计算机视觉应用开发案例教程（OpenCV）教案全套 袁文韬

计算机视觉应用开发教案学年学期：课程名称：计算机视觉应用开发承担课程院、部：XXXX学院教学周数：16课程类型：课程理论学时：32授课教材名称：《计算机视觉应用开发案例教程（OpenCV）》上课时间：第1周第1章计算机视觉与OpenCV入门项目（任务）名称计算机视觉与OpenCV入门授课日期第1周授课节次4授课地点机房授课内容融入思政元素☑是□否思政融入点名称本项目融入"科技报国与责任担当""严谨规范与工匠精神"的思政元素，通过我国计算机视觉领域从"跟跑"到"领跑"的发展历程，培养学生的民族自豪感与科技报国情怀；通过环境配置与代码规范训练，引导学生树立严谨求实的职业态度与规范意识；结合"科技向善"理念，引导学生思考技术应用的伦理边界，培养"技术能力与责任担当并重"的职业素养。项目（任务）描述项目（任务）内容：

1.计算机视觉概述（1.1计算机视觉定义、核心目标及典型应用场景；1.2计算机视觉与数字图像处理的关系）

2.OpenCV简介（1.3OpenCV发展历程、核心功能模块及官方资源）

3.OpenCV（Python）环境安装与配置（1.4Python环境验证、pip安装OpenCV、conda虚拟环境配置、安装故障排查）

4.第一个OpenCV程序（1.5核心函数讲解、图像读取/显示/保存、功能扩展与常见问题解决）项目（任务）清单知识点及要求：

l1.知识技能目标：理解计算机视觉的定义与核心目标；熟悉OpenCV的发展历程与核心模块；掌握Python+OpenCV环境的搭建与验证方法；熟练使用cv2.imread()、cv2.imshow()、cv2.waitKey()、cv2.imwrite()等核心函数实现图像的读取、显示与保存；能够排查环境配置与程序运行中的常见问题。

l2.素质目标：培养科技报国的责任意识与民族自豪感；树立严谨规范的编程习惯与工匠精神；提升问题分析与故障排查能力；树立"科技向善"的伦理意识。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python3.9.7安装包、OpenCV4.12.0安装包、测试图像（test.jpg）、Anaconda安装包（可选）项目（任务）实施实施过程及步骤：

第1部分（计算机视觉与OpenCV概述）：课前任务→考勤（2min）→新课预热（8min）→问题导入（5min）→传授新知（25min）→课堂讨论（5min）

第2部分（环境安装与配置）：问题导入（5min）→传授新知（30min）→课堂实训（15min）

第3部分（第一个OpenCV程序）：问题导入（5min）→传授新知（20min）→课堂实训（15min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：计算机视觉的典型应用场景；OpenCV环境的搭建与验证；图像读取、显示与保存的核心函数使用。

教学难点：conda虚拟环境的配置与使用；图像路径错误、DLL加载失败等常见故障的排查；cv2.waitKey()函数的工作原理与正确使用。

第2周第2章图像的基本操作（上）项目（任务）名称图像的基本操作（上）授课日期第2周授课节次4授课地点机房授课内容融入思政元素□是☑否思政融入点名称/项目（任务）描述项目（任务）内容：

1.NumPy基础知识（2.1NumPy核心数据类型、数组创建方法、数组形状操作、数组索引与切片规则、数组迭代与运算）

2.图像属性的获取与分析（2.2图像核心属性概述、彩色图与灰度图属性对比、属性获取的实际应用）

3.像素的读取与修改（2.3单个像素的读取与修改、区域像素的批量修改、实际应用案例）项目（任务）清单知识点及要求：

l1.知识技能目标：理解OpenCV图像与NumPy数组的关联；掌握NumPy核心数据类型与数组操作方法；熟练获取并分析图像的尺寸、通道数、像素类型等属性；能够实现单个像素与区域像素的读取与修改操作。

l2.素质目标：培养严谨的技术思维与细节意识；提升逻辑思维与问题解决能力；养成规范的代码编写习惯。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（dog_color.jpg、building.jpg）项目（任务）实施实施过程及步骤：

第1部分（NumPy基础知识）：课前预习→考勤（2min）→问题导入（5min）→传授新知（40min）→课堂实训（15min）

第2部分（图像属性与像素操作）：问题导入（5min）→传授新知（30min）→课堂实训（15min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：NumPy数组的索引与切片操作；图像核心属性的获取与分析；单个像素与区域像素的修改方法。

教学难点：NumPy数组运算与图像亮度/对比度调整的关系；图像坐标与数组索引的对应关系；批量像素修改的高效实现。

第3周第2章图像的基本操作（下）项目（任务）名称图像的基本操作（下）授课日期第3周授课节次4授课地点机房授课内容融入思政元素□是☑否思政融入点名称/项目（任务）描述项目（任务）内容：

1.ROI的提取与处理（2.4ROI概念与应用场景、ROI提取方法、ROI修改与放回原图像、ROI的复制与粘贴）

2.图像通道的分离与合并（2.5通道分离函数cv2.split()、通道合并函数cv2.merge()、单通道扩展为3通道、通道修改实现特殊效果）

3.第2章任务实践与拓展实训项目（任务）清单知识点及要求：

l1.知识技能目标：理解ROI的概念与应用价值；熟练掌握ROI的提取、修改、复制与粘贴操作；掌握图像通道的分离与合并方法；能够通过通道修改实现特殊图像效果；完成图像属性分析与ROI提取、通道交换与反色等任务实践。

l2.素质目标：培养"聚焦重点、精准突破"的思维方法；提升实践操作与问题解决能力；增强团队协作与互助精神。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（leon.jpg、flower.jpg、fruits_color.jpg、sunset.jpg、id_photo_red.jpg）项目（任务）实施实施过程及步骤：

第1部分（ROI的提取与处理）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（图像通道的分离与合并）：问题导入（5min）→传授新知（30min）→课堂实训（15min）

第3部分（任务实践与拓展实训）：任务讲解（5min）→学生实操（20min）→成果展示与点评（10min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：ROI的提取与修改操作；图像通道的分离与合并方法；通过通道修改实现特殊效果。

教学难点：ROI坐标的精准确定；通道修改与图像色调调整的关系；单通道扩展为3通道的原理与实现。

第4周第3章图像预处理技术（上）项目（任务）名称图像预处理技术（上）授课日期第4周授课节次4授课地点机房授课内容融入思政元素□是☑否思政融入点名称/项目（任务）描述项目（任务）内容：

1.图像灰度化（3.1灰度化原理与加权平均法、OpenCV函数实现灰度化、手动实现灰度化）

2.图像二值化（3.2二值化原理与核心函数cv2.threshold()、全局阈值二值化、常用阈值类型及效果对比）

3.图像噪声与去噪（3.3常见噪声类型（椒盐噪声、高斯噪声）、噪声生成方法、均值滤波原理与实现）项目（任务）清单知识点及要求：

l1.知识技能目标：理解图像灰度化与二值化的原理与重要性；掌握cv2.cvtColor()与cv2.threshold()函数的使用；能够实现全局阈值二值化并对比不同阈值类型的效果；了解常见噪声类型及其特点；掌握均值滤波的原理与实现方法。

l2.素质目标：培养"精益求精、求真务实"的职业精神；提升参数调优与效果对比能力；增强工程思维与问题解决能力。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（landscape_color.jpg、cat_color.jpg、text.jpg、leon_gray.jpg）项目（任务）实施实施过程及步骤：

第1部分（图像灰度化）：课前预习→考勤（2min）→问题导入（5min）→传授新知（20min）→课堂实训（10min）

第2部分（图像二值化）：问题导入（5min）→传授新知（30min）→课堂实训（15min）

第3部分（图像噪声与均值滤波）：问题导入（5min）→传授新知（20min）→课堂实训（10min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：图像灰度化的实现方法；全局阈值二值化的参数设置与效果对比；均值滤波的原理与应用。

教学难点：加权平均法灰度化的原理；不同阈值类型的适用场景；均值滤波核大小对去噪效果与图像细节的影响。

第5周第3章图像预处理技术（下）项目（任务）名称图像预处理技术（下）授课日期第5周授课节次4授课地点机房授课内容融入思政元素☑是□否思政融入点名称本项目融入"工匠精神与精益求精""科技自立与创新精神"的思政元素，通过"中国鹰眼"VAR技术国产化突破案例，引导学生理解图像预处理技术在产业升级中的核心价值；通过滤波与边缘检测的参数调优训练，培养学生严谨细致、精益求精的工匠精神；结合国产技术发展历程，增强学生的科技自信与创新意识。项目（任务）描述项目（任务）内容：

1.图像去噪（3.4高斯滤波原理与实现、中值滤波原理与实现、不同滤波方法的对比与选择）

2.图像边缘检测（3.5Sobel算子原理与实现、Canny边缘检测原理与步骤、Canny双阈值调优、边缘检测算法对比）

3.第3章任务实践与拓展实训项目（任务）清单知识点及要求：

l1.知识技能目标：掌握高斯滤波与中值滤波的原理、实现及适用场景；能够根据噪声类型选择合适的滤波方法；理解Sobel算子与Canny边缘检测的原理；熟练使用cv2.Sobel()与cv2.Canny()函数实现边缘检测；掌握Canny双阈值的调优方法；完成身份证图像预处理、噪声图像去噪对比等任务实践。

l2.素质目标：培养精益求精的工匠精神与工程实践能力；增强科技自信与创新意识；提升团队协作与成果展示能力。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（road.jpg、coin.jpg、id_card.jpg、noisy_text.jpg、coins.jpg）项目（任务）实施实施过程及步骤：

第1部分（图像去噪）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（图像边缘检测）：问题导入（5min）→传授新知（30min）→课堂实训（15min）

第3部分（任务实践与拓展实训）：任务讲解（5min）→学生实操（20min）→成果展示与点评（10min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：高斯滤波与中值滤波的对比与选择；Canny边缘检测的实现与双阈值调优；完整图像预处理流程的设计与实现。

教学难点：Canny边缘检测的非极大值抑制与双阈值筛选原理；不同预处理方法的组合应用与参数优化；根据实际场景选择合适的预处理方案。

第6周第4章图像几何变换（上）项目（任务）名称图像几何变换（上）授课日期第6周授课节次4授课地点机房授课内容融入思政元素☑是□否思政融入点名称本项目融入"严谨细致的工程习惯""问题导向的解决思维""技术报国的价值认同"的思政元素，通过国产空间站"天宫"图像畸变校正、自动驾驶视角转换等案例，引导学生理解小技术在国家科技发展中的大作用；通过变换参数精准调试训练，培养学生耐心细致、精益求精的职业态度；结合我国科研团队将几何变换技术成果贡献给OpenCV国际库的事迹，增强学生的民族自豪感与技术报国使命感。项目（任务）描述项目（任务）内容：

1.基础几何变换（4.1.1图像平移原理与实现；4.1.2图像旋转原理与实现；4.1.3图像缩放原理与插值方法；4.1.4图像翻转原理与实现）

2.仿射变换（4.2.1仿射变换概述与核心原理；4.2.2仿射变换矩阵生成；4.2.3仿射变换实现倾斜校正）项目（任务）清单知识点及要求：

l1.知识技能目标：理解图像几何变换的核心思想；掌握平移、旋转、缩放、翻转四种基础几何变换的原理与OpenCV实现；理解变换矩阵的作用及参数含义；掌握仿射变换的原理与实现方法；能够根据任务需求选择合适的插值方法。

l2.素质目标：培养严谨细致的工程习惯与参数调试能力；树立问题导向的解决思维；增强"小技术、大贡献"的职业使命感；提升代码规范与问题排查能力。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（landscape.jpg、leon.jpg、text.jpg、building_symmetry.jpg、text_tilted.jpg）项目（任务）实施实施过程及步骤：

第1部分（基础几何变换-平移与旋转）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（基础几何变换-缩放与翻转）：问题导入（5min）→传授新知（25min）→课堂实训（15min）

第3部分（仿射变换）：问题导入（5min）→传授新知（20min）→课堂实训（15min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：平移、旋转、缩放、翻转四种基础几何变换的实现；cv2.warpAffine()、cv2.getRotationMatrix2D()、cv2.resize()、cv2.flip()核心函数的使用；仿射变换的实现与倾斜校正应用。

教学难点：变换矩阵的数学原理与参数含义；不同插值方法的适用场景与效果差异；仿射变换中3个特征点的准确选择与顺序要求。

第7周第4章图像几何变换（下）项目（任务）名称图像几何变换（下）授课日期第7周授课节次4授课地点机房授课内容融入思政元素□是☑否思政融入点名称/项目（任务）描述项目（任务）内容：

1.透视变换（4.3.1透视变换概述与核心原理；4.3.2透视变换矩阵生成；4.3.3透视变换实现严重倾斜校正）

2.图像组合变换（变换顺序对结果的影响；平移+旋转+缩放组合实现）

3.第4章任务实践与拓展实训项目（任务）清单知识点及要求：

l1.知识技能目标：理解透视变换的原理与仿射变换的区别；掌握透视变换的实现方法；能够独立完成图像的组合几何变换；理解变换顺序对最终结果的影响；完成身份证透视校正、图像组合变换等任务实践。

l2.素质目标：培养"精准定位、细致操作"的职业素养；提升综合运用知识解决实际问题的能力；增强团队协作与成果展示能力；养成规范的代码编写习惯。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（book_tilted.jpg、dog.jpg、id_card_tilted.jpg、mountain.jpg、text_slight_tilt.jpg）项目（任务）实施实施过程及步骤：

第1部分（透视变换）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（图像组合变换）：问题导入（5min）→传授新知（20min）→课堂实训（15min）

第3部分（任务实践与拓展实训）：任务讲解（5min）→学生实操（20min）→成果展示与点评（10min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：透视变换的实现与严重倾斜校正应用；图像组合变换的流程与实现；变换顺序对结果的影响。

教学难点：透视变换中4个特征点的准确选择与顺序要求；透视变换目标尺寸的合理设置；组合变换中参数的协调与优化。

第8周第5章特征检测与匹配（上）项目（任务）名称特征检测与匹配（上）授课日期第8周授课节次4授课地点机房授课内容融入思政元素☑是□否思政融入点名称本项目融入"科技自立与创新精神""开源协作与自主可控意识""精准调试与耐心实践"的思政元素，通过我国科研团队对ORB算法的工业级优化与自主知识产权构建案例，引导学生理解技术自主可控的重要性；通过角点检测参数调优训练，培养学生严谨细致、反复调试的职业习惯；结合SIFT专利受限与ORB开源免费的对比，树立在技术选型中注重自主可控的行业认知。项目（任务）描述项目（任务）内容：

1.角点检测（5.1.1角点的定义与特点；5.1.2Harris角点检测原理与实现；5.1.3Shi-Tomasi角点检测原理与实现）

2.尺度不变特征检测（5.2.1尺度不变性的概念；5.2.2SIFT特征检测原理与实现）项目（任务）清单知识点及要求：

l1.知识技能目标：理解角点的定义与特点；掌握Harris和Shi-Tomasi角点检测的原理与实现；能够通过参数调试优化角点检测结果；理解尺度不变性的概念；掌握SIFT特征检测的原理与实现方法。

l2.素质目标：培养精准调试与耐心实践的职业习惯；树立开源协作与自主可控意识；增强科技自信与创新精神；提升问题分析与解决能力。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、opencv-contrib-python安装包、测试图像（chessboard.png、bookshelf.jpg、leon.jpg、leaves.jpg）项目（任务）实施实施过程及步骤：

第1部分（角点检测-Harris）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（角点检测-Shi-Tomasi）：问题导入（5min）→传授新知（20min）→课堂实训（15min）

第3部分（SIFT特征检测）：问题导入（5min）→传授新知（20min）→课堂实训（10min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：Harris和Shi-Tomasi角点检测的实现与参数调优；SIFT特征检测的实现与关键点绘制。

教学难点：角点检测的数学原理；Harris算法中k参数的意义与调优；SIFT特征描述子的理解；opencv-contrib-python环境的配置与故障排查。

第9周第5章特征检测与匹配（下）项目（任务）名称特征检测与匹配（下）授课日期第9周授课节次4授课地点机房授课内容融入思政元素□是☑否思政融入点名称/项目（任务）描述项目（任务）内容：

1.尺度不变特征检测（5.2.3ORB特征检测原理与实现；ORB与SIFT的对比）

2.特征匹配（5.3.1暴力匹配原理与实现；5.3.2FLANN匹配原理与实现；两种匹配方法的对比）

3.第5章任务实践项目（任务）清单知识点及要求：

l1.知识技能目标：掌握ORB特征检测的原理与实现；理解ORB与SIFT的优缺点及适用场景；掌握暴力匹配和FLANN匹配的原理与实现方法；能够根据特征点数量选择合适的匹配方法；完成基于特征匹配的目标识别任务实践。

l2.素质目标：培养精益求精的工匠精神；提升工程实践与参数调优能力；增强团队协作与互助精神；养成对比分析与总结归纳的学习习惯。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（target.png、scene.jpg、toy1.jpg、toy1_small.jpg、scene_left.jpg、scene_right.jpg）项目（任务）实施实施过程及步骤：

第1部分（ORB特征检测）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（特征匹配）：问题导入（5min）→传授新知（30min）→课堂实训（15min）

第3部分（任务实践）：任务讲解（5min）→学生实操（15min）→成果展示与点评（10min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：ORB特征检测的实现；暴力匹配和FLANN匹配的实现与效果对比；基于特征匹配的目标识别流程。

教学难点：特征匹配中的误匹配剔除方法；单应性矩阵的理解与应用；FLANN匹配的参数配置与优化。

第10周第6章目标检测基础项目（任务）名称目标检测基础授课日期第10周授课节次4授课地点机房授课内容融入思政元素☑是□否思政融入点名称本项目融入"技术赋能实体经济""工匠精神与参数调优""职业自信与责任担当"的思政元素，通过我国工业视觉检测技术从依赖进口到自主创新的发展历程，引导学生认识目标检测技术在智能制造中的核心价值；通过检测参数调优训练，培养学生严谨细致、精益求精的工匠精神；结合长三角企业用视觉检测设备替代人工质检的案例，增强学生的职业自信与"技能成才"的使命感。项目（任务）描述项目（任务）内容：

1.Haar级联分类器基础（6.1.1Haar级联分类器概述；6.1.2核心函数与参数；6.1.3预训练模型介绍）

2.静态图像目标检测（6.2静态图像人脸检测；6.3人脸+眼睛联合检测）

3.实时摄像头目标检测（6.4实时摄像头人脸检测；检测参数调优技巧）项目（任务）清单知识点及要求：

l1.知识技能目标：理解Haar级联分类器的核心原理；掌握OpenCV内置预训练模型的使用方法；掌握静态图像人脸检测和人脸+眼睛联合检测的实现；掌握实时摄像头目标检测的流程；能够通过参数调优解决漏检和误检问题。

l2.素质目标：培养严谨的参数调优习惯和规范的代码编写风格；增强对"技术赋能实体经济"的认同感；树立职业自信与责任担当；提升问题分析与解决能力。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、Haar级联预训练模型文件（haarcascade_frontalface_default.xml、haarcascade_eye.xml）、测试图像（leon.jpg、group_photo.jpg、person_beauty.jpg）、USB摄像头项目（任务）实施实施过程及步骤：

第1部分（Haar级联分类器基础）：课前预习→考勤（2min）→问题导入（5min）→传授新知（20min）→课堂实训（10min）

第2部分（静态图像目标检测）：问题导入（5min）→传授新知（30min）→课堂实训（15min）

第3部分（实时摄像头目标检测）：问题导入（5min）→传授新知（20min）→课堂实训（15min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：Haar级联分类器的使用流程；静态图像人脸检测和人脸+眼睛联合检测的实现；实时摄像头目标检测的实现；detectMultiScale函数的参数调优。

教学难点：ROI（感兴趣区域）的提取与应用；检测参数（scaleFactor、minNeighbors）的调优逻辑；实时检测中速度与精度的平衡；摄像头资源的正确释放。

第11周第7章图像分割基础（上）项目（任务）名称图像分割基础（上）授课日期第11周授课节次4授课地点机房授课内容融入思政元素☑是□否思政融入点名称本项目融入"工匠精神与精准操作""技术赋能产业升级""文化遗产保护与科技传承"的思政元素，通过我国工业质检从人工到视觉检测的发展历程，引导学生理解像素级精度对工业生产的重要性；通过古碑文数字化修复案例，培养学生用技术保护文化遗产的责任感；结合图像分割在医疗影像、智慧农业中的应用，增强学生"技术服务社会"的职业使命感。项目（任务）描述项目（任务）内容：

1.阈值分割（7.1.1全局阈值分割原理与实现；7.1.2Otsu自动阈值分割原理与实现）

2.轮廓分割（7.2.1轮廓分割核心流程；7.2.2单物体轮廓分割实现；7.2.3多物体轮廓分割实现）项目（任务）清单知识点及要求：

l1.知识技能目标：理解图像分割的核心定义与产业价值；掌握全局阈值和Otsu自动阈值分割的原理与实现；掌握轮廓提取与填充的核心流程；能够独立完成单物体和多物体的轮廓分割任务。

l2.素质目标：培养"像素级精准"的工匠精神；树立技术赋能产业升级的职业理念；提升参数调优与问题排查能力；养成规范的代码编写习惯。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（rice_black_bg.jpg、rice_gray_bg.jpg、apple.png、chess_pieces.jpg）项目（任务）实施实施过程及步骤：

第1部分（阈值分割-全局阈值）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（阈值分割-Otsu自动阈值）：问题导入（5min）→传授新知（25min）→课堂实训（15min）

第3部分（轮廓分割）：问题导入（5min）→传授新知（20min）→课堂实训（15min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：全局阈值和Otsu自动阈值分割的实现；cv2.threshold()核心函数的使用；轮廓提取与填充的实现；单物体和多物体轮廓分割的应用。

教学难点：Otsu自动阈值的数学原理；不同阈值方法的适用场景差异；轮廓筛选条件的设计与参数调优；多物体分割中的编号与标记方法。

第12周第7章图像分割基础（下）项目（任务）名称图像分割基础（下）授课日期第12周授课节次4授课地点机房授课内容融入思政元素□是☑否思政融入点名称/项目（任务）描述项目（任务）内容：

1.分水岭算法（7.3.1分水岭算法核心原理；7.3.2分水岭算法完整流程；7.3.3重叠物体分割实现）

2.第7章任务实践与拓展实训项目（任务）清单知识点及要求：

l1.知识技能目标：理解分水岭算法的"地形学"原理；掌握分水岭算法的完整处理流程；能够独立完成重叠物体的分割任务；完成基于Otsu阈值的米粒分割与计数任务实践。

l2.素质目标：培养"精准定位、细致操作"的职业素养；提升综合运用知识解决实际问题的能力；增强团队协作与成果展示能力；养成对比分析与总结归纳的学习习惯。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（coins_overlapped.png、ancient_inscription.jpeg、coins_1.jpg~coins_5.jpg）项目（任务）实施实施过程及步骤：

第1部分（分水岭算法）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（任务实践-米粒分割与计数）：问题导入（5min）→传授新知（20min）→课堂实训（15min）

第3部分（拓展实训）：任务讲解（5min）→学生实操（20min）→成果展示与点评（10min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：分水岭算法的完整流程与实现；重叠物体分割的应用；基于阈值和轮廓的物体计数方法。

教学难点：分水岭算法中前景、背景与不确定区域的确定；距离变换的原理与参数调优；标记图像的创建与使用；古碑文修复中的形态学操作组合。

第13周第8章计算机视觉项目实战（上）项目（任务）名称计算机视觉项目实战（上）授课日期第13周授课节次4授课地点机房授课内容融入思政元素☑是□否思政融入点名称本项目融入"工业强国与工匠精神""工程化思维与问题解决""质量第一与责任担当"的思政元素，通过我国制药行业从人工计数到视觉自动计数的技术升级案例，引导学生认识计算机视觉在工业生产中的核心价值；通过参数调优训练，培养学生严谨细致、精益求精的工匠精神；结合工业场景中"硬件标准化+参数定制化"的落地逻辑，增强学生的工程化思维与职业责任感。项目（任务）描述项目（任务）内容：

1.基于分水岭算法的重叠药片计数系统（8.1.1项目目标与准备；8.1.2项目实施与代码实现；8.1.3项目结果与分析）

2.工业场景参数调优与落地逻辑（8.1.4分析与调参；8.1.5工业场景落地方法）项目（任务）清单知识点及要求：

l1.知识技能目标：掌握分水岭算法在工业场景中的完整应用流程；能够独立完成重叠药片的分割与计数任务；理解工业场景中"硬件标准化+参数定制化"的落地逻辑；掌握工业视觉系统的参数调优方法。

l2.素质目标：树立"技术落地解决实际需求"的职业导向；培养工程化思维与问题解决能力；增强对"工业强国"战略的认同感；养成规范的项目开发习惯。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、测试图像（pills_overlapped.jpg）项目（任务）实施实施过程及步骤：

第1部分（项目背景与需求分析）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（项目代码实现与调试）：问题导入（5min）→传授新知（25min）→课堂实训（15min）

第3部分（参数调优与工业落地）：问题导入（5min）→传授新知（20min）→课堂实训（15min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：重叠药片计数系统的完整实现；工业场景中的参数调优方法；"硬件标准化+参数定制化"的落地逻辑。

教学难点：自适应阈值与形态学操作的组合优化；距离变换阈值与面积过滤参数的协调；工业场景中异常情况的处理机制；硬件与算法的协同优化。

第14周第8章计算机视觉项目实战（下）项目（任务）名称计算机视觉项目实战（下）授课日期第14周授课节次4授课地点机房授课内容融入思政元素□是☑否思政融入点名称/项目（任务）描述项目（任务）内容：

1.基于YOLO模型的实时物件检测系统（8.2.1项目目标与准备；8.2.2项目实施与代码实现；8.2.3操作说明与常见问题解决）项目（任务）清单知识点及要求：

l1.知识技能目标：了解YOLO模型的核心原理与优势；掌握OpenCV加载预训练YOLO模型的方法；能够实现基于摄像头的实时物件检测；掌握中文标签显示与结果保存的方法；能够解决项目实施中的常见问题。

l2.素质目标：培养精益求精的工匠精神；提升工程实践与问题排查能力；增强团队协作与互助精神；养成对比分析与总结归纳的学习习惯。项目（任务）准备材料及工具：

电脑、多媒体课件、教材、Python+OpenCV环境、预训练模型文件（yolov3.cfg、yolov3.weights）、类别名称文件（object_names.txt）、中文字体文件（STSONG.TTF）、USB摄像头项目（任务）实施实施过程及步骤：

第1部分（YOLO模型基础与环境配置）：课前预习→考勤（2min）→问题导入（5min）→传授新知（25min）→课堂实训（15min）

第2部分（实时物件检测代码实现）：问题导入（5min）→传授新知（30min）→课堂实训（15min）

第3部分（功能优化与问题解决）：任务讲解（5min）→学生实操（15min）→成果展示与点评（10min）→课堂小结（3min）→作业布置（2min）项目（任务）小结重难点：

教学重点：YOLO模型的加载与使用；实时摄像头视频流的处理；中文标签的显示方法；检测结果的保存与可视化。

教学难点：cv2.dnn.blobFromImage()函数的参数理解；非最大值抑制（NMS）的原理与应用；检测速度与精度的平衡；中文乱码与摄像头调用等常见问题的解决。

第15周第9章计算机视觉与深度学习项目（任务）名称计算机视觉与深度学习授课日期第15周授课节次4授课地点机房授课内容融入思政元素☑是□否思政融入点名称本项目融入"科技自立与创新精神""产教融合与职业发展""技术融合与系统思维"的思政元素，通过我国制造业智能化转型的发展历程，引导学生理解"传统技术筑基、深度学习赋能"的技术融合趋势；通过工业零件分类系统的实战，培养学生的系统思维与工程实践能力；结合国产深度学习框架的发展，增强学生的科技自信与创新精神。项目（任务）描述项目（任务）内容：

1.计算机视觉与深度学习技术融合（9.1.1传统技术与深度学习对比；9.1.2技术融合现状与应用）