教案-《人工智能应用导论》5-3 HSV图像获取与预处理

教案（2学时）本任务是项目五实践链条中的核心输入与数据准备环节，从静态参数设置迈向动态图像处理。学生需掌握如何驱动硬件（摄像头）实时捕获图像，并将图像从BGR颜色空间转换至更适合颜色分割的HSV空间。更重要的是，学生需学习并实施一系列图像预处理操作，以消除噪声、增强目标特征，为后续精确识别奠定基础。此环节旨在培养学生处理真实世界“不完美”数据的能力，理解“预处理”在计算机视觉流水线中的关键作用。本任务核心在于实现从物理世界到数字信息的可靠转换与初步净化。学生首先需编写代码初始化摄像头并进入连续捕获循环，获取实时图像帧。接着，必须将每帧图像从默认的BGR格式转换为HSV格式。然后，针对已设定的每种颜色阈值，利用cv2.inRange函数生成二值掩膜，并使用cv2.bitwise_and函数提取出目标颜色的彩色区域。最后，需对提取出的区域进行包括滤波、二值化在内的预处理操作，生成“干净”的二值图像以供后续分析。任务成果是能够运行一个实时捕获图像、完成颜色初步分割并输出一系列预处理中间结果的程序。素质目标实时视频流捕获循环camera.capture_continuous或cv2.VideoCapture.read()的理解与实现。cv2.inRange()生成二值掩膜和cv2.bitwise_and()利用掩膜提取彩色区域的原理与应用。图像预处理流水线的顺序构建与代码实现（转换->分割->滤波->二值化->灰度化）。理解PiRGBArray作为环形缓冲区在实时流中的作用，以及循环末尾rawCapture.truncate(0)的必要性。理解cv2.bitwise_and()函数如何利用二值掩膜（mask）实现像素级的选择性保留。根据实际的图像噪声情况，在滤波步骤中选择合适的滤波器类型（如均值滤波）与核大小，理解参数对效果的影响。本节课采用“流程驱动，结果导向”的教学模式。首先，教师以一个识别效果不佳的“坏案例”导入，激发学生对预处理必要性的认同。然后，将完整的处理流程分解为“采集->转换->分割->滤波->二值化”五个关键步骤，采用“讲解原理-演示操作-学生模仿-结果观察”的四段式教学法推进。每个步骤都要求学生运行代码并保存中间图像，通过视觉反馈即时强化学习效果。最后，通过对比处理前后的图像，让学生直观感受预处理的威力，形成闭环学习。2.3教学资源与环境1.超星学习通平台、智慧职教复习上节课的HSV颜色阈值设置。预习cv2.inRange和cv2.bitwise_and函数的官方文档或简易说明。思考：为什么从摄像头得到的图像不能直接用于颜色判断？1.【任务推送】在学习通发布预习任务单，包含思考题和函数说明链接。2.【资源提供】上传一张有明显噪声和光照问题的示例图片。1.【复习与预习】复习阈值，预习新函数功能。2.【观察思考】观察示例图片，尝试回答思考题。例会（5分钟）考勤。课前学习情况梳理。1.【课堂考勤】点到，做好考勤记录。2.【回顾连接】展示一个学生的阈值代码，并提问：“这些数字准备好后，我们下一步该用它们来做什么？”1.【课堂签到】2.【思考衔接】回顾阈值用途，联想本课内容。快速连接新旧知识，明确本节课是上节课内容的自然延续和运用。预处理流水线（20分钟）成果观察与讨论（15分钟）教学目标达成情况：学生是否都能成功捕获图像并生成完整的预处理图像序列？学生是否能理解cv2.inRange和cv2.bitwise_and在颜色分割中的作用？学生是否能说出预处理各步骤（滤波、二值化）的主要目的？教学方法有效性：“分步实施、即时观察”的教学策略是否有效提升了学生的参与感和理解度？对bitwise_and原理的讲解是否足够直观，化解了学生的理解障碍？案例对比导入是否成功激发了学生对预处理重要性的认同？学生参与度与学习效果：学生在代码实操和图像观察环节的专注度如何？从提交的中间图像质量看，学生对代码的掌握程度如何？思政元素融入效果：通过展示预处理前后的强烈对比，学生是否对“精益求精”、“打好基础”的工程理念有更深体会？存在问题与改进措