第一篇：关于图像处理中特征点描述算子的一点总结（共）
关于图像处理中特征点描述算子的一点总结
1.SIFt算子SIFT算子是David G Lowe在2004提出的，即尺度不变特征变换(Scale Invariant Feature Transform)。它是以尺度空间的构造为基础的局部特征描述算子，对于图像的缩放、旋转和放射变换等具有不变性。SIFT算子在构建好的尺度空间的基础上搜索尺度空间中的极值点(特征点)，然后确定极值点的尺度信息以及位置，再确定极值点的方向(其邻域梯度的主方向)，最终可以得到具有鲁棒性的128维(4*4*8)的特征描述子。2.surf特征
SURF（Speed-Up Robust Features）算子选取图像在尺度空间上的极值点作为候选特征点。与SIFT算子不同的是SURF算子采用Hessian矩阵行列式近似值来构造金字塔。提取SURF特征点需要4个步骤：提取SURF特征，对于特征点进行定位，赋予主方向，生成特征点描述符。
3.BRIEF特征
BRIEF特征(binary robust independent elementary features)是Calonder等在2010年提出来的，他采用二进制字符串作为特征点描述符，因而在速度和性能上都有着卓越的表现。其主要思路是：在特征点附近随机的选取若干点对，将这些点对的灰度值大小组合成一个长为256的二进制字串，并将这个二进制字串作为该特征点的特征描述子。由于其描述子利用二进制（“0”和“1”）编码，因此在特征匹配时只需计算2个特征点描述子的Hamming距离。大量实验表明，不匹配特征点的描述子的Hamming距离在128左右，匹配点对描述子的Hamming距离则远小于128。由于BRIEF的匹配速度远高于SURF和SIFT，因此应用较为广泛。BRIEF特征描述符是一个bit串，有若干个二值
测试组成，即影像块
(尺寸为)经过平滑后再进行若干
测试。其中，影像块
在x处的灰度值定义为
，特征描述符为一个长度为
的二进制串：
这里有两点要注意：1）如何选取内核对图形进行平滑处理（预处理）；2）如何选择测试点对 。这里有多种描述形式进行描述测试点对的分布类型，其中效果比较明显的是与选取的影像块
成高斯分布，再生成72维的特征点描述符。在做平滑处理时有中值滤波、均值滤波和最小方差滤波等可以使用，一般高斯滤波比较常用。为了保证描述符的旋转不变性，需要先对
点测试坐标进行旋转，使其旋转到特征点的方向上，接下来再利用BRIEF特征描述符进行计算：
其中以
角形成的旋转矩阵定义为：
，再让测试点对与旋转矩阵进行计算来进行旋转：
，那么旋转后，计算特征描述符可以采用如下计算方式：
。然而在进行坐标旋转后，坐标一般就变为了浮点型，此时我们要对图像进行重采样，可以使用的方法有最近邻方法、双线性内插方法、立体卷积方法等。其中最近邻方法计算简单，它采用待采样点周围4个相邻的像素点中距离最近点的灰度值作为该点的灰度，这样仅仅考虑到了一个点的灰度值，没有考虑到其相邻区域内的像素点的影响，所以重采样后图像灰度值就会有明显的不连续现象。另外立体卷积的方法计算量过大，在实时性方面有些困难。对于待采样点的灰度值，其采用周围的4个临近点的灰度值，然后在两个方向上做线性内插，从而得到带采样点的灰度值4
ORB特征
ORB算子(Oriented FAST and Rotated BRIEF)是Rublee等在2011年提出来的，是建立在改进的FAST特征和改进的rBRIEF特征之上，由于FAST特征和BRIEF特征的运算速度都很快，则ORB在运算速度上比SIFT和SURF等拥有绝对优势。但由于BRIEF不具有旋转不变性，因此很难用于旋转剧烈的场景，不过上文中我们已经给出了解决办法。为了使BRIEF具有旋转不变性，Rublee等在2011年提出了ORB(oriented brief)特征，在尺度变化不太大的环境中，ORB特征在SLAM系统中取得了了大量的应用，有时候我们的实际场景中比如带有机器的室内外场景中，这些机器可能其景深变化非常剧烈，这种特征描述子就会受到一定程度的限制。也就是ORB解决了BRIEF的不具有旋转不变性和对噪声敏感的缺点，但ORB没有解决尺度不变性。ORB算法的大致步骤如图3-12所示：
BRIEF特征向量的每个比特（bit）具有的方差和的均值接近0.5。而加入特征点的主方向后，特征向量的比特位分布就变得比较平均了，故其方差变小了，这导致特征之间的差异性变小，区分性能变差，因此，主方向引导后BRIEF后的性能有所下降。为此要从矩阵
中筛选出具有高方差和高不相关的点对
。具体方法是：对PASCAL2006图库上的图片，建立一个包含300k个关键点的训练集，每个
测试选取以关键点为中心的的邻域，并且使用
的子窗口来代替原BRIEF中的单个像素进行灰度值比较，从而降低噪声干扰。令邻域宽度
，子窗口宽度
，则共有
个测试点对，其中
。为消除重复的测试，当进行了M=205590次测试后，贪婪算法终止。
这个算法是在均值是0.5附近的不相关的测试集合上进行贪婪算法搜索。下图中的组图是经过旋转后具有高相关性的采样模式，右图是经贪婪学习算法后，降低了相关性的采样模式，其中最右边条形图的上端黄色代表具有高相关性的颜色，低端黑色代表具有最低相关性的颜色。
5.特征描述符性能评价
这里介绍的特征描述符，已被证明为比其他的相对优秀一些，在实际的系统中应用较多。在单目SLAM中，跟踪部分是需要实时性的，这里我们为了模拟被不确定度影响的位姿估计跟踪系统，限定匹配搜索范围以当前描述符位置为圆心的一个圆形区域，只为每一个描述符与前一帧图像中落入该区域所有的描述符进行匹配。该搜索圆的半径设置为80像素（pixel），原因是如果模拟两帧跟踪器，若假设一个像素的运动很小，那么运动模糊可能会导致跟踪失败。搜索范围的尺寸与系统本身固有的不确定度相关，因此是独立于所使用的检测器/描述符类型的。其中
为正确匹配对数，为误匹配对数。当然也可以使用其他的标准，比如召回率或者前
个最近邻的精度。一个标准是否相关取决于所使用的匹配策略，而绝大多数的实时跟踪系统只评价
。另外在上面提到的SIFT、SURF、BRIEF和ORB特征中，我们计算每个特征点的计算时间如表3-3所示，
第二篇：图像视频处理基础知识总结
彩色图像基础知识普及篇
⑴ 图像采集的原理
数码相机，摄像机等都是通过传感器来获取图像的，传感器阵列是由横竖两个方向密集排列的感光元件（CCD或CMOS）组成的一个二维矩阵，它收集入射能量并把它聚焦到一个图像平面上，与焦点面相重合的传感器阵列产生与每一个传感器接收光总量成正比的输出。数字或模拟电路扫描这些输出，并把它们转换为信号，由成像系统的其他部分数字化。
⑵ BAYER矩阵
传感器阵列的排列方式可以有很多种，现在最常用的是Bayer矩阵模式的排列方式，即每个CCD就对应一个像素。其中R感应红光、G感应绿光、B感应蓝光，而在Bayer模式中G是R和B的两倍（因为我们的眼睛对绿色更敏感）。以下是Bayer阵列的一种排列方式： RGRGRGRGRG
GBGBGBGBGB
RGRGRGRGRG 以中心绿色的G为例，此像素只有G，缺少R与B，R就等于上下两个R的平均值，B就等于左右两个B的平均值。其他的R与B都是一样的，每个像素补齐RGB三色就可以。此种插值算法是最简单最高效的，当然在一些图像的边界之处其影像效果最会有一些折扣。
⑶ 伽马校正
数码相机拍摄出的彩色图像，以及我们把一幅图像在显示器上显示出来都要进行相应的伽马校正。数码RAW格式的拍摄是采用线性的gamma(即gamma 1.0)，可是人的眼睛对光的感应曲线却是一“非线性”的曲线。所以RAW Converter会在转换时都会应用一条Gamma曲线到Raw数据上（简单的理解，就是相当于对原始数据进行一个f(x)的变换，并且注意，f(x)并不是一次的线性函数），来产生更加接近人眼感应的色调。同理，显示器的强度(Intensity)并非与输入讯号成正比(非线性关系),这种非线性特性称为Gamma特性。
各参数简述如下： ① Image_gamma：为输入影像的γ值，一般订为γNTSC=2.2，γPAL=2.8，γRGB=1，γMAC=1.8；
② Display_gamma：因制造技术的关系，每一制造厂生产出来的显示器γ值都会不一样，所以制造厂需提供显示器γ值,一般订为γCRT=2.5,γLCD=1.6;
③ Viewing_gamma：为最后我们用眼睛去看的结果，理想状况为1，即为看到的影像为原
始影像，一般会因外在环境的影响，γ值从1至1.5变化。
④ LUT_gamma：伽马参数的LUT表。
输入讯号经γ修正器与显示器后，最后希望看到的是与原输入影像一样的画面，即没有失真。
⑷ RGB和YUV图像
在计算机中使用最多的 RGB 颜色空间，分别对应红、绿、蓝三种颜色；通过调配三个分量的比例来组成各种颜色。一般可以使用 1、2、4、8、16、24、32 位来存储这三颜色，不过现在一个分量最大是用 8 位来表示，最大值是 255，对于 32 位的颜色，高 8 位是用来表示透明度的。彩色图一般指 16 位以上的图。灰度图有一个特殊之处就是组成颜色的三个分量相等；而一般灰度图是8 位以下。
在彩色电视机系统中，通常使用一种叫 YUV 的颜色空间，其中 Y 表示亮度信号，也就是这个 YUV 空间解决了彩色电视机和黑白电视机的兼容问题。对于人眼来说，亮度信号是最敏感的，如果将彩色图像转换为灰度图像，仅仅需要转换保存亮度信号就可以。
从 RGB 到 YUV 空间的 Y 转换公式为：
Y = 0.299R+0.587G+0.114B
在 WINDOWS 中，表示 16 位以上的图和以下的图有点不同； 16 位以下的图使用一个调色板来表示选择具体的颜色，调色板的每个单元是 4 个字节，其中一个透明度；而具体的像素值存储的是索引，分别是 1、2、4、8 位。16 位以上的图直接使用像素表示颜色。
⑸ 彩色图转换为灰度图
灰度图（GrayScale）是指只含亮度信息，不含色彩信息的图像。灰度化处理是把含有亮度和色彩的彩色图像变换成灰度图像的过程。灰度化处理在许多图像处理中是很重要的一步，他的结果就是后续处理的基础。所以，寻求一种正确有效的灰度化处理方法尤其重要。
那么如何将彩色图转换为灰度图呢？
常用的色彩系统有RGB、YIQ、YUV。
1）YIQ色彩系统属于NTSC电视广播制式系统。Y是亮度，即图像的灰度值，I和Q则是指色调。它与RGB的关系为：
2）YUV属于PAL电视广播制式系统。Y也是亮度，U和V也是色调。它与RGB的关系为：
灰度图中有调色板，首先需要确定调色板的具体颜色取值。我们前面提到了，灰度图的三个分量相等。当转换为 8 位的时候，调色板中有 256 个颜色，每个正好从 0 到 255 个，三个分量都相等。当转换为 4 位的时候，调色板中 16 个颜色，等间隔平分 255 个颜色值，三个分量都相等。当转换为 2 位的时候，调色板中 4 个颜色，等间隔平分 255 个颜色，三个分量相等。当转换为 1 位的时候，调色板中两个颜色，是 0 和 255，表示黑和白。
将彩色转换为灰度时候，按照公式计算出对应的值，该值实际上是亮度的级别；亮度从 0 到 255 ；由于不同的位有不同的亮度级别，所以 Y 的具体取值如下：
Y = Y/(1<<(8-转换的位数));
最后一点需要注意，得到 Y 值存放方式是不同的；分别用对应的位数来存储对应的 Y 值。在计算 Y 值的时候，使用的整数除法，这是有误差的，为了消除误差，需要采用误差扩散的算法，也就是将该误差值向其邻近的像素点扩散，当然按照一定的比例来分配；例如：整除之后，余数是 5，采用 3/2/3 的策略，就是，右边像素和正下面的像素各占 3/8，而右下角的像素占 2/8。
2．图像格式转换的算法描述
⑴ BAYER矩阵转换为RGB格式图像的算法描述
我们通常采用插值算法（Interpolation）把BAYER矩阵中的像素的颜色值转换为一个像素的RGB的数值。我们通常以3×3的插值算法来计算BAYER矩阵的像素的RGB值，该插值算法中某个位置像素的RGB分量的值只取决于以该像素为中心的3×3的邻域中同样分量的均值。
⑵ RGB格式图像转换为灰度图像的算法描述
我们进行图像处理通常都是在微机上进行的，因此以微机的Windows系统为例来介绍如何将RGB格式图像转换为灰度图像。
Windows系统中使用的是设备无关位图（DIB）
DIB即Device_Independent Bitmap。目前，Windows处理的DIB通常是以BMP文件存在。BMP文件文件有如下的四个部分；
1）位图头文件：BITMAPFILEHEADER，它是一个位图标志
2)位图信息头：BITMAINFOHEADER
它定义了图像的大小，长宽等信息，长度固定为40个字节。
3）调色板（Palette）
它用来存放位图的颜色，如果是真彩色图，则不需要调色板。其定义为： 所谓调色板就是在16色或256色的显示系统中，将图像中频率出现最高的16或256种颜色组成颜色表。对这些颜色按0至15或255进行编号，每一个编号代表其中的一种颜色。这种颜色编号就叫做颜色的索引号，4位或8位的索引号与24位颜色值的对应表叫做颜色查找表。使用调色板的图像叫做调色板图像，它们的象素值就是颜色在调色板查找表中的索引号。
4）实际的图像数据
对于用到调色板的位图，图像数据就是该像素颜色在调色板中的索引值，对于真彩色图，图像数据就是实际上的红（R）、绿（G）、蓝（B）的值。由前面介绍的原理可知，知道图像某点的R、G、B值，要得到亮度信息，则可由下式计算出： Y=0.299*R+0.587*G+0.114*B（1）
而在用BMP表示的灰度图中，其红（R）、绿（G）、蓝（B）三个分量的值相等，即有
R=G=B(2)式
把（2）式代入（1）式中，可得：I=Q=0，即图像没有了色彩信息。
同理，对YUV颜色空间也一样。
为了把彩色图像转换为灰度图像，首先要找出彩色图像的颜色值：R、G、B。然后，通过（3）式计算，即可得出亮度值Y。再令：R=G=B=Y，则得到的新的图像，即灰度图像。
对于24位或32位的真彩色图像而言，找出每点的RGB值相对容易。前面介绍了，24位或32位真彩不需调色板，它的图像数据就是实际的RGB的值。RGB三个分量分别占有一个字节，即容易取得RGB的值。
而对于16位位图言，它的一个点用两个字节来表示。它也不用调色板。要取得RGB的值，就需要了解R、G、B在这两个字节中的位置。它们所占的位置是这样的：
R占高5位，B占低5位，G占中间6位。
取出相应的RGB值后，都转变为八位（低位补0）。再通过（1）式，即可得到该点的亮度值Y。然后，写回新的256色位图时，令R=G=B=Y，这样，就得到了一个256级的灰度图像。
第三篇：遥感图像处理实习总结
遥 感 实习总 结
专业：摄影测量与遥感技术
班级：
姓名：
学号：
为期两周的遥感数字图像处理结束了，在老师的精心安排下，我们全身心的投入到这次实习中。虽然是满天的时间，但是由于教室还有其他人占用并不能在那全天使用，所以说是两周实习但是我们能用是时间依然很少，我们要力抓每一分每一秒，熟练操作遥感数字图像处理软件。整个实习是以黄河水院为基础图形。通过格式变换、几何校正、图像剪裁、图像分类，以及最后的专题地图制作。
实习的过程简单又复杂，简单的是，只要动手，计算机几乎自动化的替你操作，复杂的是，在操作过程中，又有好多选项和注意的事项，有很多参数的设置很有讲究。所以在练习中我遇到好多问题，并通过解决这些问题进一步加深了对软件和课本知识的理解。
首先我们进行的是数据预处理。我们需要进行遥感图像的几何校正。由于各种误差所以遥感图像存在着几何变形，因此需要在操作前进行几何校正。流程如下：第一步：显示图像文件（打开两个视窗窗口），第二步：启动几何校正模块，第三步：启动控制点工具，第四步：地面控制点（GCP）的采集，第五步：采集地面检查点，第六步：图象重采样，第七步：保存几何校正模式。其中最关键最难的就属地面控制点的采集，我们使用的是二次多项式，所以得选取六个控制点然后再选出六个检查点。但是图像存在着误差，而我们要把误差控制在一个像素以内，这就更加困难了。在进过长时间的摸索和练习，精度慢慢的就达到了，但是图纠正后依旧不是很好，在询问同学后发现原来是点的分布不是很均匀，所以导致了图的变形。在图的校正后就得进行图范围的裁剪得到所需的范围。裁剪有两种方法一种是规则分幅裁剪，一种是不规则分幅裁剪。规则分幅裁剪需要知道坐标，而不规则分幅裁剪则只需要在图上手选出需要裁剪的范围。而我们没有坐标只能用不规则分幅裁剪。
第二项就是图象增强处理，主要包括：空间、辐射、光谱增强处理的主要方法。空间增强：包括卷积增强处理，辐射增强：直方图均衡化处理，光谱增强：主成份变换、缨穗变换、色彩变换。这一项比较简单，通过指导书和上课的学习，这些增强只要知道步骤就能很快完成。
第三项我认为也是最关键的一项，遥感图像的分类，所谓的遥感图像的分类就是通过人工目译或计算机自动分类处理相结合识别出地物属性。我们做的分类是非监督分类，在进行的分类评价时，应用分类叠加方法来评价分类结果、分类精度及定义时应注意分类文件在上，而且取消栅格参数中清楚选示选项，以使两图像叠加显示。非监督分类步骤如下：第一步：显示原图像与分类图像，第二步：打开分类图像属性并调整字段显示顺序，第三步：给各个类别赋相应的颜色，第四步：不透明度设置，第五步：确定类别专题意义及其准确程度，第六步：标注类别的名称和相应颜色，第七步：将相同的类进行合并，最后分为五大类：建筑物、道路（空闲地）、水系、草地和灌木林。
第四项是制作专题地图。其操作步骤为：
一、准备专题制图数据，二、生成专题制图文件，三、确定专题制图范围，四、放置图面整饬要素。而图面整饰又包括1.绘制格网线与坐标注记，2.绘制地图比例尺，3.绘制地图图例，4.绘制指北针，5.地图名称的设定，6.地图的保存。其中创建格网中可以设置格网线的多少和起始值，这一步主要是对制作专题图的一些整饰，可以使图美观易懂。
为期两周的实习结束了，经过这次系统全面的实习，让我更深刻的了解了遥感图像的操作流程，也掌握了面对常出现问题的解决方法，同时也让我对课程有了更确切的理解，把理论应用于实际，同时加深了对理论部分的重点理解，还提升了动手能力。
第四篇：《数码图像处理》选修课总结
知识专题化
提高教学效果
——《数码图像处理》教学反思
现代教育技术中心
时道波
《数码图像处理》课程是上一学年新增设的一门选修课，面向本校非信息技术班开设，本课程重点培养学生的实践动手能力和审美水平，掌握图片处理的技法，能够创作出具有一定水准的作品，根据教学对象实际情况，采用内容专题化教学，教学中以图像处理实践为主，降低相关理论知识要求。经过一个学年的教学实践与思考，有一些收获，也有一些困惑，下面从本课程的教学目标、教学内容、教学方式、教学考核等方面进行总结。
一、教学目标 《数码图像处理》课程作为一门选修课，教学目标的设定应以激发学生学习兴趣、带领学生入门为目的，具体包括：
1、通过教学实践，使学生了解数字图像处理的发展、应用以及当前研究的热点和重要成果；
2、较深入地理解数字图像处理的基本概念、解决问题的基本思想方法，熟练掌握数字图像处理的基本过程；
3、能够运用Photoshop软件实现图像编辑、校色调色、图像合成、特效制作等各种图像效果处理技术，并能够在Photoshop中制作各种人像效果制作，如：美化人像、画意影像等。
二、教学内容
《数码图像处理》课程内容丰富，涉及的领域很多，包括：Photoshop软件技术、色彩知识、设计技巧、创意创作等，具有较强的专题性（例如：图像基本修饰、图像色彩调整、人物美化、画意影像等）。我在教学初的教学计划中将教学内容实行模块化、专题化，这样可以快速实现创作效果，较好的调动学生参与的积极性。但是，教学中也遇到了一下困难，如：缺乏合适的配套教材，需要教师在教学内容设计上要紧跟图像处理技术前沿，因此备课过程必须查阅更多文献材料，同时，对教学核心内容的把握要准确到位，对教学实践项目的设计必须精心考虑，合理统筹，这些都极大增加了教师课前准备的工作量。在专题化教学实践中，将这些专题的基本原理作为核心内容，并辅以其他与专题相关的研究性资料，使专题教学内容重点突出，信息量大，如：图像基本修饰，Photoshop CS5涵盖的内容比较全面，包括了选取范围、图像变换、图层、通道、特效滤镜、动作、时间轴等等。作为专题教学时，可将与图像的裁剪、图像占用空间等相关应用知识添加进来，使学生图像处理技术有更全面、深入地认识，并为专题化实践研究打下良好基础。
三、教学方法
《数码图像处理》课程选修班学生都是来自非信息技术班，信息技术基础较差，如何充分调动学生学习主动性和激发其创造能力，也是教师面对的一大难题。我决定不采用传统的按部就班的教学模式，而采用专题化的教学模式，在教学中，始终以学生为中心，采用启发式、问题法教学。
在专题内容正式讲授之前，应引入一些与专题相关的小问题，引导学生思考、分析问题，鼓励他们尝试着解决问题，这样能有效激发他们的学习积极性，提高学习效果。在专题化教学内容的设置上，每个专题涵盖的信息量都很丰富，但在理论教学中注意突出重点，贯彻“少而精”的原则，对每个专题的基本概念、基本理论要重点讲述，使学生掌握图像处理的精髓。对于专题扩展部分的知识，力求做到内容新颖、信息量大，并通过多媒体课件对新方法、新技术的处理效果进行实例演示，从而提高学生的理论素养，有效激发他们探究数字图像处理前沿技术的热情。
整个教学实践表明，专题化教学模式更能有效组织教学内容，使教学重点突出，教学信息量大。在教学中，可以根据每个专题引入了相应的图像处理研究热点、难点和新兴应用技术，学生的视野也得到了极大的拓展，有效地激发学生的学习兴趣，调动学生的学习主动性，较好地培养了学生动手实践能力。
四、教学考核
《数码图像处理》是一门实践性很强的课程，不适合采用卷面考核方式，也不适合通过一个作品就得出成绩的考核方式，传统的重记忆轻能力的考核必将伤害学生实践学习的主动性，影响学生实践能力的培养，从而达不到教学的理想效果。我采用形成性考核和终结性考核相结合的方式。形成性考核包括平时作业和考勤情况。形成性考核中平时作业实行开卷形式，占总成绩30%，考勤情况占总成绩的20%；终结性考核即期末考试，期末考试实行闭卷形式，成绩占学期总成绩的50%，考核命题在本课程的教学目标、教学内容范围之内，评分标准从技术、色彩、结构、选材四个角度全面衡量学生的技能水平。
五、改进措施
鉴于教学中缺乏教材，导致学生无法预习，教学方法单一容易使学习枯燥等情况，在以后的教学中，将加强以下两方面工作。
1、加强教材建设。合适的配套教材是实施教学的重要保证。采用专业班使用的教材不完全合适，市面上多数都是案例式的书籍，目前解决问题的办法是从各种书籍中搜集与专题相关的资料进行整合。本课程教材的编写要考虑学生的信息基础、教材格式安排上要富于变化、合理确定选讲内容等。教材的探索不是一个短期的过程，要有一个经验的积累过程。
2、改进教学方法。在专题化教学基础上，采用研讨式教学方式使课堂教学以学生为主角，最大程度地发挥学生的主观能动性，摆脱以往课堂上以教师讲授为主的模式，采用“教师主题引导—学生专题讲授—随堂研讨—教师质疑答疑”的形式安排课堂活动，并配合验证型和设计型实验拓展学生的学习和创新空间。重点在课堂活动安排上进行新的尝试，整体设计包括首堂互动、专题讲授与研讨、实验设置与课程竞赛、作业与考核等环节。学生通过课前自学、课上讨论和课后实验能更系统、深刻地掌握所学内容，并会因为研讨提出的交叉应用问题激发拓展学习的热情。
第五篇：Photoshop图像处理课程总结
《Photoshop图像处理》课程总结
课程名称：Photoshop课程代码：24011084 班级：16新闻学1、16新闻学（网络与新媒体方向）1 学 时：40其中，理论学时：20实践学时：18 其他：2 学 分：3 《Photoshop图像处理》课程一门专业基础课。要求学生通过实践教学，掌握Photoshop软件的基本操作，包括工具栏的使用、图层、图层蒙板、图层样式的使用，色彩的调整方法，常用滤镜的使用。
图像处理
一、课程教学内容
（1）Photoshop基本工具的使用（必学）（2）矢量图形的绘制（必学）（3）图层基本操作（必学）（4）图层蒙板的操作（必学）
（5）图层样式的操作（根据教学进度可删减）（6）图层混合效果的操作（根据教学进度可删减）（7）图像调色（必学）
（8）图像通道（根据教学进度可删减）（9）图像滤镜（根据教学进度可删减）
二、课程考试内容
（1）基本操作（15分）
要求：主要考Photoshop工具的使用，请根据提供的素材和效果图，完成操作。保存PSD格式和JPEG格式各1份，并完成电子答题卡。
（2）图标绘制（20分）
要求：主要考Photoshop矢量工具的使用，请根据提供的素材和效果图，完成操作。保存PSD格式和JPEG格式各1份，并完成电子答题卡。
（3）选做题（25分）
要求：主要考Photoshop图层和调色的操作，请根据提供的素材和效果图，完成操作。本题共提供2组素材和效果图，请自行选择完成1组。保存PSD格式和JPEG格式各1份，并完成电子答题卡。
（4）个人设计作品（40分）
要求：主题不限，可以是图标设计，包装设计，书籍封面设计、产品宣传设计、海报等等，请将自己在这一学期中最优秀的设计作品上交，上交PSD格式和JPEG格式各1份，并完成电子答题卡。
三、课程教学所遇问题及解决思路
课程教学总会问题各种各样的问题，有的学生学习慢，有的学习接受快，如何平衡各个学生的要求。新考核方式的产生，同时也产生新的问题，需要我们及时地发现和解决，不然会给我们的教学质量带来很多不良的影响。综合分析认为，本课程教学中的主要问题有：
（1）学生基础弱与学生学习进度不一的问题：
学生的接受能力不一，有的学习能力快，嫌老师讲得慢，不想听。有的学生接受能力慢，觉得老师讲得太快，及难跟不上。而且有的学生在之前对计算机基础的键盘操作都不大熟悉，对本课程的学习更是有一定的难度。解决思路
教学过程要有弹性，不能死板地一步一步的教，要根据学生的学习特点，对基础知识讲透讲精，然后对基础技能有一定的拓展，让学生快的同学有所思，有所获，同时不必要求每一个同学都能做到，对统一要求的作业以基础要求为主。（2）个别学生对学业不管不问的问题：
一些同学散慢惯了，从来不交作业，对期末作品也不管不问，这些同学对自己的学习一点不关心，对自己的作业不关心，导致要交作业时，连要交什么都不知道。解决思路
方法就一条，老师对这部分同学要多加关心。
以后在期末分组完成作品时，能及时了解学生的分组情况，了解学生完成作品中的困难，帮助他们树立良好的学习态度，即使做不了优秀的作品，也要完成作品，哪怕质量不是很高，但至少要认真地面对自己的学业。学习态度大于学习能力，这一点需要好好地教会学生。
四、课程反思以及改进
1、教学目标的优化性。以学定教，以学生为本，把握教学进度，不能求全责备。
2、教学要求的层次性。除体现教学目标的层次性以外，还要注意对学生评价的层次性，对于“差异学生”采取“差异评价”，以激励的原则，调动全体学生的学习积极性和主动性。
3、教学案例要多元化，尽量贴近实际，向有商业价值的作品内容倾斜。
4、发展课程影响力，引导学生进行专业发展，明确课程在专业发展中的作用。
5、教学评价的激励性。坚持“正面鼓励、激励为先、差异评价”原则，发挥教学评价的激励功能，认同每一位学生的进步和成功，随时注意鼓励、表扬、唤醒，让每一位学生体验成功与自信。
6、提高教师的个人业务能力，让学生真正学有所获。
7、多关注学生的进步，少关注技能高低，技能水平不能一蹴而就，而有努力就会有进步。
点击咨询 