这学期考研，课有些都没去，去了也是在刷数学和专业课，基本没听课，纯感受氛围。

但之前就对数字图像处理有所了解，作业能自学做下来。

课件几乎纯英文，作业4成，期末考6成，但好像期末分高于作业分会取期末分。

我卷面91，我是不相信我平时分能到91的，结果总评91。

以下是我收集到的自己整理的一些资料，希望对大家有所帮助。

DIP课件合集.pdf

DIP08-exam.pdf

DIP考试重点.docx

样卷.pdf

中国科大-数据图像处理-作业解析.pdf

数字图像处理B 课件合集.pdf

习题课-周浩.pdf 习题课_谢乔康.pdf 习题课_冯浩.pdf

很有意思的课，先给10分。

课程内容简单，老师人好，并且学的东西还挺有意思的（见其他评论）。

考前会有往年卷，对着把题目过一遍，并且把概念都看一遍即可，平时作业水一水就行。期末花两到三天学习这门课可以到4.0。

课程本身难度不大，就像老师说的都可以从学过的东西推导出来，重点在于发现问题、想出解决的方法。张老师上课生动有趣，有很多启发性的提问，讲些有趣的故事，三节课一点也不觉得累。有一次不记名小测看掌握情况，作业很少不难，编程的内容网上也能找到。考试和作业难度差不多，考前会发复习提纲和样卷，平时上课都听懂了考前3天复习完全没问题。作业交齐了不知道考试分数，总评90 。

另外，好的老师不只在课堂，张老师也是信院的学科指导，和学生交流亲切随和，学生不管什么水平层次和张老师聊天都会很有收获。

物院人，大二下课少，就选了来试试。总评93，考试90，平时作业7次全齐。

先说总体感觉，我觉得只要大一学了数分和C之后，就可以选，会线代更好。这3学分还是很轻松的。

老师讲的挺好，课上有时有互动，推导定理啥的，可以自己思考。不会点名，没有小测，但建议还是去听课，因为书和PPT内容不全，有的和老师讲的不一样。我翘了两次（早八睡过头了），结果那两节课的内容就有点迷糊。

课程内容：

1. 基本是先简单介绍了图的概念，还有一些人眼视觉的概念。
2. ​然后是bmp文件的结构，如果你只会C的活还是要仔细研究一下，不然作业没法做。
3. 变换。这是后面各种应用的基础，如果学过数分就很简单。可能有一点线代的内容，但不会线代也没太大问题。主要变换类型：傅立叶，余弦，Walsh-Hadamard，Haar，K-L。其中K-L变换涉及线代知识比较多，但是不会考太难。
4. 图像增强：对比度增强（直方图均衡化必考）；平滑/锐化（滤波，就是卷积，考方法，滤波器考试好像会给，记不清了）
5. 图像恢复：变质函数怎么算比较难，但是没考；两种估计原始图像的方法，很简单记住就行，不用计算；几何校正（旋转图片+插值）。
6. 图像重建：主要是CT重建，要证明投影定理（重要，考试有），还考了代数方法重建，其实就是求解N维一次方程组，用迭代法逼近，都是考概念。
7. 图像压缩：信息论，熵的概念；几种无损编码：霍夫曼，算数，变长，预测。有损编码，变换编码（重点，结合之前学的变换的性质应用到编码，过程：分块-变换-量化-重排-变长/霍夫曼，记住不同步骤的作用和原因，用不同的变换可能有所不同），这章少去了两次所以比较模糊。

期中有一次开卷小测，不计成绩。平时会有习题课，也会有邀请学长讲解进阶内容（核磁共振，神经网络等）。

作业不会布置很难，每次主要是几个简单的概念题/证明题，再加上一道编程题。编程题语言不限，但我最熟悉C，而且一年多没写代码了，有点吃力，如果用Python或MatLab应该很轻松。作业要求打印提交（编程题要写源码），实际上手写或发邮件给助教都可以。作业评分很松，基本是交了就是满分，邮件和补交扣分情况我也不清楚，发下来的打印的作业都没扣分。

考前会发样卷，题型都是一样的。我考前突击复习了一天，把概念理清，方法思路搞清楚就行，具体计算很少，而且考卷上都有要用的变换公式。考试结果上90的有1/8，应该说挺简单的。考试时间2小时，因为是上课时间考的，我还以为是90分钟，75分钟写完，后面一直在检查。卷面90分，我没去查卷，推测可能是有概念题错了，毕竟突击复习难免漏掉一点。

其实我挺惊讶的，因为都是大三的学生选，就我一个大二。我觉得大一大二对数分线代更熟悉，应该更轻松。所以想提一提GPA的同学可以考虑一下。

老师很好，属于信院不多思维很开放的老师，感觉很有想法，不像其他一堆老古董。我和她交流也收获了不少，上课PPT+时不时板书作示范，课程很好学，课程也比较轻松。

问题严重的是冈萨雷斯这本书，早有耳闻这本书的大名，这下一拜读......冈萨雷斯要是知道这本书被翻译成这样得当场气死！驴唇不对马嘴，很多次我都以为是我脑子的问题，快到结束才意识到是翻译的问题，劝有时间的好好去看英文原版。能把矩形窗滤波器这么简单的东西翻译成“盒状滤波器”，多天才！真的想吐槽下一些国内中文的翻译，典中典就是，你把Robust翻译成耐操性也比鲁棒性要好吧？还有unitary翻译成酉矩阵是什么鬼......大白话讲科学不好么？非得把话讲得谁都听不懂。

补充：这门课的内容没有形态学处理，这个问题和老师交流过，老师说现在形态学处理已经没有什么应用了，所以删掉了。此外，冈萨雷斯的最新版书是越来越厚，非常不友好。但最后一张加入了神经网络深度学习内容，有兴趣可以自己看看。

本人为2019年春季学期《数字图像处理》学生

2019春课程组成：图像基础+图像变换+图像重建+图像压缩（基于冈萨雷斯+章毓晋）

2019春评分组成：平时作业（10%）+课程实验（20%，用C语言对图像进行操作，共分为7~8次实验+总结性实验报告）+期中考试（0%，不占总评，相当于帮你回顾知识点，也有助于老师对同学情况的了解）+期末考试（70%，闭卷）

个人看来，张荣老师的教学方式属于循循善诱的，能够在课堂上引起比较多的讨论和共鸣。考虑到较少的作业量，和较为基础、得当的课程内容，这门课可以算是适宜很多人选择的，特别是以后希望从事CV（计算机视觉）、DIP（数字图像处理）的同学。实验因为基于C语言所以略显琐碎，但是相比PIL/OpenCV的直接调库，一开始还是从基础代码学起比较好，个人觉得甚至可以考虑增加实验内容（比如说部分复现JPEG）。