2024年4月6日发(作者：)

《机器视觉》教学大纲

（一）课程基本信息

1. 课程代码：20136219

2. 课程名称（中文/英文）：机器视觉 / Machine Vision

3. 课程类别：专业方向课

4. 课程学分：2.0

5. 课程学时：32学时 （其中，授课学时：32学时）

6. 开课单位：信息科学与工程学院

7. 教学对象：电子信息工程、通信工程

（二）课程简介

“机器视觉”是电子信息工程、通信工程的专业方向课，是专业理论课信号与系统、数

字信号处理在图像、视频处理领域偏重应用实践的课程。通过学习，使学生掌握机器视觉的

基本方法，熟悉实际应用中使用较为广泛的视觉问题求解算法，了解机器视觉在各个领域的

相关应用。

先修课程：线性代数，信号与系统，数字信号处理，C语言程序设计

（三）课程教学目标和能力要求

“机器视觉”课程以机器视觉的基本算法为基础，通过具体的视觉问题为例讲解机器视

觉问题的一般求解方法。通过学习，使学生能使用图像空间滤波、频域变换、特征点检测、

图像匹配与几何映射等机器视觉的基本方法，掌握简单机器视觉问题的求解方法。培养学生

将文献转换为实际工程实现的能力，使学生能够将现有的方法转换成自己的工具。培养学生

工程实践能力和创新能力。为毕业就业培养专业素养，提供技术准备。

（四）课程教学方法

根据学生特点和课程特点，采用理论教学结合实际问题分析的方法。课堂教学部分遵从

分知识点循序渐进的原则，主要以启发式教学和实例教学法为主，激发学生的学习兴趣。课

程设置针对性的课程项目，通过实际应用，提高学生的实践能力，加深学生对知识点的掌握。

通过设置小组合作形式的课程设计，提高学生的团队协作能力。

（五）课程内容及教学安排

教学主题1：机器视觉导论 （2 学时）

[知 识 点]：机器视觉概念，视觉理论的发展，机器视觉与相关研究领域，机器视觉的

应用

[重 点]：掌握机器视觉的概念，理解计算视觉理论

[难 点]：Marr的计算视觉理论

1 / 4

[能力要求]：资料查询、整理能力

[实践环节]：查找机器视觉的应用

[教学方法]：理论讲述，实例介绍

[课前阅读]：教材第1章

[课后作业]：查找一个机器视觉的应用，使用短文进行介绍

教学主题2：图像与视觉系统（4 学时）

[知 识 点]：图像坐标和世界坐标的映射，针孔相机模型，投影矩阵，光线的相关知识，

人眼对光线的感知原理，相机传感器，图像采样和色彩，数字图像格式

[重 点]：针孔相机模型与投影矩阵，图像采样原理和色彩的属性

[难 点]：投影矩阵，光度学和色度学的基本概念和原理

[能力要求]：资料查询、文献阅读

[实践环节]：相机模型相关资料文献查找

[教学方法]：理论讲述

[课前阅读]：线性代数、教材第2章

[课后作业]：回顾课上讲述内容，查阅相关文献

教学主题3：图像处理基础和图像基本变换（6 学时）

[知 识 点]：图像点运算，线性滤波和非线性滤波，图像的频域变换和频域滤波，图像

金字塔

[重 点]：非线性滤波，图像频域变换，图像金字塔

[难 点]：二维傅里叶变换，图像金字塔

[能力要求]：资料查询、文献阅读、工程实践

[实践环节]：非线性滤波器的图像处理实践

[教学方法]：理论讲述

[课前阅读]：教材第3章

[课后作业]：课程项目1：基于OpenCV的图像滤波

教学主题4：图像特征检测、描述与匹配（4 学时）

[知 识 点]：图像边缘检测，直线检测，角点检测，图像局部特征点检测，局部特征点

描述，特征点匹配

[重 点]：图像边缘检测，图像局部特征点检测，特征点匹配

[难 点]：图像特征点检测、描述与特征点匹配

[能力要求]：资料查询、文献阅读、工程实践

[实践环节]：图像局部特征点的检测与匹配方法实践

[教学方法]：理论讲述，实例分析

[课前阅读]：教材第4章

[课后作业]：课程项目2：基于OpenCV的局部特征点检测与匹配

2 / 4