matlab图像降噪_疫情期间图像处理自学指南

数字图像处理简介
这门课程有如下几个特点：
第一、实用性极强
关于这一点不需要我多说大家也可以非常清楚地看到，在目前的各种应用中（人脸识别、指纹识别、视觉目标跟踪、图像压缩、3D图像重构等等）都需要基础的图像处理知识和技能，尤其是在深度学习的加持下，图像处理更加如虎添翼（比如自动驾驶、虚拟现实、空间导航等等举不胜举），将来就业和深造前景广阔。
第二、操作性极强
这是一门理论知识和实际操作都要求极强的课程，针对图像处理中的实际问题，我们首先要掌握其基本的知识和思维脉络，然后还要能够利用现有软件进行代码编程，可以说“想法”和“代码”缺一不可。
第三、研究层次强
图像处理横向分为三个研究的层次，第一层为low level图像进图像出，比如图像降噪、图像复原；第二层次为middle level 图像进特征出，比如图像特征提取、图像分割；第三层次为high level 图像进决策出，比如图像识别、视觉跟踪等。
图像处理纵向，也就是针对特定问题的处理方法上，也分为三个层次：传统代数方法、统计推断方法和深度学习方法，这些方法我们会在课堂上详细讨论。对这些方法的掌握，我们从传统方法开始，循序渐进地一步一个脚印地前进。
第四、教材网站多
目前的教材粗略统计不下100种，图像处理专题网站更是多如牛毛，这极大地丰富了大家自学的资源，但同时大家在学习是也会“乱花渐欲迷人眼”，知识点讨论范围不知道从何下手，往往“浅草就能没马蹄”让你迷失方向。针对这一点我们的策略是8个字：选定问题，穷追不舍。比如选定“图像特征提取”这个研究问题，我们将始终围绕这一问题深入讨论：特征提取问题的本质、方法的思维脉络、程序算法的构造、实际应用的范围，甚至国际国内研究的最新成果和洞见等等。

疫情期间图像处理课程的时间安排

我们的课程从3月10日发布的知乎短文“传统图像处理还有前景吗？”开始逐渐进入开课前的预热阶段（3月10日到4月10日），这一阶段我们将重点讨论图像处理所需要的数学基础知识以及未来图像处理、计算机视觉、机器学习、人工智能等方向的就业前景和展望，简单说就是课程开始前先讨论“数字图像处理”课程的“基础”和“就业”情况。

第二阶段为实验平台搭建阶段(4月11日到5月10日)，这一阶段主要讨论在课程中所使用的软件（比如python和matlab），大家可以在这一阶段重点解决“工具”的问题。古语云“工欲善其事，必先利其器”，图像处理的“器”就是编程工具，我们重点讨论常用的这两款，尤其是python，就业前景十分广阔，掌握这一工具十分必要。

第三阶段就是实际上课阶段（5月11到6月10日），这一阶段估计疫情会有很大的缓解，大家返校到课堂来学习将会是大概率事件，我们将会在课堂上利用多媒体手段详细讨论图像处理的基本问题，比如图像特征提取、图像降噪、图像插值、图像复原、图像分割、图像识别、视觉跟踪等七大问题。

更重要的是，在前两个阶段（3月10到5月10上课前），我们将会不定时地把这七大问题的相关资料和知识以及重要的网站提供给大家，我们的学习也将从3月10日第一篇知乎博文正式开始吧，等到走进课堂的时候，大家已经不再是图像处理的小白了，我们将能够面对面讨论具体的问题，甚至还可以深入讨论，这是提前两个月预热学习的最大回报。

鉴于以上考虑，我们将在最后成绩考评中，作为平时成绩，重点参考大家在预热和平台阶段的学习过程、学习效果和群讨论的参与程度。同时课堂学习中，我们也会鼓励大家把预热和平台阶段的学习成果拿出来和大家分享和讨论，在平时成绩中也会侧重考虑。希望大家抓住这两个月的黄金时间，在群讨论中积极举手发言，积极跟贴每一个知识点，积极讨论我们发起的每一个图像处理的话题。。。。，你的每一讨论，每一次发言，每一次共享图像处理有用的信息，每一次展示自己学习的效果，甚至每一次问题的提出等等。。。。，都会成为你未来课程考评打分的依据。

另外，本课程的考评依据和其他课程一样，主要分为三大块：

第一、平时成绩（40%）（包括针对图像处理课程的信息分享、群讨论、问题提出与课堂讨论、课程作业）；

第二、实验成绩（20%）（包括上机实验的指定内容、自学自选的兴趣内容、参加项目的提高内容等）；

第三、卷面成绩（40%）（本课程为必修课，按规定必修参加笔试）；

第四、创新鼓励成绩（鼓励大家积极学习最新的图像处理技巧和应用，具体成绩将会体现在平时成绩中。）

祝大家学习生活越快！