《计算机视觉应用开发》试题B卷答案.docx

第PAGE1页共NUMPAGES4页

《计算机视觉应用开发》期末考试试题

B卷答案

适用班级：人工智能2001/2002专业：人工智能技术服务

得分阅卷人一、选择题（单项选择共15题，每题2分，共30

得分

阅卷人

D

B

A

4.B

5.C

6.A

7.C

8.A

9.C

10.A

11.C

12.C

13.D

14.A

15.B

得分阅卷人二、、判断题（对的打‘√’，错的打‘×’，共10题，每题1分，共10

得分

阅卷人

1.对

2.对

3.错

4.错

5.错

6.错

7.对

8.对

9.对

10.对

得分阅卷人三、填空题（共13题，每空1分，共20

得分

阅卷人

cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO、cv2.THRESH_TOZERO_INV

cv2.equalizeHist()

3.

4.增加模型的非线性分割能力、提高模型鲁棒性、缓解梯度消失问题、加速模型收敛（任选两种）

5.区域选取、特征提取、体征分类

6.cv2.COLOR_BGR2GRAY

7.几何形状

8.频域法、空域法

9.OCR

10.RNN（RecurrentNeuralNetwork）循环神经网络

11.输入值和输出值

12.基于传统的分类方法基于深度学习的分类方法

13.128

得分阅卷人四、综合应用题一（5

得分

阅卷人

固定阈值化分割优点：实现简单、计算量小、性能较稳定。

缺点：将整幅图片都应用一个阈值进行分割，它并不适用于明暗分布不均的图片，适用于目标和背景占据不同灰度级范围的图像。

自适应阈值分割优点：图片的每个局部都会通过处理得到一个阈值，这个区域就用这个阈值来进行分割。每个区域都有不同的阈值来处理，这样就适用于处理颜色分布不均的图片。

缺点：实现较为复杂适用于明暗分布不均的图片

Otsu阈值分割优点：其算法计算简单，不受图像亮度和对比度的影响。

缺点：只能针对单一目标分割或者感兴趣的目标都属于同一灰度范围主要用于图像分割中最优阈值选取

得分阅卷人五、综合应用题二（15

得分

阅卷人

importnumpyasnp

defgram(X,Y,sigma):

f=np.sum(X**2,1,keepdims=True)-2*X@Y.T+np.sum(Y**2,1,keepdims=True).T

returnnp.exp(-f/(2*sigma**2))

得分阅卷人六、综合应用题三（20

得分

阅卷人

参考代码：

importcv2

importnumpyasnp

importmatplotlib.pyplotasplt

#打开输入图像

img=cv2.imread(test.png)

#转换为灰度图片

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#获取XML文件，加载人脸检测器

faceCascade=cv2.CascadeClassifier(haarcascade_frontalface_default.xml)

#执行人脸检测

faces=faceCascade.detectMultiScale(gray)

print(faces)

#打印输出的测试结果

print(发现{0}个人脸！.format(len(faces)))

#逐个标注人脸

for(x,y,w,h)infaces:

cv2.rectangle(img,(x,y),(x+w),(y+w),(255,0,0),2)#矩形标记

#显示结果

cv2.imshow(’faceCascade‘,img)

cv2.waitKey()

cv2.destroyAllWindows()