基于去霧模型的數字圖像處理課程綜合實驗設計及實施

王文成　吳小進　吳萍　何為凱 谷善茂　李東鋒

［摘 要］人工智能相關產業的發展對新工科建設改革提出了新的要求，傳統的數字圖像處理課程基礎實驗教學已難以滿足學生創新能力培養的需要。文章在分析當前該課程實踐教學所存在問題的基礎上，闡述圖像去霧模型的相關理論和將其用于實驗設計的可行性，并以去霧模型為教學案例提出實驗設計的總體思路和準則，從興趣引導、文獻檢索、理論輔導、建模仿真、報告撰寫和效果評價幾個環節介紹綜合性實驗設計的過程性框架，同時提供通用的實驗平臺界面設計方案。多年的教學效果評價表明，該實驗設計不但可以增強學生的實踐能力，還可以引導學生主動了解科技前沿，初步培養學生的科研興趣，為將其培養為有創新能力的應用型人才奠定基礎。

［關鍵詞］數字圖像處理；圖像去霧；實驗平臺；綜合實驗

［中圖分類號］G642.0［文獻標識碼］A［文章編號］2095-3437（2024）07-0060-05

新一代圖像信息處理技術作為當前人工智能和機器人技術發展的關鍵一環，已經逐漸延伸到工農業生產和人類生活的各個領域，為當今社會科技發展和人民生活質量提升帶來革命性的變化。如何結合產業背景和人才需求提高大學生的創新能力，成為各高校在新工科建設過程中面臨的現實問題[1-3]。數字圖像處理課程作為機器視覺感知技術的基礎，已成為各高校電子信息類、自動化類相關專業的必修課程。該課程教學內容涉及面廣、理論性較強，學生不僅要在課堂上掌握基本概念和不同圖像處理方法的工作原理，還需要在實驗室完成獨立的基礎實驗，如圖像增強、圖像運算、圖像濾波、圖像變換等[4-5]。該課程兼具理論性和實用性，其理論基礎直接到影響到圖像處理算法的框架設計和實際應用。然而，在傳統的實驗教學中，學生通常只會利用一些軟件庫調用函數進行驗證性實驗，這種先理論后實驗的教學方式很容易使得理論和實踐分割開來，導致部分學生在完成實驗后只學會了函數的調用，而對算法的實現思路無法理解，實踐能力提高有限[6-7]。因此，只有在教學內容中添加既能深化理論知識又能提高實踐能力的綜合性實驗，才能夠使學生在實驗過程中對理論方法融會貫通，切實提高實踐創新能力。而如何設計出能鍛煉學生綜合應用與創新能力的實驗，成為當前新工科改革發展和教學的當務之急。

針對以上問題，結合當前國內外研究人員關注的單幅圖像去霧這個研究熱點，濰坊學院（以下簡稱我校）對數字圖像處理課程的創新型實驗進行了深入探索和全新設計。本文將以圖像去霧實驗設計和教學應用為例，將當前國內外圖像處理的研究熱點問題引入實踐，通過構建創新型實驗項目的框架，以期為理實一體化綜合性實驗的設計提供參考，從而達到提高學生的理論水平和實踐能力的目的。

一、圖像去霧的實驗原理

近幾年來，國內外學者對單幅圖像的去霧理論和模型進行了深入研究，特別是基于大氣散射機理提出了許多霧霾圖像清晰化方法，取得了豐碩的成果。目前，該問題屬于數字圖像處理應用領域中常見的研究內容，引入其經典理論和算法便于將課程內容由圖像復原向人工智能領域進行拓展。本課題組基于前期的研究成果以及我院對數字圖像處理課程理論學習內容和實驗環節的課時安排，采用最具代表性的方法進行實驗設計。

根據大氣散射理論，景物在霧天環境中的成像模型主要包含物體表面的發射光到達攝像機的衰減過程和大氣光到達攝像機的衰減過程兩部分。這是霧天圖像模糊降質的理論基礎，也是研究者建立圖像衰減模型和求解還原霧霾圖像的重要依據。圖1是大氣散射模型的示意圖，其中帶箭頭的虛線為大氣光。

因此，在機器視覺和數字圖像處理領域中，用來描述霧霾圖像的散射模型表示為：

[I（x）=J（x）t（x）+A（1-t（x））]? ? ? ? ? ? ? ? ? ? ? ? （1）

式中， [x]為空間坐標， [I（x）]為霧霾圖像，[J（x）]為復原后的圖像，[A]為整體大氣光值，[t（x）]為大氣介質的傳輸率。圖像去霧的目的就是從[I（x）]中復原[J（x）]，得到清晰的圖像。

香港中文大學的何凱明等人在分析晴天圖像的像素分布規律的基礎上[8]，將該規律與導致圖像退化的大氣粒子散射理論相結合，提出了暗原色先驗模型（Dark Channel Prior，DCP）。即對于晴天環境下拍攝的無霧圖像，除去天空等高亮度區域，還存在灰度值很低的點，使得[Jdark（x）]趨近于0。其可用公式表示為：

[Jdark（x）=minc∈{r，g，b}（miny∈Ω（x）（Jc（y）））→0]? ? ? ? ? ? （2）

式中，[Jc]是[J]的顏色通道，[Ω（x）]是以[x]為中心的局部鄰域，[Jdark]為計算后的暗原色圖像。

在大氣光[A]已知的條件下，假設[Ω（x）]內的透射率恒定不變，則對（1）式兩邊同時除以[Ac]后進行[minc∈{r，g，b}（miny∈Ω（x）（））]變換，便可根據（2）式得到估計后的透射率[t～（x）]：

[t～（x）=1-minc∈{r，g，b}（miny∈Ω（x）（Ic（y）Ac））]? ? ? ? ? ? ? ? ?（3）

在實際應用中，為了保留一部分殘霧，使圖像具有真實感，引入修正系數[ω（0<ω≤1）]，則（3） 式可以變換為：

[t～（x）=1-ωminc∈{r，g，b}（miny∈Ω（x）（Ic（y）Ac））]? ? ? ? ? ? ? （4）

為了避免透射率圖中可能存在的方塊效應，可采用軟摳圖方法或者引導濾波算法得到平滑的投射率圖[t（x）][8]。

根據大氣散射模型，一旦求出透射率[t（x）]和大氣光[A]，則根據公式（1） 即可復原圖像：

[J（x）=I（x）-Amax（t（x），t0）+A]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（5）

基于DCP的去霧方法是圖像去霧領域的標志性成果，為該領域的研究人員提供了一個全新的思路。

二、教學過程總體設計

為了使學生能夠掌握算法的設計策略，提高其創新性和趣味性，本實驗以實踐驅動為主線，緊扣教學目標，設置了基本模塊和拓展模塊，充分發揮了教師的指導作用和學生的主體作用。實驗過程分課前、課中和課后三個階段，其中課前、課中由學生獨立完成，課后拓展階段由小組合作完成，學生以2～3人為一組，具體設計思路見圖2。

（一）課前預習

首先，學生根據實驗教程完成色彩空間相關理論的學習，了解色彩空間的原理；然后，復習Matlab軟件和Image Processing Toolbox工具箱的使用方法；學習在線課程，利用Matlab基本繪圖指令實現數據的顯示；進行霧霾圖像數據的采集和整理；分析設計任務，完成各模塊任務的方案設計，學習融入課程思政元素的知識點。

（二）課中實操

首先，教師進行實驗預習情況檢查、任務分解與知識點講解，讓學生理解去霧模型，并進行數字化描述，設計代碼；其次，讓學生完成系統整體算法的編程、鏈接和調試，并利用真實霧霾圖像進行實驗，調節參數以獲得不同的結果，記錄數據；最后，鼓勵學生利用不同的方案完成實施，進行效果演示，并進行簡單的提問及答辯。

（三）課后拓展

指導學生開展個人實踐反思，總結實驗過程中的注意事項；鼓勵學生個性化選擇拓展創新任務；要求學生撰寫設計總結報告，通過分組展演答辯方式進行交流與互評，鼓勵學生開通線上通道上傳優秀作品。

三、創新實驗實施過程

我校的大部分學生經過專業課學習，已經掌握了部分圖像處理的基礎理論、C語言和Matlab編程軟件的基礎操作技能，具備了開展綜合性實驗的可行性。雖然對初學者而言，該部分內容具有一定的挑戰性，但只要進行科學的教學環節設計，相信每個學生都可以在教師的指導下通過查閱資料和編程仿真來完成。具體的實驗設計過程見圖3，其中教師主導興趣引導和理論輔導環節，學生主導資料查閱、建模仿真和報告撰寫環節，教師和學生共同主導成績評議環節[9-10]。

（一）興趣引導

綜合性實驗相比常規實驗難度較大，學生在初始階段容易產生畏難情緒，認為自己不可能完成，這就需要教師對其進行信心鼓勵和引導。首先，教師將本課題組所發表的圖像去霧方面的科研論文和相關圖片展示給學生，讓學生體會到能夠完成這些科研成果的教師就在身邊，實驗的開展有教師的指導作保障，從而提高信心；其次，教師將演示程序展示給學生，通過修改參數展示不同的去霧效果，并且與當前學生上課所學的方法進行比較，讓學生明白最新研究成果與課本所學知識的差距，激發學生的學習興趣；最后，結合課程思政內容，講述當前我國在相關領域的突出地位，引導學生組建小組或團隊開展相關活動，激發學生參與教學活動的積極性和主動性。

（二）資料查閱

我校部分學生的資料查閱能力僅僅體現為利用百度搜索引擎進行資料搜索或者登陸一些技術論壇進行交流等，對于利用專業的學術數據庫進行文獻檢索的能力不足，因此需要通過文本資料指導學生鍛煉利用專業數據庫進行文獻檢索的能力。教學所用的中文數據庫主要是中國知網（www.cnki.net），所用的英文數據庫主要是IEEE數據庫（https：//ieeexplore.ieee.org/）。對于數據庫的使用，課題組多年來已經形成了一個圖文并茂的操作指導書，里面詳細描述了如何利用不同的關鍵詞查閱不同的文獻、如何篩選文獻、如何下載和整理文獻，使得學生僅通過該指導書便能夠迅速掌握相關數據庫的使用方法。

（三）理論輔導

為了更好地理解圖像去霧的理論，課題組除了為學生提供論文“Single Image Haze Removal Using Dark Channel Prior”和“Guided Image Filtering”的英文原文，還提供了中文翻譯版，讓學生在課下相互討論，了解論文內容。在此基礎上，教師利用一節課講解相關的理論知識，讓學生充分了解算法研發的動機、算法的工作原理、算法的結構和效果、算法存在的問題，為后面模型的搭建和算法的復現打好理論基礎，避免因為理論認識偏差造成的程序錯誤或實驗結果無效。經過多年的教學實踐我們發現，上述步驟基本可以讓學生掌握基于暗原色先驗的圖像去霧原理，部分學生甚至能夠針對當前算法存在的問題提出有效的改進建議。

（四）建模仿真

建模仿真環節是在理解理論框架的基礎上鍛煉學生對工具軟件的應用能力。在實踐中，課題組主要推薦學生使用Visual Studio和Matlab軟件進行程序設計。鼓勵學生在輸出結果達到預期效果的基礎上通過調整參數加強對算法的理解。結合學生的知識儲備狀況，教師可指導學生從以下角度進行改進，例如修改暗原色先驗算法中的大氣光值、修改濾波器的窗口大小、輸入濃度不同的圖像替換不同功能的濾波器等。對于每次參數的修改都要求學生進行實驗過程記錄，并篩選保存實驗結果。

在這個過程中，教師僅起輔導作用，詳細的優化方案和實施方法都需要學生自行完成，促使學生從模仿學習過渡到主動思考。圖4為大氣光值調節對去霧效果的影響圖，其中（a）為原始圖像，（b）-（f）為不同大氣光值下的輸出結果。學生通過這個環節能夠感受到算法和編程的魅力，主動嘗試調節參數輸出不同的結果。

（五）報告撰寫

為了避免以往實踐報告批閱過程中發現的實驗報告雷同、理論分析不足、圖表格式不規范等問題，本次報告的撰寫要求學生按照中國科技期刊論文的格式完成。在撰寫實驗報告前，安排學生閱讀指定的10篇科技論文，通過標準模板格式介紹科技論文的結構設計、內容要求、數據展示、引文規則等。實驗報告需要在拓展實驗結束一周內提交紙質版，在報告中需要反映的內容如圖5所示，強調實驗報告撰寫的關鍵點及內容結構的完整性、數據真實有效、結論分析夠深入。學生只有完全理解實驗報告的撰寫要求并掌握文本的編輯方法，對實驗過程中出現的問題做出合理的解釋，科學地完成實驗報告，才能在一定程度上避免因內容雷同導致的實驗報告流于形式的情況。

（六）成績評議

結合綜合性創新實驗的實際情況，課題組對相應評價方式進行了改革。將學生實驗的最終成績由傳統的僅靠實驗報告得分，轉變為由小組答辯成績和實驗報告成績兩部分組成，具體如表1所示。

其中，答辯成績占總成績的60%，需要學生提前準備PPT進行答辯，這種小組答辯的方式可以在一定程度上避免學生之間相互依賴的心理，客觀地反映答辯者的真實水平。實驗報告成績占總成績的40%，由教師根據文本文件評定實驗過程的條理性、理論分析的嚴密性和實驗結果的正確性來進行評價。

這種評價方式改變了傳統的依靠單一實驗報告的評價方式，也擯棄了過于強調考勤而導致的“出工不出力”的懶散思維，激發了學生主動學習的熱情，培養了其獨立思考的能力，更促使他們積極參與到探索式學習和工程實踐全過程中。

（七）實驗平臺框架

為了方便課堂教學中的處理效果演示，課題組利用Matlab軟件的App Designer設計了仿真系統，通過在主界面中點擊就可打開相應的子模塊界面。該仿真平臺涉及圖像去霧過程的幾個關鍵步驟，除了允許操作者通過設置參數生成過程性實驗結果，還提供基礎源代碼和設計教程，鼓勵學生根據需要增減測試模塊、調整主界面的結構和完善程序。

四、教學改革效果

該實驗將圖像處理與日常生活、工業實際相結合，通過將理論教學與實驗項目融合在一起，使學生既能理解圖像分析的原理，又能掌握不同算法設計在實際中的應用，以適應應用型工程人才培養的需要。教學過程中，學生表現出濃厚的學習興趣。通過對學生進行的問卷調查表明，學生對該教材的內容和質量非常滿意，學習時注意力集中，學習熱情進一步提升。特別是在近3年的大學生科技競賽中，我校經歷過該實驗教學的部分學生充分領會到數字圖像處理算法在機器視覺方面的重要性，并借助軟件工具實現了各種圖像處理和識別算法，參加了國家級和省級機器人大賽、電子設計大賽、智能制造大賽、智能車競賽等，取得了優異的成績，獲獎數量和質量也大幅度提高，統計數據如圖6所示。

五、結語

針對傳統的數字圖像處理實踐環節難以兼顧理論性和實用性的問題，課題組將前沿的暗原色先驗圖像去霧模型引入實驗，并加以適當簡化，改造為創新型綜合實驗，從興趣引導、文獻檢索、理論輔導、建模仿真、報告撰寫和成績評定幾個環節介紹了綜合性實驗設計的框架，調動了學生學習的積極性，受到了學生的歡迎和好評，取得了較好的教學效果。本實驗設計既可以用在數字圖像處理的課程實驗中，也可以用于學生的專業綜合課程設計。在此基礎上對實驗內容進行拓展和改造，增加理論深度后還可以用于畢業設計環節，這對學生新工科專業人才實踐能力的培養起到了良好的促進作用。

下一步，課題組將編寫專門的綜合性實驗教材，縮短理論教學和實驗教學與工業實際應用之間的距離，讓實驗教學更加完善，以培養學生的創新能力，激發學生的學習興趣，為學生以后的就業打下良好的基礎。

［ 參 考 文 獻 ］

[1］ 李欣，張琪，王蓉.虹膜識別系統綜合實驗設計[J].實驗技術與管理，2021，38（1）：75-77.

[2］ 王文成，李健，王瑞蘭，等.基于Matlab GUI的數字圖像處理仿真平臺設計與開發[J].實驗技術與管理，2019，36（2）：141-144.

[3］ 傅志中，李曉峰，周寧，等.基于問題學習的數字圖像均值濾波器教學研究[J].實驗室研究與探索，2020，39（4）：138-142.

[4］ 羅兵，何周浩，殷政，等.結合工程應用的《數字圖像處理》教學改革[J].教育現代化，2018，5（6）：44-46.

[5］ 于浩.基于MATLAB的數字圖像處理方法與實現研究[J].電子世界，2017（9）：160.

[6］ 趙俊紅.數字圖像處理課程綜合性實驗教學設計：以圖像修復為例[J].黑龍江科學，2021，12（11）：35-37.

[7］ 肖志勇，劉建軍，宋曉寧，等.《數字圖像處理》課程教學改革探索研究[J].教育教學論壇，2017（3）：86-87.

[8］ HE K， SUN J， TANG X. Single image haze removal using dark channel prior[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2011，33（12）： 2341-2353.

[9］ 覃磊，孫開瓊，劉春苔.數字圖像處理綜合性實驗教學案例研究與實現[J].武漢輕工大學學報，2018，37（2）：91-97.

[10］ 龔黎華，朱啟標，周志洪，等.基于Matlab的數字圖像處理綜合設計性實驗[J].實驗技術與管理，2018，35（11）：48-53.

［責任編輯：林志恒］