基于OpenCV的圖像處理編程教學模式研究

南京林業大學機械電子工程學院 王皖君 程玉柱 李趙春

基于OpenCV的圖像處理編程教學模式研究

南京林業大學機械電子工程學院 王皖君 程玉柱 李趙春

實踐教學是圖像處理課程教學的重要組成部分。本文將OpenCV引入到數字圖像處理的實踐教學當中，包括多種開發平臺的搭建、函數的調用、算法演示等。利用Visual Studio和Anaconda與OpenCV搭建PC端圖像處理平臺，同時搭建Android Studio與OpenCV手機端圖像處理平臺。通過兩種平臺教學實踐表明，此教學模式能顯著地提高教學效果。

OpenCV；圖像處理；教學模式

1 引言

“數字圖像處理”課程理論性、實踐性都很強，理論上囊括了幾乎所有的數學理論。在實踐上，傳統采用Matlab軟件進行教學，Matlab雖然易于學生掌握，但不適合工程應用，與創新創業的教學思路不符，而采用C++語言教學，難度較大，短時間很難入門。

OpenCV是開源計算機視覺庫，由Intel公司主導開發的基于BSD開源發型的跨平臺計算機視覺庫，具有多種接口：C、C++、Java、Python等，可以運行在多種操作系統上。與Matlab相比，OpenCV的優勢在于實時且高效，提升軟件算法的可應用性。同時可以利用GPU硬件，實現算法的并行加速處理。OpenCV實現了圖像處理和計算機視覺的很多通用算法，算法通過函數、類和模塊實現，便于學生調用和練習，有助于提高圖像處理課程的實踐教學效果。

本文將OpenCV引入到“數字圖像處理”課堂教學中來，通過搭建PC端和手機端兩種開發平臺，生成兩套編程教學系統，供學生上課進行二次開發和學習，提高課堂教學效果。通過編程教學，有助于圖像處理理論及算法的理解。

2 PC端OpenCV圖像處理實現

學生電腦主要配備微軟的Windows操作系統，因此，PC端構建OpenCV教學系統主要基于Windows系統開發。本文通過Visual Studio與OpenCV構建C++圖像處理算法演示系統，同時也用Anaconda與OpenCV構建Python圖像處理算法教學系統。

2.1 Visual Studio與OpenCV教學軟件系統

Visual Studio 2017是微軟于2017年3月8日正式推出的新版本，是迄今為止最具生產力的 Visual Studio 版本，其內建工具整合了.NET Core、Azure 應用程序、微服務、Docker 容器等所有內容，本文采用面向學生、開源和個人開發者的免費社區版。平臺搭建過程：首先下載Visual Studio和OpenCV，安裝VS2017，然后解壓OpenCV，得到預先編譯好的lib、bin、include等文件夾；打開Visual Studio，設置好庫文件路徑，電腦高級變量等。最后新建工程，輸入代碼，實現圖像處理算法，進行課堂演示。

2.2 Anaconda與OpenCV教學軟件系統

Python是一種面向對象的解釋型計算機程序設計語言，Python是純粹的自由軟件， 源代碼和解釋器遵循 GPL協議。語法簡潔清晰，強制用空白符作為語句縮進。具有豐富和強大的庫。Anaconda可以看做Python的一個集成安裝，安裝它后就默認安裝了python、IPython、集成開發環境Spyder和眾多的包和模塊，非常方便。Python分成2.x版本和3.x版本，安裝方式通常有兩種，一種直接拷貝cv2/pyd文件，另一種利用conda install opencv 命令實現。

3 Android手機OpenCV圖像處理實現

搭建Android與OpenCV圖像步驟如下：首先下載并安裝Android Studio2.1.2版本，并將下載好的OpenCV for Android解壓到固定文件夾。利用AS新建工程，并加載OpenCV模塊，至此，開發環境搭建成功，設置AVD，生成手機模擬器，測試程序的有效性。

4 編程模式比較

圖1 不同平臺邊緣檢測效果圖

課堂采用理論和實踐交互式比較教學模式，學生預先安裝好PC端和手機端開發軟件，首先運行代碼演示，學生看到算法的實際效果，增強對理論認識，并掌握VS/Android與OpenCV編程技術，提供算法源代碼供學生二次開發，作為課堂及課后練習。

本文以圖像Canny邊緣檢測為例，說明其教學過程。首先讀取彩色圖像，彩圖灰度化，并利用Canny算子對灰度圖進行邊緣檢測。實驗結果如圖1所示，圖1（a）為原始圖像，圖1（b）為VS2017邊緣檢測處理結果，圖1（c）為手機模擬器上的邊緣檢測結果。通過多種編程模式可以實現同樣的處理結果，使得學生更好地理解圖像處理算法的精髓。

理論可在實踐開發之前，也可在開發之后，或者交替進行。大致按照“理論、實踐、理論、分析、總結”的模式進行教學。在此過程中，需要教師既具有較強的理論功底，也具有實踐編程能力，將理論與編程代碼相結合的能力，對教師提出了更高的要求。

5 總結

針對數字圖像實踐教學的特點，從教學方式和教學內容上，對該課程教學模式進行了探索研究。將OpenCV引入到教學中，使得學生高效利用電腦和手機平臺進行課程學習。讓學生采用不同的編程語言和開發平臺，通過比較實驗結果，加深對圖像處理算法的理解，顯著地提高教學質量。

[1]李樹濤,胡秋偉.LIShu-tao,等.OpenCV在”數字圖像處理”課程教學中的應用[J].電氣電子教學學報,2010,32(6):26-28.

[2]唐紅梅,王霞,李琦,等.數字圖像處理課程教學改革與實踐[J].河北工業大學學報(社會科學版),2006,21(4):8-10.

[3]朱娟花,吳昂.MATLAB在數字圖像處理課程教學中的應用[J].實驗室科學,2011,14(1):66-67.

[4]劉賢輝.基于OpenCV在移動端的圖像處理技術[J].電子技術與軟件工程,2017(9):70-70.

王皖君（1984—），男，博士，南京林業大學機械電子工程學院講師，主要研究方向：自動化。

南京林業大學2017年校級“教學質量提升工程”項目。

程玉柱（1980—），男，博士，南京林業大學機械電子工程學院講師，主要研究方向：圖像處理與模式識別。

李趙春（1978—），女，博士，南京林業大學機械電子工程學院副教授，主要研究方向：控制理論及控制工程。