《数字图像处理》课程大纲一、课程名称：数字图像处理二、课程性质：选修、专业课三、学时与学分：24学时（16理论+8实验），1.5学分四、课程先导课：C语言程序设计，高等数学，数据结构，数字信号处理等。五、课程简介《数字图像处理》是一门理论方法和编程实践紧密结合的课程。在人们获取的信息中，有80%以上来自于图像。《数字图像处理》具有很强的实用性和应用性，越来越多的领域（如互联网、智能交通、视频监控、安全检测、手机应用、军事和医疗等）都涉及到图像处理的技术，越来越多的公司和机构正在从事图像处理的应用研究和开发。因此，学习这门课程，不仅能直接拓宽学生的就业机会、提高就业竞争力和科研能力，而且对培养学生解决复杂工程问题的能力、培养学生的创新思维和严谨的逻辑思维能力、提高学生的编程能力，有着重要的作用。六、课程目标通过本课程的教学活动，帮助学生掌握图像处理的基本方法，使学生具备解决简单的图像处理应用问题的能力，培养学生解决复杂工程问题的能力和科研能力。课程的具体目标包括目标1：掌握图像处理的基本理论方法，了解图像处理技术的快速发展，为学生毕业后从事与图像处理领域相关的科研工作打下基础。目标2：理解常用的图像处理软件（如Photoshop、ACDSee等）的实现原理。目标3：培养学生分析和解决图像处理应用问题的能力。七、课程目标对毕业要求的支撑关系支撑的毕业要求二级指标点对应课程目标12.1能认识到计算机技术日新月异的发展特点，认同自主学习目标1和终身学习的必要性。12.2具备自主学习能力，能通过多种途径拓展自己的知识和能目标2力，包括理解能力、归纳总结能力和提出问题的能力等。1.2能针对计算机复杂工程问题的具体对象进行建模和求解。目标3
《数字图像处理》课程大纲 一、课程名称：数字图像处理 二、课程性质：选修、专业课 三、学时与学分：24 学时（16 理论+8 实验），1.5 学分 四、课程先导课：C 语言程序设计，高等数学，数据结构，数字信号处理等。 五、课程简介 《数字图像处理》是一门理论方法和编程实践紧密结合的课程。在人们获取 的信息中，有 80%以上来自于图像。《数字图像处理》具有很强的实用性和应用 性，越来越多的领域（如互联网、智能交通、视频监控、安全检测、手机应用、 军事和医疗等）都涉及到图像处理的技术，越来越多的公司和机构正在从事图像 处理的应用研究和开发。因此，学习这门课程，不仅能直接拓宽学生的就业机会、 提高就业竞争力和科研能力，而且对培养学生解决复杂工程问题的能力、培养学 生的创新思维和严谨的逻辑思维能力、提高学生的编程能力，有着重要的作用。 六、课程目标 通过本课程的教学活动，帮助学生掌握图像处理的基本方法，使学生具备解 决简单的图像处理应用问题的能力，培养学生解决复杂工程问题的能力和科研能 力。课程的具体目标包括： 目标 1：掌握图像处理的基本理论方法，了解图像处理技术的快速发展，为 学生毕业后从事与图像处理领域相关的科研工作打下基础。 目标 2：理解常用的图像处理软件（如 Photoshop、ACDSee 等）的实现原 理。 目标 3：培养学生分析和解决图像处理应用问题的能力。 七、课程目标对毕业要求的支撑关系 支撑的毕业要求二级指标点 对应课程目标 12.1 能认识到计算机技术日新月异的发展特点，认同自主学习 和终身学习的必要性。 目标 1 12.2 具备自主学习能力，能通过多种途径拓展自己的知识和能 力，包括理解能力、归纳总结能力和提出问题的能力等。 目标 2 1.2 能针对计算机复杂工程问题的具体对象进行建模和求解。 目标 3
八、教学设计及对课程自标的支持本课程教学包括理论教学和实验教学2个部分。第1章图像处理基础1.教学目标1）了解图像的表示方法2）熟悉BMP文件格式3）掌握图像处理算法的开发环境和流程2.教学重点1）颜色空间的变换和应用场景2）BMP文件的读写3.教学难点1）理解图像像素值代表的意义2）理解颜色空间4.教学环节设计围绕教学重点和教学难点，综合课堂讨论、随堂作业、课后阅读等教学形式。1）课堂讨论围绕颜色空间的应用场景问题进行讨论。2）课堂作业从缓冲区中读取图像相关的信息。3）课后文献阅读：阅读参考资料中关于BMP文件结构的内容。第2章图像变换1.教学目标1）掌握图像几何变换的原理和方法2）理解图像的Fourier变换2.教学重点1）图像缩放技术2）理解Fourier变换
八、教学设计及对课程目标的支持 本课程教学包括理论教学和实验教学 2 个部分。 第 1 章 图像处理基础 1.教学目标 1）了解图像的表示方法 2）熟悉 BMP 文件格式 3）掌握图像处理算法的开发环境和流程 2.教学重点 1）颜色空间的变换和应用场景 2）BMP 文件的读写 3.教学难点 1）理解图像像素值代表的意义 2）理解颜色空间 4.教学环节设计 围绕教学重点和教学难点，综合课堂讨论、随堂作业、课后阅读等教学形式。 1）课堂讨论 围绕颜色空间的应用场景问题进行讨论。 2）课堂作业 从缓冲区中读取图像相关的信息。 3）课后文献阅读：阅读参考资料中关于 BMP 文件结构的内容。 第 2 章 图像变换 1.教学目标 1）掌握图像几何变换的原理和方法 2）理解图像的 Fourier 变换 2.教学重点 1）图像缩放技术 2）理解 Fourier 变换
3.教学难点1）双线性图像插值技术2）Fourier变换的实现4.教学环节设计围绕教学重点和教学难点，综合课堂讨论、随堂作业、课后阅读等教学形式。1）课堂讨论围绕图像插值技术和Fourier变换等问题展开。2）课堂作业实现图像缩放。3）课后文献阅读：阅读参考资料中快速Fourier变换的原理。第3章图像增强1.教学目标1）掌握图像的线性增强、直方图均衡化和规定化2）掌握简单的图像平滑技术3）掌握简单的图像锐化方法4）掌握亮度和对比度调节的原理5）了解频域增强的方法2.教学重点1）直方图均衡化2）高斯平滑技术3）基于梯度的锐化、基于二阶微分的锐化、基于局部统计信息的锐化4）亮度和对比度调节的原理3.教学难点1）高斯函数的离散化2）图像锐化的原理和本质4.教学环节设计围绕教学重点和教学难点，综合课堂讨论、随堂作业、课后练习等教学形式
3.教学难点 1）双线性图像插值技术 2）Fourier 变换的实现 4.教学环节设计 围绕教学重点和教学难点，综合课堂讨论、随堂作业、课后阅读等教学形式。 1）课堂讨论 围绕图像插值技术和 Fourier 变换等问题展开。 2）课堂作业 实现图像缩放。 3）课后文献阅读：阅读参考资料中快速 Fourier 变换的原理。 第 3 章 图像增强 1.教学目标 1）掌握图像的线性增强、直方图均衡化和规定化 2）掌握简单的图像平滑技术 3）掌握简单的图像锐化方法 4）掌握亮度和对比度调节的原理 5）了解频域增强的方法 2.教学重点 1）直方图均衡化 2）高斯平滑技术 3）基于梯度的锐化、基于二阶微分的锐化、基于局部统计信息的锐化 4）亮度和对比度调节的原理 3.教学难点 1）高斯函数的离散化 2）图像锐化的原理和本质 4.教学环节设计 围绕教学重点和教学难点，综合课堂讨论、随堂作业、课后练习等教学形式
1）课堂讨论围绕高斯函数离散化和图像锐化原理进行讨论。2）课堂作业直方图均衡化。3）课后练习：将高斯函数数字化为卷积核，并用于图像平滑。第4章图像滤波与去噪1.教学目标1）掌握脉冲噪声的去除方法2）掌握高斯噪声的去除方法2.教学重点1）中值滤波2）高斯滤波、双边滤波、NLM算法3.教学难点1）加权的中值滤波2）双边滤波和NLM算法的实现4.教学环节设计围绕教学重点和教学难点，综合课堂讨论、随堂作业、课后练习等教学形式。1）课堂讨论围绕高斯函数离散化和图像锐化原理进行讨论。2）课堂作业直方图均衡化。3）课后练习：阅读BM3D的原始论文，运行BM3D算法并观察去噪效果。4）课外思考：（1）在一个局部邻域内（如3x3窗口）：考虑一个像素到邻域内其他所有像素的距离和。那么，中值像素具有什么特性?(2)如何实现彩色图像的中值滤波
1）课堂讨论 围绕高斯函数离散化和图像锐化原理进行讨论。 2）课堂作业 直方图均衡化。 3）课后练习：将高斯函数数字化为卷积核，并用于图像平滑。 第 4 章 图像滤波与去噪 1.教学目标 1）掌握脉冲噪声的去除方法 2）掌握高斯噪声的去除方法 2.教学重点 1）中值滤波 2）高斯滤波、双边滤波、NLM 算法 3.教学难点 1）加权的中值滤波 2）双边滤波和 NLM 算法的实现 4.教学环节设计 围绕教学重点和教学难点，综合课堂讨论、随堂作业、课后练习等教学形式。 1）课堂讨论 围绕高斯函数离散化和图像锐化原理进行讨论。 2）课堂作业 直方图均衡化。 3）课后练习：阅读 BM3D 的原始论文，运行 BM3D 算法并观察去噪效果。 4）课外思考：(1)在一个局部邻域内（如 3x3 窗口），考虑一个像素到邻域 内其他所有像素的距离和。那么，中值像素具有什么特 性？ (2)如何实现彩色图像的中值滤波
第5章图像边缘检测1.教学目标1）理解图像边缘的表现形式2）掌握基于梯度的边缘检测方法3）掌握基于二阶微分的边缘检测方法4）掌握Canny边缘算子2.教学重点1）图像梯度的计算方法2）Laplacian算子3）Canny边缘算子的原理3.教学难点1）图像微分算子的离散化2）二阶微分图像的零交叉点检测3）梯度模图像的局部极大值点检测4.教学环节设计围绕教学重点和教学难点，综合课堂讨论和课后练习等教学形式。1）课堂讨论梯度模局部极大值点和二阶微分的零交叉点检测进行讨论。2）课后练习：（1)阅读Canny算子的原始论文。(2)推导出一种图像梯度的计算方法。第6章图像分割1.教学目标1）了解阐值分割技术2）了解基于聚类的分割方法3）了解基于区域的分割方法2.教学重点1）K-means算法
第 5 章 图像边缘检测 1.教学目标 1）理解图像边缘的表现形式 2）掌握基于梯度的边缘检测方法 3）掌握基于二阶微分的边缘检测方法 4）掌握 Canny 边缘算子 2.教学重点 1）图像梯度的计算方法 2）Laplacian 算子 3）Canny 边缘算子的原理 3.教学难点 1）图像微分算子的离散化 2）二阶微分图像的零交叉点检测 3）梯度模图像的局部极大值点检测 4.教学环节设计 围绕教学重点和教学难点，综合课堂讨论和课后练习等教学形式。 1）课堂讨论 梯度模局部极大值点和二阶微分的零交叉点检测进行讨论。 2）课后练习：(1)阅读 Canny 算子的原始论文。 (2)推导出一种图像梯度的计算方法。 第 6 章 图像分割 1.教学目标 1）了解阈值分割技术 2）了解基于聚类的分割方法 3）了解基于区域的分割方法 2.教学重点 1）K-means 算法
2）FCM（模糊C均值）算法3）分水岭算法4）区域分裂和合并3.教学难点1）Otsu阅值计算2）区域的相似度测量4.教学环节设计围绕教学重点和教学难点进行教学活动。实验教学：实验教学8学时，需要使用C或C++语言，编程完成一个简单的图像处理系统。主要包括：(1)BMP图像数据的读取和保存(2)读取和设置图像像素的值(3）最邻近和双线性图像插值方法(4)中值滤波(5)高斯平滑(6)直方图均衡化(7)基于梯度的锐化(8)双边滤波(9)Canny边缘算子（10）专题应用：手机低照度图像增强（选做）九、教与学1.教学方法本课程的教学过程中将采用PBL（基于项目和基于问题）教学方法，充分调动学生的学习积极性，实施课内和课外相结合的学习方式，体现研究性学习，提高学习效果。开展文献阅读与讨论，让学生了解本课程在学科发展中的地位以及前沿发展趋势。针对图像处理中实际应用问题，研究其解决方法。主要的教学环
2）FCM（模糊 C 均值）算法 3）分水岭算法 4）区域分裂和合并 3.教学难点 1）Otsu 阈值计算 2）区域的相似度测量 4.教学环节设计 围绕教学重点和教学难点进行教学活动。 实验教学： 实验教学 8 学时，需要使用 C 或 C++语言，编程完成一个简单的图像处理系统。 主要包括： (1)BMP 图像数据的读取和保存 (2)读取和设置图像像素的值 (3)最邻近和双线性图像插值方法 (4)中值滤波 (5)高斯平滑 (6)直方图均衡化 (7)基于梯度的锐化 (8)双边滤波 (9)Canny 边缘算子 (10)专题应用：手机低照度图像增强（选做） 九、教与学 1.教学方法 本课程的教学过程中将采用 PBL（基于项目和基于问题）教学方法，充分调 动学生的学习积极性，实施课内和课外相结合的学习方式，体现研究性学习，提 高学习效果。开展文献阅读与讨论，让学生了解本课程在学科发展中的地位以及 前沿发展趋势。针对图像处理中实际应用问题，研究其解决方法。主要的教学环
节包括课堂授课、课堂作业、课外实践、课程实验、专题讨论等。本课程的教学与学习过程中，要坚持理论与实践相结合的方法。首先，要将"C/C++语言程序设计"“高等数学”“数据结构"“数字信号处理"等课程有机结合起来，为图像处理的基本理论和方法提供必要的基础；其次，坚持理论和实践相结合的教学方法，结合“高等数学”“数据结构"等的知识，用C/C++编程实现图像处理中的基本算法，从而提高学生的编程能力；再次，坚持理论方法和应用专题相结合的原则，利用所学到的理论方法去解决图像处理中实际的应用问题，从而提高学生的学习兴趣和科研能力、拓宽学生的就业机会，同时，在教学过程中，利用所学的知识，解释目前流行的图像处理软件的实现原理，从而拓展学生的知识视野。在教学过程中，要始终基于图像处理应用性强的特点，利用学到的理论和方法来解决实际问题。关于PBL教学案例的设计可根据不同专业、不同培养模式以及学生的不同需求进行调整。下面给出两个PBL示例。PBL案例1：智能防盗监控。在被监控的房间安装摄像头并连接到电脑，在电脑上编程对图像进行监控和分析：如果发现异常则利用网络将异常的图像发到主人手机或自动报警。如果想进一步提高性能，则可进行人脸识别：如果是熟人进入则不报警，若是陌生人进来则报警并发送现场视频到主人手机中。PBL案例2：手机图像增强。人们经常利用手机进行拍照，可是在光线不好场景进行拍摄时（如晚上拍照），拍摄的图像往往质量较差，照片偏暗且会出现很多麻点，我们可以编程对这些图像进行增强处理，从而提高视觉质量。好的增强方法对手机制造商是非常重要的。2.学习方法本课程是一门理论方法和编程实践紧密结合的课程。在学习过程中，首先要掌握图像处理的基本方法，深刻理解每个算法的原理，思考常用图像处理软件（如Photoshop、ACDSee等）的实现原理；其次，要了解每个图像处理算法的编程步骤，并进行编程实现，从多个方面测试算法的效果。学生要积极参与课堂讨论，思考如何去解决实际的图像处理应用问题。例如在实际应用中，存在很多模糊、低照度/黑暗、低清晰度/低对比度的图像，如何
节包括课堂授课、课堂作业、课外实践、课程实验、专题讨论等。 本课程的教学与学习过程中，要坚持理论与实践相结合的方法。首先，要将 “C/ C++语言程序设计”、“高等数学”、“数据结构”、“数字信号处理”等课程有机结合起 来，为图像处理的基本理论和方法提供必要的基础；其次，坚持理论和实践相结 合的教学方法，结合“高等数学”、“数据结构”等的知识，用 C/C++编程实现图像处 理中的基本算法，从而提高学生的编程能力；再次，坚持理论方法和应用专题相 结合的原则，利用所学到的理论方法去解决图像处理中实际的应用问题，从而提 高学生的学习兴趣和科研能力、拓宽学生的就业机会；同时，在教学过程中，利 用所学的知识，解释目前流行的图像处理软件的实现原理，从而拓展学生的知识 视野。 在教学过程中，要始终基于图像处理应用性强的特点，利用学到的理论和方 法来解决实际问题。关于 PBL 教学案例的设计可根据不同专业、不同培养模式以 及学生的不同需求进行调整。下面给出两个 PBL 示例。 PBL 案例 1：智能防盗监控。在被监控的房间安装摄像头并连接到电脑，在 电脑上编程对图像进行监控和分析：如果发现异常则利用网络将异常的图像发到 主人手机或自动报警。如果想进一步提高性能，则可进行人脸识别：如果是熟人 进入则不报警，若是陌生人进来则报警并发送现场视频到主人手机中。 PBL 案例 2：手机图像增强。人们经常利用手机进行拍照，可是在光线不好 场景进行拍摄时（如晚上拍照），拍摄的图像往往质量较差，照片偏暗且会出现 很多麻点，我们可以编程对这些图像进行增强处理，从而提高视觉质量。好的增 强方法对手机制造商是非常重要的。 2.学习方法 本课程是一门理论方法和编程实践紧密结合的课程。在学习过程中，首先要 掌握图像处理的基本方法，深刻理解每个算法的原理，思考常用图像处理软件（如 Photoshop、ACDSee 等）的实现原理；其次，要了解每个图像处理算法的编程 步骤，并进行编程实现，从多个方面测试算法的效果。 学生要积极参与课堂讨论，思考如何去解决实际的图像处理应用问题。例如， 在实际应用中，存在很多模糊、低照度/黑暗、低清晰度/低对比度的图像，如何
去增强这些图像具有重要的应用价值。通过专题应用和编程实验，训练学生发现问题、分析问题和解决问题的能力，学会通过共享资源平台和网络资源，从不同角度理解知识，获取其他学习者分享的学习经验。十、学时分配序号主要内容学时分配1第1章图像处理基础222第2章图像变换34第3章图像增强44第4章图像滤波与去噪53第5章图像边缘检测61第6章图像分割7实验8总计24十一、课程考核与成绩评定1.课程成绩构成课程最终成绩由课堂考勤、课堂练习与测验、实验成绩综合而成，各部分成绩的比例如下1)课堂考勤：10%。考察课堂出勤情况。2)课堂练习与测验：40%。引导学生认真掌握当前课堂的教学内容、复习和巩固已经讲授的内容，思考和解决一些简单的问题。主要考察学生对已经讲授的图像处理方法的理解程度。3)实验成绩：50%。主要考核学生对基本的图像处理算法的理解程度、编程实现的能力、以及解决实际图像处理应用问题的能力，是对学生学习情况的全面检验。实验成绩由实验出勤、实验完成情况、实验报告3个部分组成。课程考核成绩评定如表1所示。表1数字图像处理课程考核与成绩评定考核与评价方式及成绩比例（约）课程目标毕业要求课堂考勤课堂练习与测验实验成绩311010毕业要求12.1
去增强这些图像具有重要的应用价值。通过专题应用和编程实验，训练学生发现 问题、分析问题和解决问题的能力；学会通过共享资源平台和网络资源，从不同 角度理解知识，获取其他学习者分享的学习经验。 十、学时分配 序号 主要内容 学时分配 1 第 1 章 图像处理基础 2 2 第 2 章 图像变换 2 3 第 3 章 图像增强 4 4 第 4 章 图像滤波与去噪 4 5 第 5 章 图像边缘检测 3 6 第 6 章 图像分割 1 7 实验 8 总计 24 十一、课程考核与成绩评定 1.课程成绩构成 课程最终成绩由课堂考勤、课堂练习与测验、实验成绩综合而成，各部分成 绩的比例如下： 1)课堂考勤：10%。考察课堂出勤情况。 2)课堂练习与测验：40%。引导学生认真掌握当前课堂的教学内容、复习和 巩固已经讲授的内容，思考和解决一些简单的问题。主要考察学生对已经讲授的 图像处理方法的理解程度。 3)实验成绩：50%。主要考核学生对基本的图像处理算法的理解程度、编程 实现的能力、以及解决实际图像处理应用问题的能力，是对学生学习情况的全面 检验。实验成绩由实验出勤、实验完成情况、实验报告 3 个部分组成。 课程考核成绩评定如表 1 所示。 表 1 数字图像处理课程考核与成绩评定 课程目标 毕业要求 考核与评价方式及成绩比例（约） 课堂考勤 课堂练习与测验 实验成绩 1 毕业要求 12.1 3 10 10
23毕业要求12.21010343020毕业要求1.22.考核与评价标准1)课堂考勤成绩考核与评价标准根据课堂出勤次数进行评定。2)课堂练习与测验成绩考核与评价标准表2课堂练习与测验考核与成绩评定标准评价标准优秀良好及格不及格按时提交练习/测按时提交练习/测按时提交练习/测未按时提交练习/验，结果正确（有细验，大多数结果正验，结果基本正确，测验，多数结果不小错误），分析充分，确，分析比较充分，分析不够充分，论正确，论述不清晰。论述清晰。论述清晰。述基本清晰。3)实验成绩考核与评价标准实验成绩根据实验出勤（10%）、实验完成情况（40%）、实验报告（50%）3个部分进行评定。表3实验考核与成绩评定标准评价标准优秀良好及格不及格正确完成了所有完成了各项功正确完成了50%大部分功能没有的功能（有细小能，但存在一些以上的功能，并正确完成，或者实验完成情况错误），在规定错误，在规定时在规定时间进行没有在规定的时时间通过检查。间通过检查。检查。间进行检查。实验报告撰写规实验报告撰写比实验报告撰写不实验报告撰写不范，格式严整，较规范，表述较太规范，文字表规范，表述不清实验报告表述清楚，层次为清楚，允许结达尚可，结论/楚，多数结论/分明，结论/结果论/结果存在个结果基本正确。结果不正确。正确。别错误。十二、教材及推荐参考书1.教材张毓晋，图像工程（上）图像处理，第4版，清华大学出版社，2018
2 毕业要求 12.2 3 10 10 3 毕业要求 1.2 4 20 30 2.考核与评价标准 1)课堂考勤成绩考核与评价标准 根据课堂出勤次数进行评定。 2)课堂练习与测验成绩考核与评价标准 表 2 课堂练习与测验考核与成绩评定标准 评价标准 优秀 良好 及格 不及格 按 时提 交练 习/测 验，结果正确（有细 小错误），分析充分， 论述清晰。 按时提交练习/测 验，大多数结果正 确，分析比较充分， 论述清晰。 按时提交练习/测 验，结果基本正确， 分析不够充分，论 述基本清晰。 未按时提交练习/ 测验，多数结果不 正确，论述不清晰。 3)实验成绩考核与评价标准 实验成绩根据实验出勤（10%）、实验完成情况（40%）、实验报告（50%）3 个部分进行评定。 表 3 实验考核与成绩评定标准 评价标准 优秀 良好 及格 不及格 实验完成情况 正确完成了所有 的功能（有细小 错误），在规定 时间通过检查。 完 成 了 各 项 功 能，但存在一些 错误，在规定时 间通过检查。 正确完成了 50% 以上的功能，并 在规定时间进行 检查。 大部分功能没有 正确完成，或者 没有在规定的时 间进行检查。 实验报告 实验报告撰写规 范，格式严整， 表述清楚，层次 分明，结论/结果 正确。 实验报告撰写比 较规范，表述较 为清楚，允许结 论/结果存在个 别错误。 实验报告撰写不 太规范，文字表 达尚可，结论/ 结果基本正确。 实验报告撰写不 规范，表述不清 楚，多数结论/ 结果不正确。 十二、教材及推荐参考书 1.教材 张毓晋, 图像工程（上）图像处理，第 4 版，清华大学出版社, 2018
2.推荐参考书[1]】WilliamK.Pratt，数字图像处理，邓鲁华等译，机械工业出版社，2005[2]刘瑞祯，于仕琪，OpenCV教程，北京航空航天大学出版社，20073.课外阅读文献[i]GrayR.Bradski,VadimPisarevsky, Open Source ComputerVisionLibrary,Springer-Verlag New York Inc,2004 or latter.[2] Rader C M.Discrete Fourier transforms when the number of datasamples is prime.Proceedings oftheIEEE.1968,56(6):1107-1108.[3] DabovK, Foi A, Katkovnik V,Egiazarian K,Image denoising bysparse 3-D transform domain collaborative filtering,IEEETransactions onImageProcess,2007,16(8):2080-2095.[4] He K, Sun J, Tang X. Single image haze removal using dark channelprior.CVPR,2009，pp.1956-1963.[5]CannyJF.A computational approach to edge detection,IEEETransactions on Pattern Analysis and Machine Intelligence, 19868(6) : 679 - 698.[6]http:/ /www.opencv.org.cn[7]http://www.intel.com/technology/computing/opencv/[8]http://sourceforge.net/projects/opencvlibrary/数字图像处理课程组2015年6月制定2021年5月修订
2.推荐参考书 [1] William K. Pratt, 数字图像处理, 邓鲁华等译, 机械工业出版社, 2005 [2] 刘瑞祯,于仕琪, OpenCV 教程, 北京航空航天大学出版社, 2007 3. 课外阅读文献 [1] Gray R. Bradski, Vadim Pisarevsky, Open Source Computer Vision Library, Springer-Verlag New York Inc, 2004 or latter. [2] Rader C M. Discrete Fourier transforms when the number of data samples is prime. Proceedings of the IEEE. 1968, 56(6): 1107-1108. [3] Dabov K, Foi A, Katkovnik V, Egiazarian K, Image denoising by sparse 3-D transform domain collaborative filtering, IEEE Transactions on Image Process, 2007, 16(8): 2080–2095. [4] He K, Sun J, Tang X. Single image haze removal using dark channel prior. CVPR, 2009, pp. 1956-1963. [5] Canny J F. A computational approach to edge detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, 8(6): 679–698. [6] http://www.opencv.org.cn [7] http://www.intel.com/technology/computing/opencv/ [8] http://sourceforge.net/projects/opencvlibrary/ 数字图像处理课程组 2015 年 6 月制定 2021 年 5 月修订