图形图像课程群教学体系构建探索

张季　董海艳　龚庆悦　王瑞娟

[摘 要]文章针对图形图像技术相关课程部分教学内容重复、现有教学模式缺乏前沿科技敏感度等不足，探讨通过优化图形图像相关课程的知识体系，构建符合专业培养目标与方案要求的图形图像课程群教学体系。专业教师在分析课程群内课程模块功能角色的基础上，纵向梳理课程知识点，横向建立课程间的联系，设计更贴近学生创新能力培养要求的图形图像课程群递进式实验项目及个性化学习评价机制，为中医院校交叉专业人才的培养打下坚实的基础，培养中医药现代化发展综合性人才。

[关键词]图形图像课程群;教学体系;课程模块;创新能力培养

[中图分类号] G642 [文献标识码] A [文章编号] 2095-3437（2022）04-0098-04

引言

视觉是人从外界获取信息的重要渠道，因此，计算机技术的发展已经将图形图像技术作为其主要研究方向之一，其相关课程也通常被列为计算机类专业的主修课程。目前在本科教育阶段，与图形图像技术相关的课程主要包括数字图像处理与分析、计算机图形学、计算机视觉等[1]。此类课程在以计算机为工具的交叉专业领域（如人工智能、医学信息工程等）的人才培养过程中也发挥着重要作用。

南京中医药大学人工智能与信息技术学院始建于2003年，在国家大力鼓励中医药现代化发展的时代背景下，学院致力于交叉专业人才的培养，先后开设了医学信息工程、人工智能等专业，为中医药现代化发展培养综合性人才。为进一步优化图形图像相关课程的知识体系，避免部分教学内容重复而导致课堂教学效率降低，同时，也为进一步着重培养学生对前沿科技发展的敏感度以及创新能力，专业教师对医学信息工程专业图形图像课程群建设展开探究与实践。

一、图形图像课程群教学体系建设目标的制定

南京中医药大学图形图像课程群教学体系建设以医学信息工程专业人才培养方案为指导，以教学计划为依托，对目前培养计划中图形图像处理类课程进行有效整合，主要涉及可视化程序设计、数字图像处理与分析、计算机图形学、医学图像处理四门课程。

图形图像课程群教学体系建设的目标：优化调整课程群教学体系结构，有效整合重复交叠的知识内容，精炼知识模块，纵向梳理知识点，实现有序递进，横向建立各课程之间的联系，紧贴计划安排 ，通过改进教学模式，发挥学科评价机制的积极作用，使学生明确学习目标，激发学习动力;重点培养学生的实践和创新能力，建立教材内容与先进科学技术间的紧密联系;从理论到实践应用，构建结构紧凑、内容合理的课程体系，高效地发挥课程群的整体优势[2]。

二、图形图像课程群知识点的分析与整合

图形图像课程群建设所涉及的四门课程之间存在一定的相关性又互不相同，虽然独立设课但其内容却有所交叠。因此，需明确各门课程在课程群中的功能角色：可视化程序设计作为平台工具类课程，是课程群中其他几门核心课程实验开展的基础，在课程群中属于其他课程的前驅课程;数字图像处理与分析是课程群的核心基础课程，是后承课程计算机图形学、医学图像处理的基础所在;计算机图形学课程侧重于探讨视觉感知多维数据的处理问题，医学图像处理课程更强调专业领域内的应用，这两门课程不属于前驱后承的关系。在此基础上，教师可通过对课程群教学体系组织结构的分析，进一步细化各门课程的知识点，对各门课程中独立的知识点进行纵向梳理。课程群的构建流程如图1所示。

（一）统筹规划教学内容

从知识体系上来讲，图形图像课程群的四门课程在教学时间安排上的先后顺序依次为可视化程序设计、数字图像处理与分析、计算机图形学和医学图像处理，课程主要内容承上启下、相互关联。目前，为实践课程相关内容的核心算法，大部分教材均引入了实验平台的讲解和介绍，比如部分数字图像处理与分析课程的教材中引入了Matlab、OpenCV等[3-4]，部分医学图像处理课程的教材引入了VC++、OpenCV等[5-8]，部分计算机图形学课程的教材引入了MFC、OpenGL或JAVA3D[9-11]等。开展不同实验平台的学习虽然可以加强学生对编程工具的掌握，但占用了大量的课程时间，甚至导致部分学生模糊了课程学习目标，因此，本课程群在建设过程中通过引入工具类平台专题讲座的方式，优化课程中关于实验平台讲解的内容。专题讲座的内容设计是在洞悉行业发展的基础上，通过专项的工具类课程搭建课程群核心算法与行业风向间的桥梁。统一优化实验工具平台，在提升课时效率的基础上，为进一步探究课程群综合设计性实验打下坚实的基础，从而提升学生理论知识与行业实践的融合能力。

从课程内容模块上来讲，通过分析各门课程的定位和目标，重新梳理课程大纲，以课程目标为导向组织教学内容，同时确保课程群内各门课程之间既做到边界清晰又能有效衔接，既明确知识点又避免重复[12]。因此，在课程群的整体视角下，根据所掌握的学生的学前基础及特征，可动态进行课程内容的设计和调整，从而在教学过程中帮助学生搭建完整的知识体系，引导他们构建清晰的思维图谱，使他们能发现课程间的内在联系并对整体知识结构有直观认识。例如，在讲授计算机图形学课程中使用齐次坐标实现图形三维变换时，可提示学生用已学数字图像处理与分析课程的图像几何变换的处理方法，引导学生进行三维数据的拓展，通过实现相关算法，启发他们思考视觉数据处理的通用共性。

从实践教学模式上来讲，可以培养学生探究、创新能力为目标，构建多层面、递进式的实践教学模式。将创新创业教育与专业知识教育相融合，着重增强学生的创新精神、创业意识和创造能力，设计融合想象力、创造力和设计思维训练的综合性教学环节。

（二）搭建综合知识体系

相关课程在课程群整合的过程中建立了纵向衔接、横向互补的结构体系。课程群的组织结构如图2所示。

可视化程序设计课程以行业热点为导向，对课程内容进行动态调整，目前以行业热点程序设计语言Python为基础，引入PIL、Opencv-Python、Pygame、VTK等实战专题。

数字图像处理与分析课程的主要知识包括图像的预处理（图像的数学表示、图像的运算、图像类型转换、图像彩色模式转换）、图像变换（傅里叶变换、 离散余弦变换、Hough变换等）、图像增强（空间域图像增强、频率域图像增强）、图像恢复、图像编码等。

计算机图形学的主要知识点包括几何造型技术、三维观察、真实感图形技术、交互技术、计算机动画等。

医学图像处理课程的主要知识点包括医学图像的分割、虚实配准的原理与常用方法、虚实融合、医学图像三维重建等。

通过整合重复交叠的知识内容、精炼课程模块，使上述课程形成一个有机的整体。

（三）融合行业前沿技术

作为课程群设计及实践者，相关教师不仅要关注课程内容的纵深度，还要注意知识与技术的宽广度和先进性，适度提高课程的前瞻性[13]。通过建立与行业形态、商业模式融合的教学框架，把创新创业理念融入课程群建设的构思、设计和实现过程中。在使学生掌握专业理论、研究方法的基础上进一步强化探究精神、认知能力，进而实现学生创新创业实践技能的培养。因此，本课程群的建设一方面通过划分核心课程与工具平台类课程并实现行业前沿技术的动态更新，另一方面通过设计综合性实验加强培养学生的想象力、创造力，训练学生的设计思维，进而提升学生的创新创业能力。

三、图形图像课程群实验教学模式的构建

课程体系的改革和建设是以培养学生创新能力及适应行业需求为主旨，课程群实验教学模式的设计是本课程群建设的主要内容之一。课程群实验教学模式构建的实施路径如图3所示。

（一）单门课程基础实验的设置

可视化程序设计课程开设四个专题实验，如表1所示。

（二）课程群综合实验的设置

在以上实验的基础上增加了四个综合设计性实验，着重培养学生的研究能力与创新意识，要求学生能提供实验分析与研究报告，写出有见解的心得体会。这四个实验如表5所示。

（三）课外创新创业实践的开展

通过在课外指导学生参加“互联网+”“创青春”“计算机设计大赛”等比赛项目以及校企合作的课题研究，为学生搭建学以致用的平台，强化对学生专业应用能力、解决问题能力、团队协作能力、创造能力的培养。

2017年至2020年本团队教师指导医学信息工程专业学生申报大学生创新创业课题共20项，其中省级及省级以上的项目13项，校级项目7项;指导学生参加各类专业竞赛，其中有23项获得省级以上奖励;指导学生参加企事业项目8项，与企事业项目团队保持高效沟通合作。

四、图形图像课程群智能学习评价

课程群采用综合性多维度评价方法，借助智能测评软件（比如北极星AI助教、雨课堂等）变革学习评价方式，改变单一的总结性评价方式，建立形成性评价机制，应用智能测评软件得出针对学习内容、学习过程和学习目标等多维度的个性化学习评价结果，并以此作为改进教与学的重要依据[14]。因此，在本课程群的教学过程中，教師主要担任的角色是学习评价形成的设计者和监督者。课程学习评价体系的设计应以学生的个性化学习为目标，以形成性评价为中心，以学习理论为指导，发掘智能测评软件的数据潜能，动态评价学生的适应性学习过程，实现对学生知识点掌握的程度、算法思维的形成等综合能力的多维度的评价和反馈，最终促进学习者达成课程学习目标。

五、结语

本文探讨根据南京中医药大学医学信息工程专业培养的目标和方案，将可视化程序设计、数字图像处理与分析、计算机图形学和医学图像处理这四门课程建设成图形图像课程群。通过梳理各课程知识点之间的关系，搭建有助于提高课程教学效率的课程群体系结构，设计递进式实验项目，并借助智能测评软件建立多维度的个性化学习评价机制。相关专业教师在课程群的建设过程中通过更新教育理念，不断提升自身的专业研究和实践能力，为专业人才培养做出切实有效的改革研究与实践。

[ 参 考 文 献 ]

[1] 高敬阳， 朱群雄， 尤枫，等. 基于课程地图的计算机专业本科培养方案的制订[J].中国大学教学，2015（12）：30-35.

[2] 郑锦，王越，张东妮.图形图像课程群教学改革探索与实践[J].计算机教育，2016（11）：65-68.

[3] Gonzalez R C， Woods R E. 数字图像处理[M].4版.北京：中国工信出版集团，电子工业出版社，2020.

[4] 朱伟，赵春光，欧乐庆，等. OpenCV图像处理编程实例[M].北京：中国工信出版集团，电子工业出版社， 2016.

[5] 沈晶， 刘海波，周长建，等. Visual C++数字图像处理典型案例详解[M]. 北京：机械工业出版社，2012.

[6] 罗述谦，周果宏.医学图像处理与分析[M]. 2版.北京：科学出版社， 2010.

[7] 周振环，王安明. 医学图像分割与配准[M].成都：电子科技大学出版社，2007.

[8] 陈显毅.图像配准技术及其MATLAB编程实现[M].北京：电子工业出版社，2009.

[9] 孔令德.计算机图形学：基于MFC三维图形开发[M].北京：清华大学出版社，2014.

[10] 徐文鹏，都伟冰，曾艳阳，等. 计算机图形学： OpenGL版[M]. 北京：清华大学出版社， 2020.

[11] ZHANG L， LIANG Y D. 计算机图形学：应用Java 2D和3D[M]. 北京：机械工业出版社， 2008.

[12] 龙春阳.课程群建设：高校课程教学改革的路径选择[J].现代教育科学：高教研究， 2010（3）：139-141.

[13] 张丽红.高校课程群建设探析[J].智库时代，2019（40）：63-64.

[14] 牟智佳，俞显.教育大数据背景下智能测评研究的现实审视与发展趋向[J].中国远程教育，2018（5）：55-62.

[责任编辑：庞丹丹]