王玲

摘要：現(xiàn)代教學媒體具有直觀、形象、信息量大的優(yōu)勢，在圖像分割和邊緣檢測的教學中，如果能將視覺媒體和交互媒體應用于此教學過程中，就能創(chuàng)造出良好的教學效果。圖像處理的教學過程需要學生豐富的想象力和創(chuàng)造力對老師和學生都是一個挑戰(zhàn)。使用Matlab豐富的函數(shù)和圖形用戶界面（GUI）就可以輕松的理解圖像處理的概念。本文提出了利用Matlab處理圖像的教學方法，實現(xiàn)了Matlab對圖像分割和邊緣檢測的仿真，仿真結(jié)果表明，直接調(diào)用Matlab豐富的內(nèi)置函數(shù)即可得到仿真結(jié)果，程序編寫簡單，能很好的激發(fā)學生的研究興趣。Matlab 的圖形用戶界面，能讓學生對實驗結(jié)果有一個直觀的了解。Matlab是一個適用于數(shù)字圖像處理的高效的教學仿真工具。

關(guān)鍵詞：圖像處理；Matlab；圖像分割；邊緣檢測；視覺媒體

中圖分類號：TP3 文獻標識碼：A 文章編號：1009-3044（2015）08-0184-03

Abstract： The modern teaching media intuitive advantages image， informative， and in the teaching of image segmentation and edge detection， if the visual media and interactive media can be applied to this teaching process， we can create a good teaching effect. Image processing requires teaching students a rich imagination and creativity of teachers and students is a challenge. Using Matlab functions and rich graphical user interface （GUI） can easily understand the concept of image processing. This paper presents an image processing using Matlab teaching methods to achieve the Matlab simulation image segmentation and edge detection， simulation results show that direct calls Matlab rich built-in functions can be obtained by the simulation results， write a simple program that can well inspire students research interests. Matlab graphical user interface that allows students to experiment results have an intuitive understanding. Matlab is an efficient teaching simulation tool for digital image processing.

Key words： image processing； Matlab； image segmentation； edge detection； visual media

現(xiàn)代教學媒體根據(jù)人接受信息的感官不同，可以分為視覺媒體、聽覺媒體、視聽媒體和交互媒體等[1]。高校教師利用現(xiàn)代教學媒體教學就是一個新的挑戰(zhàn)。

數(shù)字圖像處理是利用圖像復原、去噪、分割、邊緣檢測等技術(shù)對圖像進行處理的過程，現(xiàn)今，數(shù)字圖像處理在日常生活中發(fā)揮著至關(guān)重要的作用，包括醫(yī)療診斷、天氣預報、模式匹配和識別（車牌識別、指紋識別）、工業(yè)工程[2] 、電子商務[3]、通信技術(shù)[4]、交通運輸[5]、遙感和衛(wèi)星圖像處理。中國偉大的哲學家孔子說：“我聽，我忘記了，我看到，我記住了，我做，我理解了”。所以說，結(jié)合視覺媒體和交互媒體方法比單純的理論教學對學生的影響更深刻。數(shù)字圖像處理的概念如果使用視覺媒體和交互媒體的方式教學就很容易理解。Matlab（矩陣實驗室）是美國Mathworks公司推出的集成計算和開發(fā)環(huán)境[6]，具備完善的矩陣和科學計算功能，允許用數(shù)學形式的語言來編寫程序，有相應的函數(shù)支持，一行Matlab代碼通?？梢匀〈鷰仔蠧或C++代碼。Matlab還提供了傳統(tǒng)編程語言的流量控制、錯誤和面向?qū)ο缶幊?。自帶有圖像處理工具箱，其強大的矩陣處理與三維顯示功能，特別適合數(shù)字圖像處理的仿真實驗[7]。Matlab為用戶設(shè)計圖形界面提供了一個高效、方便的集成環(huán)境。這個交互式的圖形用戶界面可以幫助老師讓學生更好地理解圖像處理技術(shù)的概念。本文介紹的圖像分割和邊緣檢測是圖像處理教學中的基礎(chǔ)環(huán)節(jié)，圖像處理的首要任務是對目標區(qū)域進行識別，其次是提取圖像的形狀區(qū)域，在此基礎(chǔ)上對圖像理解分析。數(shù)字圖像的分割和邊緣檢測是目前機器視覺領(lǐng)域廣泛研究的的課題之一。本文中使用Matlab軟件對圖像分割和圖像邊緣檢測做了仿真，仿真實驗的成功能很好的激發(fā)學生學習圖像處理的興趣。

1 圖像分割概念的教學

圖像分割是將圖像中的像素灰度值、輪廓、紋理等原始特性進行提取，圖像分割是圖像理解的基礎(chǔ)，也是進行圖像分析的關(guān)鍵，正確的圖像分割使更高層的圖像理解和圖像分析成為了可能。圖像分割技術(shù)成功的應用于交通路口的電子警察、光學字符識別、指紋識別、機動車牌號識別等領(lǐng)域。圖像分割方法分類[6]見表1。

區(qū)域并行技術(shù)分類中的閾值分割法是通過設(shè)置閾值，把像素點按灰度級分若干類來實現(xiàn)圖像分割的一種方法。根據(jù)分割得到的結(jié)果有二元閾值和多元閾值分割[8]（圖1和圖2）。二元閾值圖像分割將圖像分為兩個區(qū)域即提取的對象和背景區(qū)域，本文圖1顯示了二閾值分割的結(jié)果，在二閾值分割中將灰度值小于100的區(qū)域定義為提取的目標，灰度值大于100的區(qū)域定義為背景區(qū)域。圖2顯示了多閾值圖像分割，將圖像分為三個區(qū)域：像素的灰度強度小于100對應0（黑色），像素的灰度強度大于200對應255（白色），其余的像素灰度值對應150（淺色的灰色），這樣老師講解基于閾值的圖像分割概念時很清晰，學生也比較容易理解和掌握。利用Matlab實現(xiàn)二閾值分割的代碼如下：

圖1顯示了二閾值分割的結(jié)果，圖2顯示了多閾值分割的結(jié)果，利用Matlab實現(xiàn)圖像分割代碼簡單，學生易于理解并掌握，圖像分割結(jié)果中可以看到多閾值分割結(jié)果比單閾值分割結(jié)果更接近于原始圖像，學生可以很容易對分割結(jié)果進行對比分析。

2 圖像邊緣檢測的教學

邊緣檢測是利用物體和背景的灰度、顏色或紋理特征的差異完成的，邊緣是一個區(qū)域的結(jié)束，同時也是另一個區(qū)域的開始，同一區(qū)域內(nèi)的特征一致，不同區(qū)域內(nèi)的特征不同。邊緣檢測的基本思想是首先利用邊緣增強算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強度”，通過設(shè)置閾值的方法提取邊緣點集[9]。邊緣檢測時可將一階導數(shù)的局部極大值和二階導數(shù)的過零點作為相應點的邊界強度，通過設(shè)置門限的方法，提取邊界點集。邊緣檢測是實現(xiàn)圖像分割的基礎(chǔ)，是圖像處理中的重要環(huán)節(jié)。

圖3中（1）顯示了hua.jpg的灰度原始圖像，圖3（2-7）分別顯示了Soble算子、Robherts算子、Prewitt算子、LoG算子、Canny算子和零交叉算子邊緣提取的結(jié)果。從仿真結(jié)果可以看到LoG算子、Canny算子和零交叉算子提取到的邊緣結(jié)果較之其他算子提取到的邊緣結(jié)果更逼真，更多的反映出了花瓣的邊緣細節(jié)。利用Matlab簡單的代碼和直觀逼真的圖像顯示結(jié)果，學生很容易理解邊緣檢測的概念和思想。

3 結(jié)論

本文提出了一種利用Matlab處理數(shù)字圖像概念的有效學習方法，因其編程簡單，結(jié)果直觀，可以讓學生有更多的經(jīng)歷學習更多的知識，可以讓學生拓展思維、獨立思考、創(chuàng)造性學習，可以提高學生自主編程的能力[10]。Matlab提供了豐富的內(nèi)置函數(shù)，比如在進行圖像邊緣檢測時，學生不必花費大量的時間編寫復雜的程序，直接調(diào)用函數(shù)即可得到仿真結(jié)果，對仿真結(jié)果進行對比分析即可得出結(jié)論，學生可以輕松理解和掌握知識。Matlab軟件圖文并茂的處理方法，比如圖像分割的實驗，可以直接得到分割結(jié)果，有助于學生直觀地觀察實驗結(jié)果。這種方法也適用于其它圖像處理過程的教學，有待下一步的研究。

參考文獻：

[1] Asir，A.G.D，Jebamalar，L.E.Competency-Based Calisthenics of Learning Outcomes for Engineering Education. International Journal of Education and Learning，2013，2（1），25-34.

[2] Manian V，Vasquez R，Katiyar P.Texture classification using logical operators[J].Ieee Trans Image Process，2000，9（10）：1693-1703.

[3] Totok A，Karamchenth V.Rdrp：Reward-Driven Request Prioritization for e-Commerce web sites[J].Electronic Commerce Research and Applications，2010（6）；549-561.

[4] 張煜東，王水話，陳書文.基于Matlab的數(shù)字圖像處理教學[J].教育文化論壇，2014（3）：89-91.

[5] 韋耿，夏領(lǐng)梯，張煜東.模式匹配和神經(jīng)網(wǎng)絡法用于車牌識別的比較研究[J].微型電腦應用，2013（9）：6-8.

[6] 陳超.MATLAB應用實例精講[M].北京：電子工業(yè)出版社，211：1-32.

[7] Choy R，Edelman A.Parallel Matlab：Doing it Righ[J].Proceedings of the Ieee，2005（2）：331-341.

[8] 張德豐.數(shù)字圖像處理（MATLAB版）[M].北京：人民郵電出版社，2009：258-270.

[9] 李捷，周石嫻.網(wǎng)絡視頻編碼中的分層技術(shù)[J].計算機工程與應用，2003，35（8）：81-83.

[10] 秦怡，鞏瓊，李根全等.基于Matlab的光學信息安全教學實踐[J].實驗室研究與探索，2013（5）：134-136，163.