PAGE10
PAGE10
PAGE11
PAGE11
课题
形状识别
课时
18课时（810min）
教学目标
知识目标：
（1）理解图像梯度的概念。
（2）掌握图像梯度的计算方法。
（3）掌握Canny边缘检测算法的主要步骤。
（4）了解图像轮廓的概念。
（5）了解霍夫变换的基本原理。
技能目标：
（1）能够使用OpenCV进行图像的边缘检测。
（2）能够使用OpenCV进行图像轮廓的查找、绘制及拟合。
（3）能够使用OpenCV进行图像的霍夫变换。
素养目标：
（1）提升职业操守，在面临重大选择时，能够做出有利于国家和民族的决策。
（2）发扬精益求精的工匠精神，养成严谨认真的工作态度。
教学重难点
教学重点：图像梯度的概念和计算方法、Canny边缘检测算法、图像轮廓及霍夫变换
教学难点：Canny边缘检测算法和霍夫变换
教学方法
案例分析法、问答法、讨论法、讲授法
教学用具
电脑、投影仪、多媒体课件、教材
教学过程
主要教学内容及步骤
考勤
【教师】使用APP进行签到
【学生】班干部报请假人员及原因
新课预热
【教师】讲述一些形状识别处理的实际案例，使学生了解形状识别处理操作的重要性
【学生】聆听、记录、理解
问题导入
【教师】对学生进行分组，每3～5人一组，并选出一名组长，然后组织学生以小组为单位，扫码播放“边缘检测的主要应用”视频（详见教材），帮助学生了解图像形状检测与识别的应用场景，并提出问题：
问题1：是指图像局部特性的突变，如灰度级的突变、颜色的突变、纹理结构的突变等。
问题2：说一说边缘检测的应用场景（不少于3种）。
【学生】分组、观看、思考、讨论、举手回答
传授新知
【教师】通过学生的回答引入要讲的知识，讲解图像梯度的概念和计算方法、Canny边缘检测算法、图像轮廓及霍夫变换原理。
5.1边缘检测
图像边缘是指图像局部特性的不连续性，如灰度级的突变、颜色的突变、纹理结构的突变等。详见教材。
在实际的图像处理问题中，图像的边缘作为图像的一种基本特征，边缘的确定和提取经常被应用到较高层次的图像中，并在图像识别、图像分割、图像增强及图像压缩等领域有较为广泛的应用。
5.1.1图像梯度
图像梯度指的是图像灰度变换的速度，其本质是求导。详见教材。
用于计算图像梯度的算子称为梯度算子，梯度算子的本质是卷积核。将输入图像与梯度算子进行卷积运算，即可得到体现不同方向边缘信息的输出结果。常见的梯度算子有Sobel算子、Scharr算子、Laplacian算子等。
1．使用Sobel算子进行边缘检测
Sobel算子又称索贝尔算子，用于获得数字图像的一阶梯度，它是计算机视觉领域中常用的一种边缘检测方法。
Sobel算子结合了高斯平滑和微分运算，它不但能产生较好的边缘检测效果，而且对噪声具有平滑抑制作用。详见教材。
OpenCV提供的cv2.Sobel()函数用于使用Sobel算子进行边缘检测，其格式如下。
dst=cv2.Sobel(src,ddepth,dx,dy[,ksize=3[,scale=1[,delta=0[,
borderType=cv2.BORDER_DEFAULT]]]])
详见教材。
在实际计算过程中，当梯度值为负数时，所有负数会自动截断为0，造成图像损失。为了避免图像损失，可以使用cv2.convertScaleAbs()函数将结果取绝对值，其格式如下。
dst=cv2.convertScaleAbs(src[,alpha=1[,beta=0]])
【例5-1】编写程序，对图像“sobel.png”（见本书配套素材“例题图像/sobel.png”）使用Sobel算子分别在x轴和y轴两个方向进行边缘检测，并显示原图像和边缘检测后的图像。
【参考代码】
importcv2 #导入OpenCV库
image=cv2.imread(sobel.png,cv2.IMREAD_GRAYSCALE) #读取灰度图像
#使用Sobel算子在x轴方向计算图像梯度
(详见教材)。
【运行结果】
?【教师】通过多媒体展示“例5-1程序运行结果”图片，并进行讲解
2．使用Scharr算子进行边缘检测
Scharr算子是Sobel算子的改进版本，该算子具有和Sobel算子同样的速度，且精度更高。当卷积核的尺寸较大时，Scharr算子的边缘检测效果更好。详见教材。
OpenCV提供的cv2.Scharr()函数用于使用Scharr算子进行边缘检测，其格式如下。
dst=cv2.Scharr(src,ddepth,dx,dy[,scale=1[,delta=0[,
borderType=cv2.BORDER_DEFAULT]]])
详见教材。
【例?5-2】