数据挖掘图像处理 — 教学案例库

使用 Syslab Julia 演示图像处理与数据挖掘全流程的完整教学案例集合。

案例库结构

data_mining_image_processing_case_library/
├── README.md                             # 本文件 — 总索引
├── docs/                                 # 教学理论文档
│   └── theory_image_datamining.md        # 图像数据挖掘理论基础
├── data/                                 # 程序生成的示例图像
├── 01_image_basics.jl                    # 图像基础：读写、灰度化、直方图、对比度增强
├── 02_spatial_filtering.jl               # 空域滤波：平滑、锐化、边缘检测
├── 03_frequency_processing.jl            # 频域处理：二维FFT、低通/高通滤波
├── 04_feature_extraction.jl              # 特征提取：纹理、统计、Harris角点
├── 05_image_segmentation.jl              # 图像分割：阈值、K-means聚类
├── 06_dimensionality_reduction.jl        # 降维：PCA主成分分析
├── 07_image_classification.jl            # 图像分类：决策树、kNN、SVM
├── 08_cnn_image_recognition.jl           # CNN图像识别
└── 09_full_mining_pipeline.jl            # 完整数据挖掘流水线

案例与知识点映射

脚本	核心知识点	难度
`01_image_basics.jl`	图像读写(imread/imshow)、RGB↔灰度(rgb2gray)、颜色通道、直方图(imhist)、对比度增强(histeq)	★ 入门
`02_spatial_filtering.jl`	卷积核设计、均值/高斯平滑、拉普拉斯锐化、Sobel/Canny边缘检测(edge)	★★ 初级
`03_frequency_processing.jl`	二维FFT(fft2)、频谱可视化(fftshift)、理想/高斯频域滤波器、空域vs频域对比	★★ 初级
`04_feature_extraction.jl`	GLCM纹理特征、统计特征(均值/方差/熵)、Harris角点检测(detectHarrisFeatures)	★★ 初级
`05_image_segmentation.jl`	全局/自适应阈值二值化(imbinarize)、K-means聚类分割(imsegkmeans)、区域分析	★★ 初级
`06_dimensionality_reduction.jl`	PCA降维(pca)、主成分可视化、降维前后分类效果对比	★★★ 中级
`07_image_classification.jl`	决策树(fitctree)、kNN(fitcknn)、SVM(fitcsvm)、混淆矩阵、分类器对比	★★★ 中级
`08_cnn_image_recognition.jl`	CNN网络构建、trainNetwork/classify、训练参数调优、迁移学习概念	★★★ 中级
`09_full_mining_pipeline.jl`	完整流水线：预处理→分割→特征提取→降维→分类→评估，多参数组合扫描	★★★ 中级

适用课程

课程	推荐脚本
数字图像处理	01, 02, 03, 04, 05
模式识别与机器学习	06, 07, 08
数据挖掘导论	04, 05, 06, 07, 09
计算机视觉	01-05, 08
综合实践/课程设计	09

运行要求

Syslab 2026a 及以上
已安装 Ty 工具箱：TyImageProcessing, TyImages, TyMachineLearning, TyDeepLearning, TyStatistics, TyPlot, TyMath

依赖的 Ty 包

包名	版本	用途
`TyImageProcessing`	1.0.10	图像读写、滤波、分割、边缘检测、特征提取
`TyImages`	1.0.0	图像数据结构和基本操作
`TyMachineLearning`	1.0.5	决策树、kNN、SVM分类、PCA降维
`TyDeepLearning`	1.0.6	CNN网络构建与训练
`TyStatistics`	1.0.2	聚类分析
`TyPlot`	1.0.47	全部绘图可视化
`TyMath`	1.0.5	二维FFT/频谱

教学路线建议

图像处理入门路线：01 → 02 → 03 → 05（4课时）
特征与分类路线：01 → 04 → 06 → 07（6课时）
深度学习路线：01 → 04 → 06 → 08（6课时）
综合数据挖掘路线：01 → 02 → 04 → 05 → 06 → 07 → 09（10课时）

文件命名与注释约定

.jl 脚本：中文注释为主，关键变量/函数保留英文名
每个脚本开头注明：教学目标、依赖包、运行方式
脚本末尾以 println 输出总结性教学要点

版本说明

V0.0.1，2026-05-15 01:15

初始版本

数据挖掘图像处理 — 教学案例库

案例库结构

案例与知识点映射

适用课程

运行要求

依赖的 Ty 包

教学路线建议

文件命名与注释约定

版本说明

使用许可