的使用方法5.掌握Canny边缘检测基本原理6.理解Canny参数使用。1.能够理解图像梯度一阶导数和二阶导数的含义；2.能够使用Sobel算子与Laplacian算子函数进行边缘检测；3.能够掌握Canny边缘检测基本步骤；4.能够使用Canny函数进行边缘检测以及综合应用。47图像金字塔1.理解图像金字塔应用场景；2.掌握常见金字塔的处理过程;；3.掌握ROI使用场景与作用；4.理解泛洪填充算法核心思想。1.能够理解高斯金字塔与拉普拉斯金字塔的处理过程；2.能够使用相关函数进行高斯金字塔可逆性分析；3.能够使用相关函数进行拉普拉斯金字塔无损恢复图像；4.能够掌握泛洪填充算法并使用相关函数进行处理。48图像轮廓1.掌握轮廓查找与绘制的方法；2.掌握轮廓面积及长度的计算方法；3.掌握形状匹配方法；4.掌握轮廓的几何形状拟合方法；5.掌握凸包的概念及使用方法；6.掌握凸缺陷检测进行实际场景应用的方法；7.掌握轮廓的常见特征；8.掌握轮廓特征值的应用场景。1.能够掌握轮廓查找与绘制的方法；2.能够掌握轮廓面积及长度的计算方法；3.能够掌握形状匹配方法；4.能够掌握轮廓的几何形状拟合方法；5.能够掌握凸包的概念及使用方法；6.能够掌握凸缺陷检测进行实际场景应用的方法；7.能够使用轮廓的常见特征进行分类统计。89直方图处理1.理解直方图含义；2.掌握使用相关函数进行图像直方图绘制的方法；3.理解直方图均衡化的概念；4.掌握直方图比较方法；5.掌握实现直方图阈值的方法。1.能够理解直方图数学含义；2.能够使用Numpy和OpenCV函数绘制直方图；3.能够理解直方图均衡化原理；4.能够进行直方图均衡化处理。410模板匹配与霍夫变换1.掌握模板匹配的概念及使用方法；2.掌握模板匹配实现目标检测；3.掌握霍夫变换的概念；4.掌握霍夫变换的应用场景。1.能够理解模板匹配的原理2.能够完成多模板匹配代码编写3.能够理解霍夫变换基本原理4.能够实现霍夫变换的直线与圆环检测411图像分割与提取1.掌握图像分割与提取的概念；2.掌握分水岭算法实现图像分割；3.掌握鼠标交互的基本使用方法；4.掌握区域生长算法的基本使用方法。1.能够理解图像分割的概念和作用；2.能够理解区域生长及分水岭算法的概念3.能够根据场景使用区域生长算法与分水岭算法；4.能使用交互式方法进行前景提取。412视频处理1.掌握图像视频处理基础；2.掌握帧处理；3.掌握人脸API使用方法；4.掌握视频处理综合实践。1.能够理解视频帧的概念；2.能够使用相关视频类实现视频读取与保存；3.能够检测视频中特征物；4.能够完成基本视频操作。413项目实战1.产品缺陷检测2.图像拼接3.人脸检测与人脸识别4.人体目标跟踪检测1.能够完成图像或视频读取与保存；2.能够使用知识点完成图像运算、增强与分析；3.能够将所学知识点应用与实践项目案例；4.能够在教学案例技术上创新。12五、课程实施1.授课教师要求原则上担任本课程教学任务的教师需具备相关图像处理相关科研或工作经历，数字图像处理理论知识扎实。需要具有相关工作经历，不仅有较强的理论教学能力，还要有一定实践经验，能指导学生在学习过程中理论联系实际。2.理论教学要求本课程理论学时为32，主要内容涉及图像处理基础、图像运算、图像增强、图像分析4个方面相关知识等，可按照循序渐进、理论联系实际的教学原则，选择课堂教授和讨论相结合的教学方法，引导学生主动阅读与查询相关资料，掌握法律法规相关政策变化，以及遵守原则，树立代码规范的作业素质。3．实践教学要求表6实践教学内容安排序号实训项目相关内容培养能力要求学时1图像调整与数字水印图像运算自主查阅资料、多角度思考42图像幻灯片切换阈值与平滑处理应用创新、自主学习43寻找笔记注释图像运算、形态学处理收集资料与整理能力44油漆桶功能实现泛洪填充算法方法比对、综合查询能力45产品缺陷检测图像处理基础、ROI概念探索精神、理论应用实际46图像拼接SIFT角点检测自主练习、综合考量思维47人脸检测与人脸识别Cascade分类器代码编写思维、实际案例探索48人体目标跟踪检测OpenCV目标追踪算子勇于实践与创新精神4表7校内实训条件要求实训室名称程序设计实训室面积要求100m2序号核心设备数量要求备注1主流品牌计算机50内存>=4G2课程平台与软件环境50超星学习通、极域软件3智能物流搬运小车74人工智能前端设备34．考核评价要求（1）改革传统的以目标评价为主教学评价方法，采用过程性评价与目标评价相结合的方法，加大过程性评价比重，目标评价采用期末一次性目标评价和每个工作任务完成后目标评价相结合的方式进行。过程性评价和阶段性目标评价以考核职业技能为主，目标评价以考核理论知识为主，过程性评价可占到50%以上的比重。（2）注重评价的多样性，结合出勤、课堂提问、作业、平时测验、技能训练过程、工作质量及期末考试综合评价学生成绩。本课程的考核采用综合考核方式为主，并结合在课程学习过程中的作业情况、操作完成以及课堂学习情况综合评定。课程考核采用过程性考核与综合性考核相结合，过程性考核占60%，其中课上课后作业占40%，签到出勤占10%，课堂表现占10%；综合性考核占40%。六、其他1．课程思政要求本课程以工学结合为切入点，以任务引领为取向，以工作本位学习为主要形式，采用任