选课类别:计划内与自由选修 | 教学类型:理论课 |
课程类别:本科计划内课程 | 开课单位:信息科学技术学院 |
课程层次:专业选修 | 学分:2.0 |
《数字图像处理B》课程涵盖广泛的图像处理基础知识和经典算法,包括空域滤波、频率域滤波、小波变换、图像重建、图像分割等。尽管内容丰富,但由于进度较快,一节课讲一章,全面掌握较困难。教材较厚,建议课前预习。
课程要求6次编程作业,旨在复现课本实验结果,难度不一,但助教团队专业水平高,态度良好。作业评分严格,反馈不足。建议认真完成,尽量避免使用现成代码。
考试多为问答题,涵盖概念解释和算法推导。老师考前划定重点,难度适中,但卷面细节考核严格。有学生反映总评出乎意料,尽管努力未获理想成绩,且评分分布不透明。成绩采用“42%平时成绩+58%期末考试”权重。
教学主要由周老师负责,通俗易懂,但李老师语速较慢,课程有时略显沉闷。课后PPT上传滞后,不便复习。课程虽无信号与系统基础要求,但相关知识有助于理解。总体上,课程适合作为入门学习,建议提前学习相关预备知识。
出分了,我直接一口鲜血喷在电脑屏幕上,上次拿这么低的总评还是在两年前。
关键是挺意料之外的,我实验报告都是认真写的,考试我觉得也正常,除了圆的霍夫变换不确定以外其它好像也没什么问题(当然出分比较晚,题我也忘得差不多了)。
鬼知道发生了什么,又不能查卷,可能是AI班太卷了。想看看别的同学的评价,如果只有我被杀了那可能是我的问题
课程的内容还是很不错的,介绍了图像处理领域基础的知识和很多经典的算法,包括空域滤波,频率域滤波,小波变换,图像重建,图像分割等。认真学还是能有不小的收获。
平时只有编程作业,都是实现书上示例中一些经典的算法,有的算法实现起来还是有难度,不过助教的态度很好,能及时得到解答。作业分判的还是有点严的,建议认真对待。
考前有一节复习课老师会划重点,复习比较有方向,最后考试也不算太难。卷子大概八九道大题,考的内容包括:取样和量化的概念解释、八邻域的定义、棋盘距离等价于无穷范数的证明、直方图均衡的概念解释、一阶二阶微分算子的推导、图像压缩的定义、图像压缩模型的流程图、形态学的边界提取和粒度测定、霍夫变换检测圆、可变阈值处理、运动模糊 H(u,v) 的推导。
给分是42%平时成绩+58%期末考试。
这门课是AI班的必修课,对于AI班计算机学院的同学来说由于没学过信号与系统,频率域滤波和小波变换中的一些概念实在是让人很难理解,比较痛苦。当然这不是这门课的问题,最后考试似乎也避开了这方面的考察。建议计科的同学可以提前学一学信号系统相关的部分知识。
最后说一说体验不太好的地方:
这学期选课人数不是很多,只有不到三十人,来上课的也只有二十人左右,不过配备了4个助教,而且助教水平很高阵容很豪华,上课基本都是周老师在上,课程内容相当多,要完全理解吃透不是很容易,至少在这个两个学分的课上比较难,进度很快,一节课讲一章,课后的作业是复现课本上的实验结果,放个链接仅供参考:https://github.com/Zhuyh1139/ustc-2024-fall-dip。
单单论这个课程的话,难度不是很大,上课老师讲的比较通俗易懂,考试也都是问答题,没有复杂的证明和计算,参考评课社区21年那套回忆版复习就可以了,题型大差不差,不过要注意小细节,比如今年考了颜色这块让写出不同颜色空间的优缺点。但这门课我觉得可以作为一个入门的来学习,知识面涵盖的比较广泛,学起来还是挺有意思的,在复习的时候发现课本上比较难的地方基本都回避了。
最后吐槽一下,实验分和考试分都没有给出,直接出的总评。。。
课还挺不错的,编程作业也很有意思。 助教姐姐人很好!
课程内容比较多,我把600多页的教材通读了一遍,考前对着PPT+教材复习。期末感觉还算正常,卷面得分却不高。
这门课学得还是比较用心的,可惜成绩并没达到预期。
是上了年纪卷不动了吗?