数字图像处理课程实践能力培养的教学改革探索

关键词：OBE；实践教学；头歌；虚拟环境

0 引言

在党的二十大报告中，首次提出“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能等一批新的增长引擎”的宏伟蓝图。人工智能已上升为国家战略地位，在此引领下，大学本科教育需要紧跟人工智能发展步伐和多学科交叉融合的发展趋势，培养人工智能时代的工程实践能力强、创新能力好、国际竞争力高的高素质复合型“新工科”人才[1]。

在人工智能的研究领域中，机器视觉作为其最活跃的一个重点方向，其成果在无人驾驶、智慧交通、军事装备、生物医药等诸多领域有广泛应用[2]，而数字图像处理作为机器视觉方向的基础课程，在国内许多高校的信息电子类及其相关学科中均已面向本科生开设，课程对于培养学生的科学研究创新能力和工程实践能力具有重要意义[3]。

2020年以来，伴随着这种混合式教学模式的推广、线上线下的切换、信息化教学平台工具普遍使用，包括学习通、雨课堂、腾讯会议等，在教学过程中，教师将很容易获取大量的教学数据，包括学生日常教学活动（看视频）、作业、测验等，而现行的教学方法中，对这些教学数据一般采用单一的评价方式，比如学习活动占平时成绩10%等，固定化、僵化的比率设置等，这些都制约和限制数据价值的挖掘。另外一方面，在客观上，也造成学生被动学习的习惯的养成，这表现在教学过程的学生评价方式单一、针对性不强，同时对依赖信息化平台固有的功能，如学习通上固定比率设置平时成绩等。

2018年教育部引发《教学信息化2.0行动计划》[4]提出发挥技术来变革传统教学模式，推进新技术与教育教学从融合应用阶段迈入创新发展阶段。大力推进互联网、大数据、人工智能等技术在教学中的应用，探索实施网络化、数字化、智能化、个性化的教学[5]。特别与大数据技术、云计算、人工智能等技术融合创新，多元混合式教学研究创新日益广泛深入，但混合式教学模式多态并存，尚未构建有机统一教学体系与实施框架[6]。

1 问题的提出

在“互联网+”时代的教学实施过程中，多元混合式教学渐渐成为新形态，采用教室课堂讲授、学生自主学习、合作学习、课堂讨论、项目实践、学生分组汇报等多元教学方式，学习通、雨课堂、腾讯课堂、极客学习、头歌等多种网络教学平台、问卷星、在线表格等多型交互式软件工具，不仅仅包括线下线下的混合，还涵盖多种信息化教学方式、平台、工具、方法的混合，特别是与人工智能等技术融合创新，多元混合式教学研究创新日益迫切。已有的混合式教学往往针对理论教学环节，对于课程的实践教学环节，已有的教学方法往往单一和无效，主要存在问题可归纳为三个方面：

1） 重结果轻过程

事实上，大多数的工科专业课程，其实践环节考核主要依赖学生的实验报告或学生课程设计等，通过学生展示实验结果来衡量学生的学习情况，而对学生实验的过程缺乏有效的评价体系，也不能反映在最终的成绩中，往往流于形式。

2） 重理论轻实践

数字图像处理是建立在离散数学、算法与数据结构等基础课程之上的一门实践性极强的专业课程，其涉及多个学科的相关知识，学科交叉繁杂，且新的应用专题持续不断涌现。同时，课程教学内容丰富、算法众多，很多知识点与其他课程都有很深的交叉和重叠，最终的考核往往集中在了解层面。在“以理论考核为主”的指挥棒下，学生会将更多的关注点集中到基础理论知识的了解上，而对如何应用这些理论知识去解决实际问题缺乏足够的兴趣，学生只能停留在知识的浅层，既不可能举一反三，更谈不上自主设计与创新。

3） 缺乏实践考核体系

对学生进行有效的考核，是促进学生主动学习的一个最重要的动力之一，但是现有的考核方法，往往会造成被动学习，表现在实验结果抄袭、实验报告雷同、课程设计流于形式等，也不能真正意义上达到“能者上，庸者下”的考核效果，甚至对学生学习积极性产生一定程度上的打击。

针对以上存在的问题，文章以探索数字图像处理课程实践能力提高为契机，充分利用已有的混合式教学实践平台，通过搭建科学的实验内容和虚拟实验环境，设计相关科学的评价体系，为切实提高学生的动手实践能力服务。

2 实验设计

为了实现对学生实践动手能力有效的提升，在实践教学过程中，对实验内容进行了相关科学的设计。在数字图像处理课程中（如表1） ，实验内容涵盖了数字图像处理的大多数章节，尤其是人工智能领域重点内容之一——特征提取。为了能够有效地评估学生的实验过程，实验环节以通关形式展开，要求学生在规定的时间内，完成相关的实验任务。

形态学实验包含了11个实验任务（如表2） ，学生需要在规定的实验设置中完成任务，每个实验任务未完成均有一次补交的机会，但是补交成绩自动扣除该任务20% 的成绩，督促学生按时完成相关的实验任务。

每个实验任务统计学生的通关时间和通关用时，作为学生成绩的评定的依据，从而促使学生一定程度上能够关注实验过程，学生完成人脸识别实验任务的通关情况如图1所示。

3 方法的探索

3.1 提出的方法

数字图像处理课程涵盖的内容广、知识点多，学生需要通过相关的实验过程来消化课堂教学知识点。本课程选用的教材是冈萨雷斯等人编著《数字图像处理》（第四版），它是国内目前大多数高校选用的最经典的教材之一。在实际教学过程中，存在两个主要问题，一是教材内容过多，叙述过于琐细，很多高校将其作为研究生对应的课程的指定教材。作为本科生很难掌握，尤其是没有相关的实验辅助，很难理解具体知识点；二是内容复杂且晦涩难懂，很多专题具有很强的研究探索性质。同时，由于该教材是由多人翻译的原因，很多章节衔接不够完整，导致课程章节间跳跃性较强；三是实践验证案例缺乏，教材强调理论知识，实践实验内容偏弱，尽管有Matlab版本的教材，但是内容单一，灵活性差，且缺乏具体的实际应用来辅助理解所学知识。

针对以上问题，通过建立完整的理论教学和实践教学体系是提高学生理解课程内容的重要环节，为此，针对教材中前10章，如下图2所示，尝试构建相关的课程教学体系框架图，具体来说，为绝大多数的章节建立相应的实践环节。理论章节分为10个部分，分别是图像处理基础、空间域变换与灰度变换、频率域变换、图像复原与重建、彩色图像处理、图像压缩与水印、小波变换及其他变换、形态学处理、图像分割、特征提取。对应的实验内容有11个，根据实验的性质，11个实验内容分为验证性实验、探索性实验和应用性实验（如图2） 。验证性实验巩固学生理论知识，探索性实验对理论内容扩展，并将理论知识与实际应用结合，应用性实验则是将理论知识运用实际中，包括热门的研究内容视频追踪和人脸识别。

3.2 任务设计

以人脸识别的实践任务为例，人脸识别任务涉及图像特征的提取，特征匹配等知识点，为此，在任务设计中，将具体阐述学生如何开展实验内容和教师如何设计实验内容。如下图3所示，实验内容的设计流程由四个部分组成，即实验基本信息、代码仓库、任务关卡、实验环境。其中，基本信息包括实验任务基本情况的介绍、实验的要求等；代码仓库主要包括代码模板的编写，即缺省关键代码的学生代码，要求学生补全缺省的关键代码，从而实现通关；关键关卡，包括测评设置，通过匹配学生的实验结果和参考答案的结果，完全匹配则通过，否则提示学生结果有误。实验环境是通过学生进行实验的环节，包括实验界面和实验环境，实验界面包括代码编写的界面，实验环境安装了OpenCV软件包。学生通过在设置好的实验环境完成代码编写，通过考核学生的动手能力。

下面以人脸识别的实验任务为例说明实验试剂的过程（如表3） ，该实验包括人脸的位置识别和人脸笑容的标注，提供给用户原始的图像，学生通过编写缺省的关键代码，实现输出的结果。

3.3 教学设计

下面继续以人脸识别实践任务为例，详细阐述课程教学设计的开展过程。在实践课程开始前，教师设计实验任务内容，该例中，有两个任务，即图像中人脸识别和视频中人脸识别。对于任务1，考查学生应用所学知识点，探测出给出图片中所有的人脸的位置、标注所有人脸中的笑脸，由于笑脸是人脸的一个子类，进一步考查学生综合所学知识，实现对人脸和笑脸的检测；对于任务2，考查学生应用相关的知识点对视频中人进行追踪和检测，并用方框全部标注出所有的人体外形，为了便于后期的结果匹配，任务已给定边框的大小和颜色，以便可以快速对结果进行判断。

课程总体的流程安排如图3所示，分为课程前、课程中、课程后三个阶段。课程前，教师对实验任务进行设计，包括文档的设计、代码的设计、结果的判断，其中结果的判断是对学生代码运行结果和参考答案的运行结果进行匹配，完全匹配则反馈给学生通关，否则提示出错，要求学生修改。教师完成任务的设计后，发布实验任务；课程中，教师角色主要是介绍实验的背景知识以及基础理论、实验要求，包括实验完成时间、部分代码解析、实验结果自动判断等，引导学生针对性地学习。学生首先进入头歌平台，在阅读教师事前编写好的任务了解、任务基础知识、任务要求等后，进入虚拟实验环境，查看缺省关键代码的实验过程。学生的主要任务是补全任务缺省代码、测验代码，一直到实验结果与参考结果一致时，系统提示学生通关成功，实验完成。此时平台将记录学生通关时间、通关质量、通关排名等基础信息，为后期对学生的学习行为进行分析提供数据支撑；课程后，学生可以继续完成，为了鼓励学生通过课上完成实验，对于课上完成的同学予以加分，课后超时完成的同学补交实验将予以扣分，从而促使学生积极完成实验任务。

教师角色和学生角色任务完成流程图（如图4） ，教师在实验任务截至后，对学生完成的任务结果进行评定，如果没有通关，则该学生实验为无效实验，以0 分记录，对于通关的实验，查看是否有效，主要包括是否在规定的时间完成，是否属于补交实验，对于规定的时间完成的实验任务，实验任务通过，以100分记录学生成绩，相应的，补交的实验任务，则需要扣除相应成绩。

学生完成实验后，需要根据任务要求，完成相应的实验报告撰写和提交，实验代码部分则不需要提交。通过实践教学环节的开展，可以在一定程度上，有效地遏制学生抄袭代码、杜撰实验结果等行为，督促学生独立完成实验任务，切实提高学生的动手实践能力。

4 结论

数字图像处理课程教学存在很多难点，如教学内容多、实践教学难，文章提出了教学实践改革的初步探索。经过两年的实际教学对比，取得了一定实际效果。如下表4所示，对近两年的教学效果进行对比后发现，2023年采用了文章提出的方法，从结果来看，实验平均得分有了一定的提高，学生实验完成率得到显著的提高。从实验完成情况来看，由于设置了通关的任务，实验针对性更强，实验完全情况得到显著的改善。尽管如此，方法还需更长的教学实践过程来验证，此外，它仍有一定的改进的空间，包括内容需进一步合理化，课程的理论课程仍旧有一部分课程没有对应的实验，如小波变换；实验设计需更合理，实验任务整体难度不高，综合应用所学知识驱动力不足，需要在接下来的后续教学实践中，进行深入总结和探索。为此，未来将通过与更多的实际应用有机结合，设计出更多、更复杂的实验任务，使得数字图像处理实践教学具有更强的启发性和创造性，助力课程实践教学改革。