基于項目式教學法的OpenCV 機器視覺實踐教學

王藝璇

摘要：人工智能的飛速發(fā)展給傳統(tǒng)的工科領(lǐng)域帶來了新的生機，大部分高職院校逐漸開設(shè)OpenCV機器視覺相關(guān)課程，對于高職院校學生，該課程的教學目標更為側(cè)重提高學生的應用能力和編程能力。在教學實施過程中，更適宜采用項目式教學法。為降低學生對圖像處理算法的學習成本，文章采用了基于Python語言的OpenCV計算機視覺庫開展教學?；陧椖渴浇虒W法開展OpenCV機器視覺課程的教學將圖像處理的知識劃分為9個項目，項目中包含可視化的實驗結(jié)果展示，以任務作為驅(qū)動，激發(fā)學生的學習興趣，提高學生的實踐能力。

關(guān)鍵詞：項目式教學；OpenCV；圖像分析

中圖分類號：G642 文獻標識碼：A文章編號：1009-3044（2023）29-0169-03

1 OpenCV 機器視覺課程的教學背景

從2012年基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類模型AlexNet在大規(guī)模數(shù)據(jù)集上表現(xiàn)出良好性能后，深度學習和人工智能領(lǐng)域迎來了迅猛發(fā)展的時代[1]。在圖像分析和理解領(lǐng)域中，深度卷積神經(jīng)網(wǎng)絡(luò)效果出色，相比傳統(tǒng)的圖像處理算法和機器學習模型，其對圖像分類、物體檢測和圖像像素級別分割的準確率要高出許多；在自然語言處理領(lǐng)域，基于反向傳播算法的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN） 模型、BERT模型等表現(xiàn)出了極好的文本處理能力[2-3]。人工智能的浪潮給傳統(tǒng)的工科領(lǐng)域帶來了新的生機。

隨著計算機技術(shù)、圖像處理技術(shù)和人工智能的飛速發(fā)展和廣泛應用，很多高職院校和本科院校中都逐漸開設(shè)了OpenCV機器視覺相關(guān)理論和實訓課程。對于高職院校的教學而言，該課程旨在讓學生理解并掌握圖像處理和分析的基本理論，注重培養(yǎng)學生利用OpenCV資源庫處理和分析數(shù)字圖像的能力，即側(cè)重提升學生對理論知識的運用能力和編程實踐能力，故而在該課程的教學實施過程中，適宜采用基于實際項目或案例的教學法[4]。

基于實際項目或案例開展OpenCV機器視覺課程的教學，使用貼近生活的圖像素材，對素材實施圖像分析和處理的算法，具有可視性強、中間結(jié)果可獲得、調(diào)試便捷、實驗效果明顯等特點，學生可以自行選擇感興趣的圖像資源進行分析和處理，并可將原始圖像、操作過程中的中間圖像、變換后圖像進行可視化，能夠極大地激發(fā)學生的學習熱情，提高學生學習的成就感和效能感。

2 教學平臺

在實際應用場景、工業(yè)行業(yè)開發(fā)場景中，通常在分析和處理數(shù)字圖像和視頻文件時，使用的是基于C++語言的OpenCV計算機視覺庫[5]，使用C++語言的OpenCV進行圖像分析具有分析速度快、實時性強、視頻處理效果好等優(yōu)點。然而，學生在實際應用過程中，經(jīng)常出現(xiàn)工程配置錯誤、庫文件版本與開發(fā)環(huán)境版本不兼容、語法復雜煩瑣易出錯等問題，學生需要花很多精力去處理編程過程中的工程環(huán)境配置、語法、接口等問題，這增加了學生的學習成本，導致無法專注學習圖像分析和處理的知識和技術(shù)。

基于Python 語言的OpenCV 計算機視覺庫具有Python語言可解釋性強、語法簡潔的優(yōu)勢，同時，由于Python語言底層是基于C語言編寫的，故而基于Python 語言的OpenCV計算機視覺庫也具有運行速度快、能實時處理圖像等優(yōu)勢[6]。使用基于Python語言的OpenCV 進行圖像處理課程的教學，降低了學生的開發(fā)難度，使得學生不用被C語言或者C++等編譯型語言的復雜語法所困擾，讓學生將更多精力放在對圖像處理基礎(chǔ)算法和OpenCV函數(shù)的理解和掌握中，不額外增加學生的學習成本，更能加強對數(shù)字圖像處理算法的掌握和應用，提升學生的學習成就感和獲得感。此外，人工智能和深度學習的常用框架如Tensorflow、Pytorch都是基于Python語言進行開發(fā)，學生在學完圖像處理后，也便于后續(xù)繼續(xù)學習人工智能框架和技術(shù)。因此，OpenCV機器視覺課程選擇的是基于Python語言的OpenCV計算機視覺庫，需在Windows 7及以上版本的操作系統(tǒng)中運行，使用Python3.5及以上版本和OpenCV-Python3及以上版本作為編程開發(fā)工具。

3 基于項目式教學法的OpenCV 機器視覺課程教學

3.1 課程建設(shè)思路

基于項目式教學法開展OpenCV機器視覺課程的教學，摒棄了傳統(tǒng)的知識點堆砌和章節(jié)式教學，以項目和任務為主線實施教學。基于項目式教學法的設(shè)計理念根據(jù)內(nèi)容和難易程度，循序漸進，由易到難，由簡到繁，將OpenCV機器視覺課程劃分成9個項目，實行項目化的教學，以任務作為驅(qū)動，激發(fā)學生的學習興趣，并將16個低門檻、高獨立性的知識點融入各個項目中[7]，讓每個知識點都能夠有可視化的實驗結(jié)果展示，使學生快速完成知識點的理解與記憶，加深學生的學習印象，并能自己動手完成復習與實踐，提升學生的動手實踐動力。

3.2 基于項目式教學法的OpenCV 機器視覺教學流程

1） 情景導入引出任務（確定項目任務）

在任務導入環(huán)節(jié)，主要采用項目化教學和任務驅(qū)動法，支撐課堂教學的講授和實踐。在新知導入環(huán)節(jié)，教師可以提出與教學重點相關(guān)的實際生活場景中的問題，運用談話法或問答法，激發(fā)學生學習興趣，讓學生主動積極地觀察圖像塊，并自主思考問題，從而引出本節(jié)課的教學重點和重要知識點，最后發(fā)布包含知識點的項目任務，作為貫穿課堂教學的主線[8]。在此階段，教師通常需要預設(shè)場景并選取圖像素材，可選擇緊貼時代熱點、融入工匠精神和愛國情懷等思政元素較強的素材，潤物無聲地開展思政育人[9]。

2） 算法原理講解（制定項目計劃）

教師可應用豐富的信息化教學手段，利用圖片、動畫或微課視頻等解決算法原理枯燥的問題。在新課講授環(huán)節(jié)，通過將講授法、問答法等與學生積極互動，促進學生自主思考，并借助圖片、動畫等方式呈現(xiàn)實驗效果，可讓學生獨立思考或分小組合作探究[10]，討論原理和操作過程，引導學生開展頭腦風暴，最后通過對學生討論結(jié)果進行總結(jié)、升華的方式解決教學重點，以學生為主體和中心，教師充分發(fā)揮主導作用[11]。

3） 分組實操（實施項目計劃）

教師可采用演示法、實驗法等開展啟發(fā)式教學。在分組實操環(huán)節(jié)，讓學生自主合作探究，突破教學難點，通過任務驅(qū)動和小組合作的方式，讓學生在協(xié)作與競爭中快樂學習。結(jié)合項目編程實際，培養(yǎng)學生良好的自主探究能力、計算思維能力和團隊合作能力，以達成素質(zhì)目標。

4） 總結(jié)與評價（質(zhì)量檢測和評估）

總結(jié)階段分為教師總結(jié)和學生總結(jié)兩部分，先由學生討論交流和反思，分享知識收獲、心得感悟與不足，教師再總結(jié)主要知識點，強調(diào)學生對算法理解和編程實踐過程中的常見問題，最后通過教師評價和學生互評，評選出圖像處理小能手。

4 基于項目式教學法的OpenCV 機器視覺教學案例

以基于項目式教學法開展OpenCV機器視覺課程教學中的“項目四 圖像變換”中的“任務二 圖像的幾何變換”中的“子任務1 圖像水平翻轉(zhuǎn)”為例，詳細描述使用項目式教學法開展教學的思路與過程。

1） 情境導入

以去北京天安門廣場參觀并拍攝照片的故事作為引入，由于手機攝像頭的視野范圍有限，無法拍攝廣場全景，只拍攝到某些局部圖像塊，請學生思考并解決問題1：如何利用現(xiàn)有所拍攝的圖像塊獲得天安門廣場的整體全景圖？讓學生分組思考，開展頭腦風暴，教師對學生的發(fā)言進行總結(jié)。天安門廣場的整體全景圖是軸對稱圖像并且是沿著豎直方向軸對稱，而觀察上面的三個圖像塊，只有第一個圖像塊中所包含的信息量最大，并且它剛好是天安門廣場的整體全景圖的左半部分，可以通過將第一個圖像塊進行水平翻轉(zhuǎn)的方式得到全景圖的右半部分。

問題2：有了全景圖的左半部分和右半部分的圖像塊，怎樣將它拼湊成整體的全景圖？請學生再次思考問題，可利用之前所學習的創(chuàng)建圖像知識，先新建一張與全景圖等寬等高的空白畫布，再依次將左半個圖像塊粘貼到空白畫布的左半部分，再將右半個圖像塊粘貼到空白畫布的右半部分，這樣就能通過圖像拼接的方式獲得天安門廣場的全景圖了。

教師發(fā)布課堂項目任務：打開桌面上的“素材”文件夾，編寫程序，將其中的“天安門廣場_左半部分.jpg”進行水平翻轉(zhuǎn)，并與原圖像拼接后輸出天安門廣場全景圖。

思政元素融入：天安門廣場上的五星紅旗迎風飄揚，這是無數(shù)的革命先烈用鮮血把這面五星紅旗染紅的，是一代又一代中國共產(chǎn)黨人前赴后繼才使我們過上了美好生活。五星紅旗承載了無數(shù)革命先輩的光榮與夢想，教育學生，身為青年一代，有責任、有義務為祖國崛起、為民族復興不懈奮斗。

2） 水平翻轉(zhuǎn)原理講解

①以何種方式讀取左半部分圖像塊？通過動畫、圖片的方式展示灰度圖像與彩色圖像的區(qū)別與聯(lián)系。

圖像本質(zhì)為numpy中的數(shù)組，圖像的高度對應數(shù)組的行數(shù)，圖像的寬度對應數(shù)組的列數(shù)，圖像由一個個像素點構(gòu)成，對應數(shù)組中相關(guān)位置的數(shù)值?；叶葓D像中，每個像素點灰度值范圍為0-255，0為黑色，255為白色。彩色圖像則是由三個通道的灰度圖像構(gòu)成，三個通道上取0-255范圍內(nèi)的數(shù)值則表示在該顏色通道上分量的強弱，可以表示自然界中所有的顏色。例如：彩色圖像的第一列為藍色，則在藍色通道上第一列像素點灰度值均為255，而在綠色和紅色通道上第一列的灰度值均為0。

彩色圖像是由3張分辨率相同的灰度圖像在通道維度上按照藍色、綠色和紅色的順序拼接而成的，其蘊含的信息量比灰度圖像更大，可以將彩色圖像根據(jù)亮度強弱轉(zhuǎn)換為灰度圖像，而無法將單張灰度圖像還原為彩色圖像。為使最終得到的全景圖像是彩色圖，則應以彩色圖像的形式讀取左半部分圖像塊，代碼如下。

img=cv2.imread（path，cv2.IMREAD_COLOR）

②分小組討論，如何利用numpy數(shù)組，實現(xiàn)對彩色圖像的水平方向翻轉(zhuǎn)？討論并選派小組代表發(fā)言。

③頭腦風暴：讓學生根據(jù)小組討論結(jié)果，思考并總結(jié)圖像水平翻轉(zhuǎn)的算法。

第一步：創(chuàng)建新空白圖像new_img，用于存放結(jié)果；

第二步：遍歷圖像中的所有像素點[i，j]，行數(shù)i的范圍為：0，1，……h(huán)-1，列數(shù)j的范圍為：0，1，……w-1；

第三步：為new_img數(shù)組對應位置賦值，new_img[i，j]=img[i，w-1-j]

④學生自主思考：當我們有了原圖像和其水平翻轉(zhuǎn)的新圖像，如何拼接成一張全景圖像？教師總結(jié)學生的發(fā)言：首先在pycharm中創(chuàng)建空白畫布，再對輸入圖像實現(xiàn)水平方向上的翻轉(zhuǎn)，得到左右半部分的圖像塊，然后填充畫布的左右半部分，最后顯示并保存結(jié)果圖像。

3） 分組實操強技能

讓學生以小組為單位，完成課堂作業(yè)。

4） 回顧總結(jié)善梳理

回顧總結(jié)環(huán)節(jié)主要從知識技能和心得感想兩個方面展開，學生以小組為單位交流分享本節(jié)課在知識和技能以及情感和價值觀等方面的收獲。

5 教學效果

課前，教師深入了解學生的學習情況，精細準確地分析學情，并根據(jù)學生的預習情況調(diào)整教學策略，做到了有針對性地教學。課中，采用項目化教學和任務驅(qū)動法，支撐課堂教學的講授和實踐。在新知導入環(huán)節(jié)，運用問答法，教師提出疑問，激發(fā)學生學習興趣，并引出了課堂的教學重點和重要知識點，促進了學生自主思考。最后引出包含知識點的項目任務，作為貫穿課程的主線。

思政目標方面，從實際生活場景切入，將課程思政元素有機地融入項目案例的素材圖像中，有效達成了思政目標。

信息化教學手段豐富，應用合理，利用圖片和動畫解決原理枯燥的問題。在新課講授環(huán)節(jié)，以任務驅(qū)動為主線，通過問答法與學生積極互動，促進學生自主思考，并借助圖片、動畫等方式呈現(xiàn)實驗效果，再讓學生分小組合作探究，討論原理和操作過程，引導學生開展頭腦風暴，最后通過對學生討論結(jié)果進行總結(jié)、升華的方式解決教學重點，充分體現(xiàn)了學生主體、教師主導的教學地位。

采用了啟發(fā)式的教學方法，培養(yǎng)學生自主探究能力和團隊協(xié)作能力，有效達成了素質(zhì)目標。

參考文獻：

[1] KRIZHEVSKY A，SUTSKEVER I，HINTON G E.ImageNet clas?

sification with deep convolutional neural networks[J].Communi?

cations of the ACM，2017，60（6）：84-90.

[2] WANG Y B，LONG M S，WANG J M，et al.PredRNN：recurrent

neural networks for predictive learning using spatiotemporal

LSTMs[C].2017.

[3] 徐緒堪，印家偉，王曉嬌.基于BERT模型的“互聯(lián)網(wǎng)+政務”群

眾留言文本熱點追蹤研究[J].情報雜志，2022，41（9）：136-142，

78.

[4] 許少漫.項目式教學在高職《圖形圖像處理》課程中的應用

[J].辦公自動化，2023，28（2）：62-64.

[5] 李樹濤，胡秋偉.OpenCV在“數(shù)字圖像處理”課程教學中的應

用[J].電氣電子教學學報，2010，32（6）：26-28.

[6] HOWSE J.OpenCV computer vision with Python ： learn to cap?

ture videos， manipulate images， and track objects with Python

using the OpenCV Library[M].Packt Publishing，2013.

[7] 李大湘，王小雨.基于OpenCV的《視頻圖像處理與分析》案

例教學設(shè)計與應用[J].現(xiàn)代計算機（專業(yè)版），2018（31）：41-44.

[8] 王穎，王兵，高建強，等.融合成果導向教育理念的“線上+線

下”混合式數(shù)字圖像處理課程教學設(shè)計與實施[J].醫(yī)學信息

學雜志，2022，43（9）：90-93.

[9] 周虹，徐海榮.工科課程思政教學設(shè)計與實踐——以“數(shù)字

圖像處理”課程為例[J].教育教學論壇，2023（9）：129-132.

[10] 王夢姣.基于項目式學習的中職Python編程教學實踐研究

[D].揚州：揚州大學，2022.

[11] 馮敬益，謝景明.基于中學創(chuàng)客教育的OpenCV技術(shù)教學案

例設(shè)計探索[J].中小學信息技術(shù)教育，2020（10）：91-93.

【通聯(lián)編輯：代影】