图像增强

作者信息

所属院校：中北大学
作者：杨娜、陈友兴、翟宇

案例概述

针对数字图像处理课程中“泛学焦虑”与“应用断层”两大教学困局，本案例以交通场景光照干扰消除为载体，采用“少而精”的内容组织策略，聚焦“光照去扰”单一核心问题，设计从经典到前沿的三阶递进增强方法体系，辅以“情境决策+策略迭代”双重教学策略，将抽象工程思维转化为可量化、可操作的教学环节。

案例依托MWORKS.Syslab平台实现全部算法，覆盖直方图均衡化、同态滤波、Zero-DCE深度学习三类方法，配套六项教学工具形成完整教学闭环，帮助学生建立“先判断、再选择、后验证”的问题解决思路，破解“懂原理却不会解决真实问题”的痛点，为工科课程从知识灌输转向思维训练提供可复用范式。

教学目标

L1 经典基础目标

掌握直方图均衡化的原理与实现方法，能够对全局偏暗、对比度低的交通图像完成增强处理，准确说明方法的适用场景与局限性。

L2 进阶方法目标

理解同态滤波的“光照-反射”物理模型，能够针对逆光、非均匀光照等复杂干扰选择该方法完成增强，掌握参数调优方法，能对比分析其与直方图均衡化的差异。

L3 前沿方法目标

了解深度学习驱动的Zero-DCE增强模型原理，能够调用模型处理极低光照、混合干扰等复杂场景，能够从效果、算力、可解释性等维度评价三类方法的优劣。

思维能力目标

建立“情境判断-方法选型-验证迭代-反思迁移”的工程思维框架，具备将图像增强方法迁移到安防、水下、航拍等其他场景的能力。

核心内容

本案例由三阶递进图像增强方法与双重教学策略两大部分组成：

一、三阶递进图像增强方法

1. L1 直方图均衡化（经典基础）

作为图像增强入门方法，基于灰度统计原理，通过累积分布函数重新映射灰度范围，实现全局对比度提升。方法计算简单、无需调参、执行速度快，适合全局偏暗、亮度分布集中的图像，帮助学生快速建立实践信心，理解灰度变换的核心逻辑。

2. L2 同态滤波（进阶提升）

基于成像物理模型，将图像分解为低频照度分量与高频反射分量，通过频域滤波针对性抑制光照干扰、增强细节信息。方法涉及截止频率、滤波器阶数、低频抑制系数等多组参数调试，引导学生理解参数对效果的影响，建立“物理建模”的思维方式，适配光照不均、逆光、雾霾等复杂场景。

3. L3 Zero-DCE 深度学习（前沿拓展）

采用零参考深度曲线估计模型，通过轻量级卷积神经网络预测像素级曲线参数，实现端到端低光图像增强。方法无需标注数据、不依赖网络环境，能够处理极低光照、混合干扰等传统方法效果不佳的场景，帮助学生理解数据驱动范式的特点与优势，拓展前沿技术视野。

二、情境决策与策略迭代教学策略

通过六项配套教学工具，搭建从理论到应用的桥梁，形成完整能力培养闭环：

1. 决策卡：提供结构化的干扰判断-方法匹配步骤，配套方法-场景对照表与决策口诀，培养“先判断、再动手”的思维习惯。
2. 策略迭代记录表：分为预判与复盘两部分，引导学生完成假设-验证-归因-总结的完整迭代过程，锻炼工程分析能力。
3. 结对编程卡：设置操作者与提问者双角色，通过“出声思维”与策略性提问，将隐性思考过程显性化，深化方法理解。
4. 三方法对比分析表：从亮度、细节、对比度、色彩等维度量化对比三类方法效果，建立“没有最好、只有最合适”的工程选型思维。
5. 迁移决策表：设置安防夜间监控、水下探测、航拍雾霾三类拓展场景，检验学生的知识迁移与场景适配能力。
6. 实验评分表：以过程性评价为核心，覆盖各阶段实验表现与思维能力，实现从“知识记忆”到“能力表现”的评价转变。

教学安排

本案例采用理论课与实验课结合的教学模式，总时长约210分钟：

理论课（90分钟）

实验课（120分钟，MWORKS.Syslab环境）

开放性问题与拓展

1. 灰度变换拓展：分析分段线性变换与非线性变换的特点，对比其与直方图均衡化的适用场景差异。
2. 同类算法对比：分析Retinex理论与同态滤波的联系与区别，理解基于“光照-反射”模型的不同实现路径。
3. 前沿方法探索：了解MBLLEN等多分支低光增强网络，对比其与Zero-DCE的设计思路与性能差异。

使用许可

本案例版权归属中北大学杨娜、陈友兴、翟宇老师，仅供非商业教学学习，请勿直接用于各类赛事及项目等内容的申报。