第一篇：車牌識別圖像處理過程總結(jié)

圖像處理在車牌圖像預處理中的應用

? ? ? ? ? ? ? ? ? ? ? 灰度化

車牌圖像灰度化 直方圖均衡化 灰度拉伸 二值化

全局閾值法和局部閾值法 適用于車牌的二值化方法 邊緣檢測 圖像梯度

幾種常見的邊緣檢測算子 適用于車牌的邊緣檢測算子

一、車牌識別系統(tǒng)結(jié)構(gòu)

車牌識別系統(tǒng)通常由數(shù)據(jù)采集(車牌圖像攝取)，車牌提取，車牌識別幾個主要部分

組成，其系統(tǒng)結(jié)構(gòu)如圖 1.1 所示：

車牌自動識別系統(tǒng)中：

1.圖像攝取主要由硬件部分完成，它提取汽車的前景圖像，將攝像頭的視頻信號轉(zhuǎn)換為數(shù)字圖像信號送給計算機處理。

2.車牌圖像預處理。由于拍攝的自然環(huán)境及光照條件的影響，車牌圖像中存在許多干擾，對車牌的定位帶來不便，為了更好的提取車牌，需要對車牌圖像進行預處理以保證車牌定位的質(zhì)量。

3.VLP 檢測。即圖 1.1 中虛線環(huán)繞的部分，這一部分是系統(tǒng)的核心，它的實現(xiàn)影響著整個系統(tǒng)的性能，主要利用模式識別、數(shù)字圖像處理、信息論等知識對車牌圖像中的車牌進行定位及提取操作。

4.字符分割及識別。當車牌被成功提取后，需要分割其中的字符，并利用先驗知識對其進行識別，以得到最終結(jié)果。

二、圖像處理具體過程

圖像處理是人工智能在計算機圖形學中的一個重要分支，是車牌識別系統(tǒng)的理論依據(jù)。在自然條件下攝取的車牌，除了包含大量噪聲外，還具有多樣性。為了使系統(tǒng)能夠更好的分離車牌，必須對原始圖像進行預處理。本章主要討論車牌圖像預處理的一些常用方法，包括圖像的灰度二值化、噪聲處理、邊緣提取等。當攝像機從外界攝入視頻圖像時，首先把它轉(zhuǎn)換為靜態(tài)圖片，再送入計算機進行處理。由于拍攝環(huán)境的多變性，車牌圖像中存在噪聲和干擾，這些給車牌提取帶來困難。系統(tǒng)首先將輸入的彩色圖像灰度化，并且進行亮度平均，使圖像具有較好的對比度；對圖像進行邊緣提取操作前，往往先要進行噪聲抑制操作，以提高邊緣提取的質(zhì)量；二值化則多用于已提取車牌的處理上。車牌圖像預處理的難點在于：

1.車牌圖像質(zhì)量不佳，灰度化后會弱化圖像中的車牌信息，因而好的灰度化處理非常必要；

2.由于光照的原因，車牌很可能出現(xiàn)過分灰暗或明亮的情況，這種條件下的二值化處理應該分情況討論，對應特殊的分割閾值；

3.圖像中的復雜背景具有豐富的邊緣信息，不但會增加系統(tǒng)識別的難度，也會造成系統(tǒng)的誤判，怎樣去除這些不必要的背景十分關(guān)鍵。實際操作中，因為車牌處于圖像的中部偏下位置，所以通常取圖像的下半部分進行處理或優(yōu)先考慮圖像中靠下方的位置。

4.車牌中的字符很容易在預處理中發(fā)生變形或丟失信息的情況，要注意保持車牌的字符信息。

2.1 灰度化

在計算機中，一幅圖像由若干個像素組成，每個像素都帶有圖像的相關(guān)信息(如背景、目標、噪聲等)，而圖像處理技術(shù)則通過對這些像素進行處理而得到我們所需要的關(guān)鍵信息。

2.1.1 車牌圖像灰度化

一般情況下，輸入計算機的視頻截取圖像為 RGB 格式，即彩色圖片。由于這種圖像包含大量的顏色信息，它的每個像素都具有三個不同的顏色分量 R(Red)、G(Green)、B(Blue)，這樣的圖片占據(jù)的存儲空間很大，而且在對其進行處理時也會耗用較多的系統(tǒng)資源，導致系統(tǒng)的執(zhí)行效率不高。與之相比，灰度圖像只含有亮度信息，從而大大減少了系統(tǒng)的工作時間，滿足汽車牌照識別系統(tǒng)的實時性要求。因此，在對圖像進行其它預處理之前，一般先將彩色圖像轉(zhuǎn)換成灰度圖像。

最基本的灰度化方法就是直接使用 R、G、B 三分量中的最大值或平均值來代替各個分量?；叶然院螅嗤伾南袼鼐哂邢嗤牧炼?，這就形成了以亮度為層次的灰度圖片?；叶戎荡蟮南袼乇容^亮，反之較暗。通常把灰度值分為 256 等份，0 度表示最暗的級別，即黑色；255 表示最亮的級別，即白色。圖像的灰度化轉(zhuǎn)換還有其它不同的算法，比較常見的是給像素的 R、G、B 分量各自增加一個特定的加權(quán)系數(shù)，相乘后求和，其計算結(jié)果作為灰度值，轉(zhuǎn)換公式如下：

I = 0.229 R+0.587 G+0.114 B 式中 I 表示像素的灰度值。

加權(quán)系數(shù)的取值建立在人眼視覺模型的基礎(chǔ)上，對于人眼比較敏感的綠色分量，賦予較大的系數(shù)，而對于人眼比較遲鈍的藍色分量則取較小的系數(shù)。這樣得到的灰度圖像在視覺上比較接近人的主觀感覺。

2.1.2 直方圖均衡化

由于灰度圖像建立在彩色圖像的基礎(chǔ)上，所以在不同的光照條件下，對同一輛汽車所拍攝的圖片有著很大的差異。就車牌圖像而言，灰度的動態(tài)取值范圍越廣(即圖像的對比度越大)越有利于圖像分析。

圖 2.1-2.4 分別給出了白天和傍晚時相同汽車的彩色車牌圖像及灰度圖像。從圖中我們可以看出，由于白天的光線較好，使得汽車的灰度圖像存在較大的對比度，肉眼上更容易識別。而在實際拍攝條件下，影響圖片亮度的因素除了天氣外，汽車自身的反光現(xiàn)象也是一個原因。

當車牌圖像在反光或傍晚拍攝時，圖像中的白色或黑色區(qū)域較大，使得圖像的整體像素灰度值偏向于兩個極值。在這種情況下，車牌區(qū)域的對比度就被弱化了。因此，我們要使圖像的灰度值分布平均化，這就是直方圖均衡化的作用。圖像的直方圖是一個概率函數(shù)圖像，它表示了圖像中各種像素值的出現(xiàn)概率，而直方圖均衡化則是通過某種變換，得到一幅具有均勻灰度密度分布的新圖像。其結(jié)果是擴展了圖像的灰度取值范圍，從而達到增強圖像對比的效果。設原始灰度圖像的像素數(shù)目為 N，那么，直方圖均衡化的具體計算步驟如下：

直方圖均衡化的結(jié)果如圖 2.5-2.8 所示，可以看出經(jīng)過均衡化處理后圖像的對比度得到了增強，直方圖中的灰度函數(shù)分布基本平均。

2.1.3 灰度拉伸

由于直方圖均衡化是對圖像中已經(jīng)存在的像素值進行平均，那么圖像中出現(xiàn)較多的像素級就在均衡過程中起到了主要貢獻作用。相對灰度級出現(xiàn)較少，圖像灰度處于極端的情況而言，我們需要圖像的像素值在各個灰度級都有均勻分布(包括原圖中不曾出現(xiàn)的灰度級)，灰度拉伸可以達到這個效果，從而起到增強圖像對比的作用。

如果造成圖像的對比度不足，主要原因在于拍攝目標的遠近不同，使得圖像中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時各點的靈敏度有較大差異而導致圖像失真，或是由于曝光不足(或過度)致使圖像的灰度值大小被限制在一個很窄的范圍內(nèi)。這時的圖像模糊不清，似乎沒有灰度層次。

假設原圖像 f(x,y)中，大部分像素的灰度級在一個較窄的范圍[a, b] 內(nèi)，又或者我們只對灰度級在某個范圍內(nèi)的像素感興趣，經(jīng)過線性灰度變換后，可以將這一灰度范圍[a, b] 擴展到新圖像 g(x,y)中一個比較大的灰度范圍[c, d]。并且有。f(x,y)和g(x,y)的變換公式如下：

從灰度直方圖分析，由于新圖像的灰度范圍變大，所以對數(shù)字圖像來說，盡管變換前后像素的個數(shù)不變，但不同像素的灰度差變大，增強了圖像的對比度。同時，這種兩端截取式的變換使小于灰度級a和大于等于灰度級b 的像素分別直接變?yōu)閏和d，將會造成部分信息的丟失。

因此，可以采用分段線性灰度變換以減少信息的丟失，將圖像灰度分成兩個以上的區(qū)間分別進行線性變換。這種方法的優(yōu)點在于可以根據(jù)需要來拉伸感興趣的灰度范圍，相對抑制不感興趣的范圍。分成三段進行灰度變換的公式如下：

公式對灰度范圍[a,b]進行了灰度擴展，而對灰度范圍[0,a]和[b,m]進行了壓縮。通過調(diào)整折線拐點的位置和分段直線的斜率，可以對任意灰度范圍進行擴展或壓縮。利用某些非線性函數(shù)，例如對數(shù)函數(shù)、指數(shù)函數(shù)等作為變換函數(shù)，可實現(xiàn)圖像的非線性變換。對數(shù)變化一般為：

其中a、b 和c為可調(diào)參數(shù)，用于調(diào)整曲線的位置和形狀，它使圖像的低灰度區(qū)得以擴展，而高灰度區(qū)得以壓縮。與之對應的指數(shù)變換一般為：

其中a、b 和c同樣為可調(diào)參數(shù)，用于調(diào)整曲線屬性。它的效果與對數(shù)變換的效果相反：擴展了圖像的高灰度區(qū)，壓縮的圖像的低灰度區(qū)。利用對數(shù)函數(shù)進行灰度變換在實際應用中有重要意義，它能擴展低灰度區(qū)，符合人們在視覺上的主觀感覺。

如圖 2.9-2.12 所示，可以看出經(jīng)過灰度拉伸處理后的圖像的灰度分布區(qū)域由(0,200)變換到另一個區(qū)域(128,255)，圖像的亮度明顯增大。

2.2 二值化

一幅灰度圖像的亮度信息由 256 個灰度級組成，它能夠呈現(xiàn)較為豐富的明暗度。當我們識別車牌時，需要把目標從背景中徹底分量出來。為了盡可能少地減少背景像素干擾，常常直接把圖像分為目標和背景兩部分。這樣我們只能用兩個灰度級：0 和 1。通常目標像素值為 1，背景像素值為 0。要得到這種黑白分明的圖像，我們需要對圖像進行二值化。

設圖像二值化前的像素值為 f(x,y)，其中(x ,y)表示圖像的空間點坐標，變化后的像素值 g(x,y)為：

其中c為我們所說的閾值。

目前，在車牌識別系統(tǒng)中常用的灰度二值化算法主要包括全局閾值法和局部閾值法等。并且出現(xiàn)了一些針對車牌圖像的特殊二值化算法。由于上文介紹了圖像的灰度化變換，所以下面將逐一介紹基于灰度的三種閾值法算法。

2.2.1 全局閾值法和局部閾值法

顧名思義，全局閾值法就是從圖像的整體角度出發(fā)，計算圖像的單一閾值的方法，主要有迭代法和 Otsu 法等，這里我們介紹 Otsu 法。

Otsu 法是常用的一種閾值選取方法，這是一種類間方差閾值法，它是在最小二乘函數(shù)的基礎(chǔ)上推導出來的?；舅枷胧牵喝∫粋€閾值k，將圖像中的像素按灰度值分為大于等于k 和小于k 兩類，也就是我們所說的目標和背景兩類。求出兩類像素的方差

和總體方差

。然后給定三個分離指標：

任取其中一個，這里我們?nèi)〉谝粋€分離指標Q1，找出使其值最小的 k 即為最佳閾值。其意義是使不同種類的方差最大，相同種類的方差最小。用 P(i)示圖像各灰度級的頻數(shù)，則閾值的計算步驟為：

各參數(shù)的計算公式分別如下：

4.令 k = k+1，重復計算上一步，直到 k 取到最大灰度級 maxk ；

5.找出令分離指標

Q 1最小的 k 值，該值為最佳閾值。

局部閾值法則是針對灰度圖像中的每一個像素點進行計算的。它將圖像分塊，為每一塊選取一個閾值進行分割，如果某塊內(nèi)同時有目標和背景，則直方圖呈明顯雙峰狀態(tài)，可定出局部閾值；如果一塊內(nèi)只有目標或背景，那么直方圖不呈雙峰，但可根據(jù)鄰近有雙峰區(qū)域的閾值通過內(nèi)插而得到這一區(qū)域的閾值。局部閾值法的難點之一是判斷直方圖是否存在雙峰。一種較為直觀的方法是：如果某一塊只有目標或背景，那么它的差分值就比較小。算法設計如下：

由于全局閾值法是從圖像的整體角度出發(fā)計算單一閾值，因而計算時間較短，適用于目標與背景存在較大對比度的圖像；而局部閾值法則是逐個計算圖像中的每個像素灰度級，保存了圖像的細節(jié)信息。相比全局閾值法來說，它的計算時間較長，計算量較大，但適用于背景信息豐富的圖像。

2.2.2 適用于車牌的二值化方法

由于車牌圖像的特殊性，它包含的信息一般要少于普通的圖像，綜合考慮全局閾值法和局部閾值法的優(yōu)缺點，可以得到一種比較適合車牌圖像的二值化方法。實際處理中，由于光照不勻、灰度級動態(tài)范圍太窄和車輛牌照污損等原因影響，致使車牌的質(zhì)量退化，常存在嚴重的偽影和模糊的字符邊緣，因而極大影響了車牌圖像的二值化效果。而將牌照圖像的空間分布特征[21]與最大類間方差的統(tǒng)計特征相結(jié)合后，不僅能消除不均勻光照引起的偽影，還能減少筆畫出現(xiàn)斷裂現(xiàn)象的幾率，二值化效果較好。

假定牌照圖像中字符像素所占比例為 R1，背景像素所占比例為R2，則 0

2.3 邊緣檢測

數(shù)字圖像的邊緣檢測是圖像分割、目標識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)。邊緣是圖像的重要特征，圖像理解和分析的第一步就是邊緣檢測。在車牌識系統(tǒng)中，車牌區(qū)域存在大量的邊緣信息，這是車牌區(qū)域不同于其它區(qū)域的一個重要特征。因此，邊緣檢測對于車牌識別非常重要。所謂邊緣，就是指其周圍像素值的變化呈現(xiàn)階梯狀或屋頂狀的像素的集合，它存在于目標與背景、目標與目標、區(qū)域與區(qū)域、基元與基元之間。邊緣反應了空間頻率的變化，是圖像分割的重要特征，也是紋理信息形狀特征的基礎(chǔ)。所以，我們要把車牌從圖像中分割出來，就要找到車牌區(qū)域與其它區(qū)域之間的邊緣，從而進行圖像分割。由于邊緣處于兩個不同區(qū)域之間，所以邊緣具有方向和幅度兩個特征。沿邊緣走向，像素值的變化平緩；而垂直于邊緣走向，像素值的變化明顯。它的存在相當于函數(shù)中的轉(zhuǎn)折點或拐點，因而邊緣上像素值的一階導數(shù)較大，二階導數(shù)為零。2.3.1 圖像梯度

在介紹邊緣提取方法之前，先引入圖像梯度的概念。對于圖像 f(x,y)，它在點(x ,y)處的梯度定義為一個矢量：

綜上所述，這一章主要介紹了數(shù)字圖像處理在車牌預處理方面的一些應用，包括輸入圖像的灰度化、二值化、噪聲處理和邊緣提取等。圖像預處理是車牌識別系統(tǒng)中非常重要的一個環(huán)節(jié)，它的好壞直接影響了二值化的質(zhì)量，對整個系統(tǒng)的精度也有著深遠的影響。

第二篇：加油站車牌識別

近年來，隨著機動車輛的不斷增加，加油站的數(shù)量也在不斷增多。目前，各大石油公司旗下的加油站由于自營店和加盟店眾多，管理分散，一些早期投入的不能擴容和聯(lián)網(wǎng)的監(jiān)控系統(tǒng)已經(jīng)面臨著新的挑戰(zhàn)：除了對加油站進出車輛情況、收費情況、設備運行情況以及加油站工作情況要進行實時監(jiān)視和記錄外；鑒于許多城市的加油站位于市內(nèi)，安全隱患令人憂心，因而相關(guān)部門在監(jiān)控系統(tǒng)與其他系統(tǒng)(如消防報警系統(tǒng))的聯(lián)動方面做出的要求更為嚴格。

利用先進的監(jiān)控技術(shù)，例如高清、智能、車牌識別等技術(shù)，構(gòu)建一套全面防范、重點加強、資源共享的安防系統(tǒng)，有效加強對加油站人員的管理，直觀及時的反映重要地點的現(xiàn)場情況，增強安全保障措施，已經(jīng)成為現(xiàn)階段加油站建立現(xiàn)代化管理系統(tǒng)的重要選擇。

需求分析

根據(jù)當前加油站的運行管理和安防報警的要求，加油站聯(lián)網(wǎng)監(jiān)控系統(tǒng)需滿足以下需求：

·管理人員可以實時了解加油站的工作情況；

·管理人員可以實時了解加油站的交易情況；

·管理人員可以實時監(jiān)視加油站的各個重點部位，比如油庫區(qū)和金庫等；

·系統(tǒng)需具備報警接口，加油站報警時可以實時傳遞報警信號到總監(jiān)控中心，并可以設置多種報警聯(lián)動機制，實現(xiàn)視頻監(jiān)控與報警的結(jié)合；

·監(jiān)控平臺軟件需支持語音對講和廣播，能夠擴展實時指揮、培訓和視頻會議等功能。

設計思想

對加油站的監(jiān)控系統(tǒng)實現(xiàn)半公開管理。一方面，加油站管理人員可以通過前端視頻了解加油站進出車輛情況、收費情況、設備運行情況以及加油站工作情況，實現(xiàn)對加油站的遠程管理。另一方面，當有警情發(fā)生時，相關(guān)人員可以即時查看到現(xiàn)場實時視頻。

對于重點區(qū)域如油庫等部位，采用智能分析技術(shù)，通過智能跟蹤的方式，實現(xiàn)油庫區(qū)的安全防范監(jiān)控。

對于加油站進出口管理，可以采取兩套解決方案：

1、使用強光抑制型攝像機，保證晚上也能夠看清車牌信息；

2、使用高清攝像機，配合LED頻閃燈，增加車牌識別功能；

3、該功能可以輔助加油站對加油車輛進行統(tǒng)計分析，方便加油站針對老客戶搞一些回饋活動。

報警與監(jiān)控系統(tǒng)建設以加油站為基本實戰(zhàn)單位，在各上級監(jiān)管單位建立二級報警與監(jiān)控分中心，在省公司設立總監(jiān)控中心，實現(xiàn)對前端所有設備和系統(tǒng)的統(tǒng)一管理和控制。各級領(lǐng)導可以通過網(wǎng)絡分控對系統(tǒng)進行管理。

監(jiān)控中心是一個監(jiān)控系統(tǒng)的核心管理部分，是利用計算機網(wǎng)絡多媒體技術(shù)開發(fā)的整合式集中智能監(jiān)控管理控制應用平臺(包括監(jiān)控系統(tǒng)管理模塊、WEB服務模塊、報警模塊、數(shù)字視頻轉(zhuǎn)發(fā)模塊等)，匯接了全省各加油站圖像監(jiān)控系統(tǒng)，將所需的視頻、音頻、數(shù)據(jù)以數(shù)字形式通過網(wǎng)絡進行傳輸和共享；并根據(jù)授權(quán)進行遠程調(diào)閱、查詢，由開放的接口實現(xiàn)互聯(lián)、互通、互控及其它多種應用，為全省各級領(lǐng)導決策、指揮調(diào)度、調(diào)查取證等，提供及時、可靠的監(jiān)控圖像信息。系統(tǒng)設計

運用先進的計算機技術(shù)、網(wǎng)絡技術(shù)、數(shù)字壓縮技術(shù)、網(wǎng)絡傳輸與安全技術(shù)，以加油站為監(jiān)控網(wǎng)點，加強監(jiān)控點、網(wǎng)設、監(jiān)控系統(tǒng)管理應用平臺等系統(tǒng)建設以及相關(guān)應用機制建設，基本建成覆蓋面廣、系統(tǒng)完整、功能強大的網(wǎng)絡報警和視頻監(jiān)控系統(tǒng)。

系統(tǒng)整體架構(gòu)

系統(tǒng)整體上劃分為三個部分：包括省級監(jiān)控中心，地市級分控中心和加油站部分。在前端每個加油站采用硬盤錄像機作為系統(tǒng)接入的主要設備；在加油站省級管理單位設置集中監(jiān)控、管理平臺；在其他管理單位設分控中心或客戶端。

加油站的建設

加油站是各種信息的采集點，是整個系統(tǒng)是否具備實用性的關(guān)鍵所在，只有采集到有效的信息，才能使整個系統(tǒng)發(fā)揮作用。根據(jù)加油站的防范需求，每個加油站需要建設多個視頻采集點，對加油站進出口、加油站加油工作區(qū)、加油站便利店、加油站售卡處、加油站財務處(保險柜)、加油站的油庫區(qū)等部位進行覆蓋。

針對上述防范區(qū)域，系統(tǒng)將可采用不同的前端設備以滿足不同的防范需求：加油站進出口：需要看清進出車輛的車牌號碼和進出人員的面部特征；加油站加油工作區(qū)：需要看到加油區(qū)的整體工作狀況；加油站便利店、售卡出、財務處(保險柜)：需要看清交易人員的面部特征、交易情況等；加油站的油庫區(qū)：需要對進入油庫區(qū)的人和車進行智能跟蹤，詳細記錄油庫區(qū)內(nèi)人和車的運行軌跡和各種狀態(tài)。

加油站點位設計

進出口監(jiān)控：加油站進出口是外部人員和車輛進出加油站的唯一通道，是加油站防范重點部位。點位設計應該滿足人員面部特征和車輛牌照信息能清晰呈現(xiàn)的需求。由于加油站均為24小時運行，需要考慮晚上的光線環(huán)境，尤其是進出口處車頭燈對攝像機的影響較為嚴重。

鑒于以上兩點，加油站進出口采用日夜型強光抑制彩色攝像機，攝像機具備分辨率高(彩色540TVL、黑白600TVL)、低照度(彩色0.003Lux、黑白0.0003Lux)及強光抑制等特點，能夠滿足進出口防范需求。

針對加油站出入口，系統(tǒng)還可以采用高清攝像機，配合LED頻閃燈，實現(xiàn)車輛牌照識別功能。采用的高清攝像機內(nèi)置視頻觸發(fā)模塊、抓拍模塊和拍照識別模塊，避免了增加額外的設備，減少工程成本和施工難度。

加油工作區(qū)監(jiān)控：加油工作區(qū)是外來人員及車輛的主要活動場所，點位設計應滿足該區(qū)域的全覆蓋。加油工作區(qū)一般面積比較大，可以采用槍機對角安裝進行大面積覆蓋，再加裝球型攝像機對槍機盲點進行補充。同時，球機可以對加油區(qū)的工作細節(jié)進行捕獲。槍機采用低照度彩色攝像機，球機采用智能中速球。

便利店、售卡處、財務處(保險柜)：以上三個地方均是發(fā)生錢物交易的地方，點位設計需滿足清晰記錄交易人員特征及交易情況的需求。便利店、售卡處、財務處均為室內(nèi)安裝，采用高解彩色半球攝像機，外觀美觀，分辨率高(540TVL)，滿足監(jiān)控點需求。

油庫區(qū)：油庫區(qū)為加油站防范的重中之重，油庫區(qū)一旦發(fā)生問題，后果不堪設想。

點位設計采用智能分析技術(shù)，能夠?qū)M入油庫區(qū)的人員和車輛進行跟蹤捕獲，清晰地展現(xiàn)人員及車輛的運行軌跡及各種狀態(tài)。

油庫區(qū)采用自動跟蹤高速智能球，通過智能分析技術(shù)，清晰完整的記錄油庫區(qū)的人和車。并要求球機具備自動跟蹤、運轉(zhuǎn)速度快(水平540°/s、垂直400°/s)等特點。

加油站報警設計

本監(jiān)控系統(tǒng)設計預留報警接口，可在加油站重點防范部位加裝報警探頭或者報警按鈕，實現(xiàn)報警信息的自動采集或手動觸發(fā)。

報警點位設計：財務室、保險柜安裝三鑒探測器和手動報警按鈕；售卡處和便利店安裝手動報警按鈕；同時支持視頻檢測報警。

加油站中心設計：加油站中心主要是前端攝像機的匯聚中心，系統(tǒng)采用硬盤錄像機作為匯聚核心設備。通過硬盤錄像機對前端視頻進行編碼存儲及網(wǎng)絡上傳。同時，硬盤錄像機也可以接入前端報警信號，實現(xiàn)報警聯(lián)動及報警上傳等功能。

監(jiān)控中心建設

監(jiān)控中心是整個系統(tǒng)的管理核心，能夠?qū)η岸嗽O備和用戶進行統(tǒng)一的管理和控制。監(jiān)控中心設在省級銷售管理公司，主要是系統(tǒng)平臺軟件、承載服務器及應用客戶端的部署。

分控中心建設

分控中心為系統(tǒng)的區(qū)域管理中心，能夠?qū)^(qū)域內(nèi)的前端設備進行管理和控制。區(qū)域監(jiān)控中心設在各地市銷售公司，主要是系統(tǒng)應用客戶端和承載計算機的部署。

系統(tǒng)平臺建設

本系統(tǒng)平臺是一套定位于監(jiān)控專網(wǎng)環(huán)境下的網(wǎng)絡集中監(jiān)控系統(tǒng)。整個軟件平臺按分布式系統(tǒng)方式設計，各組件各司其職、相對獨立，又構(gòu)成一個有機的整體。由中心服務模塊、存儲服務模塊、流媒體服務模塊、電視墻服務模塊、報警服務模塊、客戶端模塊(分配置和操作兩類)組成。各服務模塊的物理承載形式為Server，構(gòu)成中心服務器、存儲服務器、流媒體服務器、電視墻服務器和報警服務器，客戶端模塊的物理承載形式為高性能PC，構(gòu)成配置客戶端和操作客戶端。

本系統(tǒng)中的控制、管理、服務均由中心服務器、存儲服務器、流媒體服務器、電視墻服務器和報警服務器實現(xiàn)，形成報警與監(jiān)控管理控制應用平臺。遠程網(wǎng)絡監(jiān)控采用B/S(瀏覽器/服務器)和C/S(客戶端/服務器)模式。其中，監(jiān)控中心、分控中心采用C/S模式，在計算機上安裝客戶端軟件，可根據(jù)權(quán)限劃分，實現(xiàn)對其管轄范圍內(nèi)的前端設備遠程管理設置、圖像瀏覽錄像和回放；領(lǐng)導和有關(guān)人員電腦訪問采用B/S模式，使用IE瀏覽器登錄服務器，能遠程瀏覽圖像、控制設備。

平臺構(gòu)成

監(jiān)控平臺軟件分管理中心(ServerControl)、監(jiān)控中心(ControlCenter)與控制中心(即客戶端)三部分。

監(jiān)控中心提供視頻安防監(jiān)控系統(tǒng)的功能服務，包含集中存儲服務、高清解碼服務、流媒體服務、報警服務等。控制中心是一個用戶進行監(jiān)控交互的客戶端軟件。加油站監(jiān)控報警聯(lián)網(wǎng)系統(tǒng)的建設方案淺析

2011/7/4/9:7來源：安防知識網(wǎng)

管理中心包含一個服務程序和一個數(shù)據(jù)庫，對各監(jiān)控中心服務模塊、控制中心用戶、前端設備(高清IP攝像機)實施有效管理，管理數(shù)據(jù)記錄在數(shù)據(jù)庫中。

監(jiān)控平臺軟件支持分布式組網(wǎng)，可組建多個監(jiān)控中心。監(jiān)控中心之間可形成一個樹形結(jié)構(gòu)，最高級別的監(jiān)控中心可以管理各個分監(jiān)控中心，上級監(jiān)控中心可以按權(quán)限實時監(jiān)看下級監(jiān)控中心管理的監(jiān)控點。

系統(tǒng)管理功能

管理中心是整個系統(tǒng)的核心，各監(jiān)控中心必須得到管理中心的授權(quán)才可以接入系統(tǒng)。同時，管理中心還對監(jiān)控中心的各類服務器(電視墻服務器、存儲服務器、流媒體服務器)、接入的前端編碼設備(高清網(wǎng)絡攝像機)、控制中心的操作用戶進行管理。

第三篇：圖像視頻處理基礎(chǔ)知識總結(jié)

彩色圖像基礎(chǔ)知識普及篇

⑴ 圖像采集的原理

數(shù)碼相機，攝像機等都是通過傳感器來獲取圖像的，傳感器陣列是由橫豎兩個方向密集排列的感光元件（CCD或CMOS）組成的一個二維矩陣，它收集入射能量并把它聚焦到一個圖像平面上，與焦點面相重合的傳感器陣列產(chǎn)生與每一個傳感器接收光總量成正比的輸出。數(shù)字或模擬電路掃描這些輸出，并把它們轉(zhuǎn)換為信號，由成像系統(tǒng)的其他部分數(shù)字化。

⑵ BAYER矩陣

傳感器陣列的排列方式可以有很多種，現(xiàn)在最常用的是Bayer矩陣模式的排列方式，即每個CCD就對應一個像素。其中R感應紅光、G感應綠光、B感應藍光，而在Bayer模式中G是R和B的兩倍（因為我們的眼睛對綠色更敏感）。以下是Bayer陣列的一種排列方式： RGRGRGRGRG

GBGBGBGBGB

RGRGRGRGRG 以中心綠色的G為例，此像素只有G，缺少R與B，R就等于上下兩個R的平均值，B就等于左右兩個B的平均值。其他的R與B都是一樣的，每個像素補齊RGB三色就可以。此種插值算法是最簡單最高效的，當然在一些圖像的邊界之處其影像效果最會有一些折扣。

⑶ 伽馬校正

數(shù)碼相機拍攝出的彩色圖像，以及我們把一幅圖像在顯示器上顯示出來都要進行相應的伽馬校正。數(shù)碼RAW格式的拍攝是采用線性的gamma(即gamma 1.0)，可是人的眼睛對光的感應曲線卻是一“非線性”的曲線。所以RAW Converter會在轉(zhuǎn)換時都會應用一條Gamma曲線到Raw數(shù)據(jù)上（簡單的理解，就是相當于對原始數(shù)據(jù)進行一個f(x)的變換，并且注意，f(x)并不是一次的線性函數(shù)），來產(chǎn)生更加接近人眼感應的色調(diào)。同理，顯示器的強度(Intensity)并非與輸入訊號成正比(非線性關(guān)系),這種非線性特性稱為Gamma特性。

各參數(shù)簡述如下： ① Image_gamma：為輸入影像的γ值，一般訂為γNTSC=2.2，γPAL=2.8，γRGB=1，γMAC=1.8；

② Display_gamma：因制造技術(shù)的關(guān)系，每一制造廠生產(chǎn)出來的顯示器γ值都會不一樣，所以制造廠需提供顯示器γ值,一般訂為γCRT=2.5,γLCD=1.6;

③ Viewing_gamma：為最后我們用眼睛去看的結(jié)果，理想狀況為1，即為看到的影像為原

始影像，一般會因外在環(huán)境的影響，γ值從1至1.5變化。

④ LUT_gamma：伽馬參數(shù)的LUT表。

輸入訊號經(jīng)γ修正器與顯示器后，最后希望看到的是與原輸入影像一樣的畫面，即沒有失真。

⑷ RGB和YUV圖像

在計算機中使用最多的 RGB 顏色空間，分別對應紅、綠、藍三種顏色；通過調(diào)配三個分量的比例來組成各種顏色。一般可以使用 1、2、4、8、16、24、32 位來存儲這三顏色，不過現(xiàn)在一個分量最大是用 8 位來表示，最大值是 255，對于 32 位的顏色，高 8 位是用來表示透明度的。彩色圖一般指 16 位以上的圖?；叶葓D有一個特殊之處就是組成顏色的三個分量相等；而一般灰度圖是8 位以下。

在彩色電視機系統(tǒng)中，通常使用一種叫 YUV 的顏色空間，其中 Y 表示亮度信號，也就是這個 YUV 空間解決了彩色電視機和黑白電視機的兼容問題。對于人眼來說，亮度信號是最敏感的，如果將彩色圖像轉(zhuǎn)換為灰度圖像，僅僅需要轉(zhuǎn)換保存亮度信號就可以。

從 RGB 到 YUV 空間的 Y 轉(zhuǎn)換公式為：

Y = 0.299R+0.587G+0.114B

在 WINDOWS 中，表示 16 位以上的圖和以下的圖有點不同； 16 位以下的圖使用一個調(diào)色板來表示選擇具體的顏色，調(diào)色板的每個單元是 4 個字節(jié)，其中一個透明度；而具體的像素值存儲的是索引，分別是 1、2、4、8 位。16 位以上的圖直接使用像素表示顏色。

⑸ 彩色圖轉(zhuǎn)換為灰度圖

灰度圖（GrayScale）是指只含亮度信息，不含色彩信息的圖像?；叶然幚硎前押辛炼群蜕实牟噬珗D像變換成灰度圖像的過程?；叶然幚碓谠S多圖像處理中是很重要的一步，他的結(jié)果就是后續(xù)處理的基礎(chǔ)。所以，尋求一種正確有效的灰度化處理方法尤其重要。

那么如何將彩色圖轉(zhuǎn)換為灰度圖呢？

常用的色彩系統(tǒng)有RGB、YIQ、YUV。

1）YIQ色彩系統(tǒng)屬于NTSC電視廣播制式系統(tǒng)。Y是亮度，即圖像的灰度值，I和Q則是指色調(diào)。它與RGB的關(guān)系為：

2）YUV屬于PAL電視廣播制式系統(tǒng)。Y也是亮度，U和V也是色調(diào)。它與RGB的關(guān)系為：

灰度圖中有調(diào)色板，首先需要確定調(diào)色板的具體顏色取值。我們前面提到了，灰度圖的三個分量相等。當轉(zhuǎn)換為 8 位的時候，調(diào)色板中有 256 個顏色，每個正好從 0 到 255 個，三個分量都相等。當轉(zhuǎn)換為 4 位的時候，調(diào)色板中 16 個顏色，等間隔平分 255 個顏色值，三個分量都相等。當轉(zhuǎn)換為 2 位的時候，調(diào)色板中 4 個顏色，等間隔平分 255 個顏色，三個分量相等。當轉(zhuǎn)換為 1 位的時候，調(diào)色板中兩個顏色，是 0 和 255，表示黑和白。

將彩色轉(zhuǎn)換為灰度時候，按照公式計算出對應的值，該值實際上是亮度的級別；亮度從 0 到 255 ；由于不同的位有不同的亮度級別，所以 Y 的具體取值如下：

Y = Y/(1<<(8-轉(zhuǎn)換的位數(shù)));

最后一點需要注意，得到 Y 值存放方式是不同的；分別用對應的位數(shù)來存儲對應的 Y 值。在計算 Y 值的時候，使用的整數(shù)除法，這是有誤差的，為了消除誤差，需要采用誤差擴散的算法，也就是將該誤差值向其鄰近的像素點擴散，當然按照一定的比例來分配；例如：整除之后，余數(shù)是 5，采用 3/2/3 的策略，就是，右邊像素和正下面的像素各占 3/8，而右下角的像素占 2/8。

2．圖像格式轉(zhuǎn)換的算法描述

⑴ BAYER矩陣轉(zhuǎn)換為RGB格式圖像的算法描述

我們通常采用插值算法（Interpolation）把BAYER矩陣中的像素的顏色值轉(zhuǎn)換為一個像素的RGB的數(shù)值。我們通常以3×3的插值算法來計算BAYER矩陣的像素的RGB值，該插值算法中某個位置像素的RGB分量的值只取決于以該像素為中心的3×3的鄰域中同樣分量的均值。

⑵ RGB格式圖像轉(zhuǎn)換為灰度圖像的算法描述

我們進行圖像處理通常都是在微機上進行的，因此以微機的Windows系統(tǒng)為例來介紹如何將RGB格式圖像轉(zhuǎn)換為灰度圖像。

Windows系統(tǒng)中使用的是設備無關(guān)位圖（DIB）

DIB即Device_Independent Bitmap。目前，Windows處理的DIB通常是以BMP文件存在。BMP文件文件有如下的四個部分；

1）位圖頭文件：BITMAPFILEHEADER，它是一個位圖標志

2)位圖信息頭：BITMAINFOHEADER

它定義了圖像的大小，長寬等信息，長度固定為40個字節(jié)。

3）調(diào)色板（Palette）

它用來存放位圖的顏色，如果是真彩色圖，則不需要調(diào)色板。其定義為： 所謂調(diào)色板就是在16色或256色的顯示系統(tǒng)中，將圖像中頻率出現(xiàn)最高的16或256種顏色組成顏色表。對這些顏色按0至15或255進行編號，每一個編號代表其中的一種顏色。這種顏色編號就叫做顏色的索引號，4位或8位的索引號與24位顏色值的對應表叫做顏色查找表。使用調(diào)色板的圖像叫做調(diào)色板圖像，它們的象素值就是顏色在調(diào)色板查找表中的索引號。

4）實際的圖像數(shù)據(jù)

對于用到調(diào)色板的位圖，圖像數(shù)據(jù)就是該像素顏色在調(diào)色板中的索引值，對于真彩色圖，圖像數(shù)據(jù)就是實際上的紅（R）、綠（G）、藍（B）的值。由前面介紹的原理可知，知道圖像某點的R、G、B值，要得到亮度信息，則可由下式計算出： Y=0.299*R+0.587*G+0.114*B（1）

而在用BMP表示的灰度圖中，其紅（R）、綠（G）、藍（B）三個分量的值相等，即有

R=G=B(2)式

把（2）式代入（1）式中，可得：I=Q=0，即圖像沒有了色彩信息。

同理，對YUV顏色空間也一樣。

為了把彩色圖像轉(zhuǎn)換為灰度圖像，首先要找出彩色圖像的顏色值：R、G、B。然后，通過（3）式計算，即可得出亮度值Y。再令：R=G=B=Y，則得到的新的圖像，即灰度圖像。

對于24位或32位的真彩色圖像而言，找出每點的RGB值相對容易。前面介紹了，24位或32位真彩不需調(diào)色板，它的圖像數(shù)據(jù)就是實際的RGB的值。RGB三個分量分別占有一個字節(jié)，即容易取得RGB的值。

而對于16位位圖言，它的一個點用兩個字節(jié)來表示。它也不用調(diào)色板。要取得RGB的值，就需要了解R、G、B在這兩個字節(jié)中的位置。它們所占的位置是這樣的：

R占高5位，B占低5位，G占中間6位。

取出相應的RGB值后，都轉(zhuǎn)變?yōu)榘宋唬ǖ臀谎a0）。再通過（1）式，即可得到該點的亮度值Y。然后，寫回新的256色位圖時，令R=G=B=Y，這樣，就得到了一個256級的灰度圖像。

第四篇：遙感圖像處理實習總結(jié)

遙 感 實習總 結(jié)

專業(yè)：攝影測量與遙感技術(shù)

班級：

姓名：

學號：

為期兩周的遙感數(shù)字圖像處理結(jié)束了，在老師的精心安排下，我們?nèi)硇牡耐度氲竭@次實習中。雖然是滿天的時間，但是由于教室還有其他人占用并不能在那全天使用，所以說是兩周實習但是我們能用是時間依然很少，我們要力抓每一分每一秒，熟練操作遙感數(shù)字圖像處理軟件。整個實習是以黃河水院為基礎(chǔ)圖形。通過格式變換、幾何校正、圖像剪裁、圖像分類，以及最后的專題地圖制作。

實習的過程簡單又復雜，簡單的是，只要動手，計算機幾乎自動化的替你操作，復雜的是，在操作過程中，又有好多選項和注意的事項，有很多參數(shù)的設置很有講究。所以在練習中我遇到好多問題，并通過解決這些問題進一步加深了對軟件和課本知識的理解。

首先我們進行的是數(shù)據(jù)預處理。我們需要進行遙感圖像的幾何校正。由于各種誤差所以遙感圖像存在著幾何變形，因此需要在操作前進行幾何校正。流程如下：第一步：顯示圖像文件（打開兩個視窗窗口），第二步：啟動幾何校正模塊，第三步：啟動控制點工具，第四步：地面控制點（GCP）的采集，第五步：采集地面檢查點，第六步：圖象重采樣，第七步：保存幾何校正模式。其中最關(guān)鍵最難的就屬地面控制點的采集，我們使用的是二次多項式，所以得選取六個控制點然后再選出六個檢查點。但是圖像存在著誤差，而我們要把誤差控制在一個像素以內(nèi)，這就更加困難了。在進過長時間的摸索和練習，精度慢慢的就達到了，但是圖糾正后依舊不是很好，在詢問同學后發(fā)現(xiàn)原來是點的分布不是很均勻，所以導致了圖的變形。在圖的校正后就得進行圖范圍的裁剪得到所需的范圍。裁剪有兩種方法一種是規(guī)則分幅裁剪，一種是不規(guī)則分幅裁剪。規(guī)則分幅裁剪需要知道坐標，而不規(guī)則分幅裁剪則只需要在圖上手選出需要裁剪的范圍。而我們沒有坐標只能用不規(guī)則分幅裁剪。

第二項就是圖象增強處理，主要包括：空間、輻射、光譜增強處理的主要方法?？臻g增強：包括卷積增強處理，輻射增強：直方圖均衡化處理，光譜增強：主成份變換、纓穗變換、色彩變換。這一項比較簡單，通過指導書和上課的學習，這些增強只要知道步驟就能很快完成。

第三項我認為也是最關(guān)鍵的一項，遙感圖像的分類，所謂的遙感圖像的分類就是通過人工目譯或計算機自動分類處理相結(jié)合識別出地物屬性。我們做的分類是非監(jiān)督分類，在進行的分類評價時，應用分類疊加方法來評價分類結(jié)果、分類精度及定義時應注意分類文件在上，而且取消柵格參數(shù)中清楚選示選項，以使兩圖像疊加顯示。非監(jiān)督分類步驟如下：第一步：顯示原圖像與分類圖像，第二步：打開分類圖像屬性并調(diào)整字段顯示順序，第三步：給各個類別賦相應的顏色，第四步：不透明度設置，第五步：確定類別專題意義及其準確程度，第六步：標注類別的名稱和相應顏色，第七步：將相同的類進行合并，最后分為五大類：建筑物、道路（空閑地）、水系、草地和灌木林。

第四項是制作專題地圖。其操作步驟為：

一、準備專題制圖數(shù)據(jù)，二、生成專題制圖文件，三、確定專題制圖范圍，四、放置圖面整飭要素。而圖面整飾又包括1.繪制格網(wǎng)線與坐標注記，2.繪制地圖比例尺，3.繪制地圖圖例，4.繪制指北針，5.地圖名稱的設定，6.地圖的保存。其中創(chuàng)建格網(wǎng)中可以設置格網(wǎng)線的多少和起始值，這一步主要是對制作專題圖的一些整飾，可以使圖美觀易懂。

為期兩周的實習結(jié)束了，經(jīng)過這次系統(tǒng)全面的實習，讓我更深刻的了解了遙感圖像的操作流程，也掌握了面對常出現(xiàn)問題的解決方法，同時也讓我對課程有了更確切的理解，把理論應用于實際，同時加深了對理論部分的重點理解，還提升了動手能力。

第五篇：《數(shù)碼圖像處理》選修課總結(jié)

知識專題化

提高教學效果

——《數(shù)碼圖像處理》教學反思

現(xiàn)代教育技術(shù)中心

時道波

《數(shù)碼圖像處理》課程是上一學年新增設的一門選修課，面向本校非信息技術(shù)班開設，本課程重點培養(yǎng)學生的實踐動手能力和審美水平，掌握圖片處理的技法，能夠創(chuàng)作出具有一定水準的作品，根據(jù)教學對象實際情況，采用內(nèi)容專題化教學，教學中以圖像處理實踐為主，降低相關(guān)理論知識要求。經(jīng)過一個學年的教學實踐與思考，有一些收獲，也有一些困惑，下面從本課程的教學目標、教學內(nèi)容、教學方式、教學考核等方面進行總結(jié)。

一、教學目標 《數(shù)碼圖像處理》課程作為一門選修課，教學目標的設定應以激發(fā)學生學習興趣、帶領(lǐng)學生入門為目的，具體包括：

1、通過教學實踐，使學生了解數(shù)字圖像處理的發(fā)展、應用以及當前研究的熱點和重要成果；

2、較深入地理解數(shù)字圖像處理的基本概念、解決問題的基本思想方法，熟練掌握數(shù)字圖像處理的基本過程；

3、能夠運用Photoshop軟件實現(xiàn)圖像編輯、校色調(diào)色、圖像合成、特效制作等各種圖像效果處理技術(shù)，并能夠在Photoshop中制作各種人像效果制作，如：美化人像、畫意影像等。

二、教學內(nèi)容

《數(shù)碼圖像處理》課程內(nèi)容豐富，涉及的領(lǐng)域很多，包括：Photoshop軟件技術(shù)、色彩知識、設計技巧、創(chuàng)意創(chuàng)作等，具有較強的專題性（例如：圖像基本修飾、圖像色彩調(diào)整、人物美化、畫意影像等）。我在教學初的教學計劃中將教學內(nèi)容實行模塊化、專題化，這樣可以快速實現(xiàn)創(chuàng)作效果，較好的調(diào)動學生參與的積極性。但是，教學中也遇到了一下困難，如：缺乏合適的配套教材，需要教師在教學內(nèi)容設計上要緊跟圖像處理技術(shù)前沿，因此備課過程必須查閱更多文獻材料，同時，對教學核心內(nèi)容的把握要準確到位，對教學實踐項目的設計必須精心考慮，合理統(tǒng)籌，這些都極大增加了教師課前準備的工作量。在專題化教學實踐中，將這些專題的基本原理作為核心內(nèi)容，并輔以其他與專題相關(guān)的研究性資料，使專題教學內(nèi)容重點突出，信息量大，如：圖像基本修飾，Photoshop CS5涵蓋的內(nèi)容比較全面，包括了選取范圍、圖像變換、圖層、通道、特效濾鏡、動作、時間軸等等。作為專題教學時，可將與圖像的裁剪、圖像占用空間等相關(guān)應用知識添加進來，使學生圖像處理技術(shù)有更全面、深入地認識，并為專題化實踐研究打下良好基礎(chǔ)。

三、教學方法

《數(shù)碼圖像處理》課程選修班學生都是來自非信息技術(shù)班，信息技術(shù)基礎(chǔ)較差，如何充分調(diào)動學生學習主動性和激發(fā)其創(chuàng)造能力，也是教師面對的一大難題。我決定不采用傳統(tǒng)的按部就班的教學模式，而采用專題化的教學模式，在教學中，始終以學生為中心，采用啟發(fā)式、問題法教學。

在專題內(nèi)容正式講授之前，應引入一些與專題相關(guān)的小問題，引導學生思考、分析問題，鼓勵他們嘗試著解決問題，這樣能有效激發(fā)他們的學習積極性，提高學習效果。在專題化教學內(nèi)容的設置上，每個專題涵蓋的信息量都很豐富，但在理論教學中注意突出重點，貫徹“少而精”的原則，對每個專題的基本概念、基本理論要重點講述，使學生掌握圖像處理的精髓。對于專題擴展部分的知識，力求做到內(nèi)容新穎、信息量大，并通過多媒體課件對新方法、新技術(shù)的處理效果進行實例演示，從而提高學生的理論素養(yǎng)，有效激發(fā)他們探究數(shù)字圖像處理前沿技術(shù)的熱情。

整個教學實踐表明，專題化教學模式更能有效組織教學內(nèi)容，使教學重點突出，教學信息量大。在教學中，可以根據(jù)每個專題引入了相應的圖像處理研究熱點、難點和新興應用技術(shù)，學生的視野也得到了極大的拓展，有效地激發(fā)學生的學習興趣，調(diào)動學生的學習主動性，較好地培養(yǎng)了學生動手實踐能力。

四、教學考核

《數(shù)碼圖像處理》是一門實踐性很強的課程，不適合采用卷面考核方式，也不適合通過一個作品就得出成績的考核方式，傳統(tǒng)的重記憶輕能力的考核必將傷害學生實踐學習的主動性，影響學生實踐能力的培養(yǎng)，從而達不到教學的理想效果。我采用形成性考核和終結(jié)性考核相結(jié)合的方式。形成性考核包括平時作業(yè)和考勤情況。形成性考核中平時作業(yè)實行開卷形式，占總成績30%，考勤情況占總成績的20%；終結(jié)性考核即期末考試，期末考試實行閉卷形式，成績占學期總成績的50%，考核命題在本課程的教學目標、教學內(nèi)容范圍之內(nèi)，評分標準從技術(shù)、色彩、結(jié)構(gòu)、選材四個角度全面衡量學生的技能水平。

五、改進措施

鑒于教學中缺乏教材，導致學生無法預習，教學方法單一容易使學習枯燥等情況，在以后的教學中，將加強以下兩方面工作。

1、加強教材建設。合適的配套教材是實施教學的重要保證。采用專業(yè)班使用的教材不完全合適，市面上多數(shù)都是案例式的書籍，目前解決問題的辦法是從各種書籍中搜集與專題相關(guān)的資料進行整合。本課程教材的編寫要考慮學生的信息基礎(chǔ)、教材格式安排上要富于變化、合理確定選講內(nèi)容等。教材的探索不是一個短期的過程，要有一個經(jīng)驗的積累過程。

2、改進教學方法。在專題化教學基礎(chǔ)上，采用研討式教學方式使課堂教學以學生為主角，最大程度地發(fā)揮學生的主觀能動性，擺脫以往課堂上以教師講授為主的模式，采用“教師主題引導—學生專題講授—隨堂研討—教師質(zhì)疑答疑”的形式安排課堂活動，并配合驗證型和設計型實驗拓展學生的學習和創(chuàng)新空間。重點在課堂活動安排上進行新的嘗試，整體設計包括首堂互動、專題講授與研討、實驗設置與課程競賽、作業(yè)與考核等環(huán)節(jié)。學生通過課前自學、課上討論和課后實驗能更系統(tǒng)、深刻地掌握所學內(nèi)容，并會因為研討提出的交叉應用問題激發(fā)拓展學習的熱情。