電子信息類工科專業科教融合教學設計*
——以《數字圖像處理》為例

朱春華 郭歆瑩 趙攀 秦瑤

（河南工業大學信息科學與工程學院）

在新工科背景下，電子信息類工科課程的教學設計中加強了以問題為導向、多學科交叉融合以及科研育人等教學理念。專業基礎課對專業知識要求高，而且其知識點環環相扣，在慕課的建設中文獻[1]提出了把專業基礎課引入慕課教學模式的課程建設思路；專業教育與工科基礎數學或物理課的結合也成為了基礎課教學改革的焦點[2]；科研反哺教學已經成為近兩年應用型人才培養的關鍵詞[3-4]。但在實際教學活動中，還面臨理論與實踐嚴重脫節、理論課與實踐課的教學設計不能有效銜接，學生以聽為主缺乏主動思考的教學模式等問題，這影響到了通過課程教學培養學生的獨立思考能力、科學思維方法和求知創新精神的目標達成。本文以《數字圖像處理》課程為例，提出科教融合的教學設計思路，以科研項目實踐的每個單元對應支撐課程教學內容的每個知識點，形成了科研真正融入課堂，反哺教學的教學模式。

一、教學與科研融合案例分析

本文以基于圖像處理的糧食籽粒和雜質檢測[5]為例，通過圖像增強、圖像分割、形態學圖像處理等在主干課程《數字圖像處理》中的知識，實現摻雜糧食中的雜質分離。檢測流程如圖1所示。

圖1 算法流程框圖

對摻雜糧食圖像，首先通過直方圖均衡化和高斯-拉普拉斯算子增強糧食籽粒和雜質的對比度；對閾值分割后的雜質圖像，引入膨脹與雜質面積參數去除偽點，并利用羅伯茨算子提取雜質邊緣和二次去噪；最后對雜質圖像進行標記和計數。

（一）圖像預處理

在以上項目實踐環節中，首先要進行原始圖像采集。實驗中的小麥與雜質來自河南省鄭州市的興隆國家糧食儲備庫，圖像采集背景為反光性能較弱的亞格力板,在板內設有大小、間距相等的100個圓形孔用于放置小麥與雜質。在自然光照射下，采用SONY相機（ILCE-7RM2型號，4240萬有效像素）從50cm左右高度垂直進行拍攝，獲得實驗圖像。

為了增加摻雜糧食籽粒圖像中雜質圖像和糧食籽粒圖像區域的對比度，本文采用直方圖均衡化處理和圖像銳化對原始圖像進行預處理，便于后續的雜質圖像分割。為了保證色彩的不失真，首先把RGB圖像轉為HSV[7](Hue-Saturation-Value)圖像；然后對HSV圖像的直方圖進行均衡化和銳化濾波，考慮到高斯濾波的平滑作用和拉普拉斯算子對噪聲的敏感性，采用高斯-拉普拉斯算子（LOG算子）對原始圖像進行濾波，若原始圖像像素(x,y)，對其進行LOG算子濾波可表示為

原始圖像和預處理后的圖像分別如圖2(a)和圖2(b)所示，其傅里葉變換后的頻域分布分別如圖2(c)和圖2(d)所示。可見預處理后圖像的低頻分量減少，高頻分量增加；而圖像中的高頻成分反映的是圖像中變換比較尖銳的細節、圖像邊緣等部分，因此經過預處理之后圖像的對比度得到增強。

圖2 預處理前后圖像對比

（二）雜質圖像分割和去噪

對預處理后的圖像圖2(b)，需要分離糧食籽粒和雜質，本文通過對比大津法（OTSU）[6]、迭代法[7]、直方圖雙峰法[8]，考慮糧食籽粒圖像的直方圖分布特點，確定采用直方圖閾值分割中的多峰分割的方法。在以上分割過程中，分割閾值的選取是算法的關鍵，通過實驗得到最優的分割閾值為Ts，糧食籽粒和圖像背景的灰度值小于等于全局閾值，判定為背景點；雜質的灰度值大于全局閾值，判為目標點，分割過程可表示為

原圖像與雜質分割圖像分別如圖3(a)和圖3(b)所示。由圖3(a)所示，在原始圖像的背景中會存在一些與雜質灰度值相近的細小噪點，這些噪點來源于圖像采集板的孔洞邊緣粘連的部分雜質顆粒，或者是由于糧食籽粒部分區域的灰度值與雜質灰度接近。這些噪點在經過圖像分割后難以去除，如圖3(b)所示，這些噪點的存在將影響雜質圖像的標記與準確識別。為去除雜質分割圖像中的噪點并保持雜質圖像的完整性，雜質分割圖像去噪主要通過基于面積的幾何濾波、使用Roberts算子檢測噪點、基于面積的二次濾波幾個主要步驟完成。通過觀察閾值分割后的圖像圖3(b)發現，雜質與噪點的主要區別之一是其面積差異較大，因此本文采取了基于圖像面積的幾何濾波方法，即以某一面積值作為濾波器的截至頻率，通過對圖像中某點的26鄰域的面積值與進行比較，當其面積小于時則剔除該點，當其面積大于S時則保留該點。但由于部分雜質圖像分割后并不是一個完整的封閉區域，影響后續的雜質計數。因此在利用圖像面積進行幾何濾波之前，對閾值分割后的雜質圖像首先要進行膨脹處理，使得未連通的雜質目標區域連通起來，便于后期統計雜質個數。這里在膨脹系數選取時不宜太大，以免噪點與雜質區域過度融合，造成雜質標記錯誤；同時，較小模板的膨脹處理會加大噪點與雜質目標區域的面積差距，更易剔除孤立噪點。對于未能完全濾除的殘余噪點，使用對噪聲較為敏感的算子提取圖像邊緣，再次設置面積閾值，對其進行基于圖像面積的二次幾何濾波，得到全部雜質圖像。如圖3(c)所示。

圖3 雜質圖像分割與去噪

（三）圖像標記

得到全部雜質圖像后，可進行雜質圖像標記和計數。由于部分雜質圖像存在分立孤島，為正確統計雜質個數，需對雜質圖像進行膨脹操作，從而連通分立孤島，以及填補圖像內部孔洞。統計雜質個數后，考慮計算復雜性和邊緣提取完整性，使用Canny算子提取雜質圖像邊緣，并進行雜質位置標記，據此還可以統計雜質數量。

（四）算法性能對比分析

為檢驗本文所提方法的有效性，實驗中對比分析了大津法（OTSU）[2]、迭代法[3]、直方圖雙峰法[4]的雜質檢測結果分別如圖4(a)-(d)所示，其中原始圖像如圖2(a)。

圖4 不同雜質檢測方法的雜質圖像提取結果對比

由圖4(a)和圖4(b)可見，文獻[2]和文獻[3]分別采用最大類間方差法和迭代法僅能區分背景和目標，無法分離糧食籽粒和雜質；文獻[4]采用雙峰直方圖閾值法進行圖像分割，能夠提取大部分雜質，但殘余噪點較多。本文所提方法的雜質圖像檢測結果如圖4(d)，從圖中可以看出本文所提方法能夠較為準確地提取出摻雜圖像中的雜質圖像并且無殘余噪點，能夠準確標記每一粒雜質的區域位置且相鄰區域標記不存在粘連情況，保證了標記的準確性與直觀性。

選擇不同摻雜的圖像，利用本文所提雜質檢測方法進行雜質圖像標記的結果分別如圖5(a)-(d)所示。結果表明，本文方法能夠有效分離雜質和糧食籽粒，實現雜質圖像的準確計數。

圖5 不同摻雜圖像檢測結果對比

上述基于圖像處理的糧食籽粒和雜質檢測的項目實踐環節，內容涉及從數據采集、技術方案設計、數據分析與性能評估萬整的項目開發過程，而且實踐內容與《數字圖像處理》課程教學內容形成了強支撐關系，如圖6所示。

圖6 科研實踐內容與《數字圖像處理》課程教學內容

可見，在教學過程中融入科研實踐訓練，能夠有機結合理論授課內容，加強學生對重點知識的理解與掌握；而且，實踐內容涉及數據采集、預處理、算法優化、實驗設計、性能分析與對比等萬整的項目開發環節，所形成的科研方法同樣可擴展應用到其他課程學習中，能夠提升學生的邏輯思維能力和科研創新能力，也可以以科研項目為切入點建設教學團隊[9]，提升教師團隊的創新教學理念。

二、結論

本文以科研融入教學為切入點，通過設計與教學內容相匹配的科研項目，使單元知識點與科研項目實踐的各環節形成對應關系，從而在教學過程中形成理論和實踐相輔相成、深度嵌入的教學模式，不同的實踐環節構成來了一個完整的科研項目，可以作為課程教學的過程性評價。本文所提的科教融合課程教學設計思路，有助于通過課程教學達到科研育人的目標，也可以擴展應用到其他工科專業的課程教學中。