计算机视觉工程师岗面试题及答案.docxVIP

第PAGE页共NUMPAGES页

2026年计算机视觉工程师岗面试题及答案

一、编程实现题（共3题，每题20分）

1.图像边缘检测算法实现（20分）

要求：

-使用C++或Python实现Sobel算子边缘检测算法，处理一张灰度图像（假设已读取为`img_gray`，大小为M×N）。

-输出边缘检测结果，并计算检测到的边缘像素数量。

-说明如何处理边缘效应（例如使用镜像填充或零填充）。

答案与解析：

python

importnumpyasnp

importcv2

defsobel_edge_detection(img_gray):

Sobel算子

sobel_x=np.array([[-1,0,1],

[-2,0,2],

[-1,0,1]])

sobel_y=np.array([[-1,-2,-1],

[0,0,0],

[1,2,1]])

零填充（处理边缘效应）

padded_img=cv2.copyMakeBorder(img_gray,1,1,1,1,cv2.BORDER_REFLECT)

初始化输出图像

G_x=np.zeros_like(img_gray)

G_y=np.zeros_like(img_gray)

卷积计算

foriinrange(1,padded_img.shape[0]-1):

forjinrange(1,padded_img.shape[1]-1):

region=padded_img[i-1:i+2,j-1:j+2]

G_x[i-1,j-1]=np.sum(sobel_xregion)

G_y[i-1,j-1]=np.sum(sobel_yregion)

计算梯度幅值

G=np.sqrt(G_x2+G_y2)

G=np.uint8(np.clip(G,0,255))

阈值化（可选）

edges=cv2.threshold(G,50,255,cv2.THRESH_BINARY)[1]

统计边缘像素数量

edge_count=np.sum(edges==255)

returnedges,edge_count

示例调用

img=cv2.imread(input.jpg,cv2.IMREAD_GRAYSCALE)

edges,count=sobel_edge_detection(img)

print(f边缘像素数量：{count})

解析：

1.Sobel算子原理：通过卷积计算图像的x方向（水平）和y方向（垂直）梯度，梯度幅值即为边缘强度。

2.边缘效应处理：使用`BORDER_REFLECT`（镜像填充）避免边界像素因缺少邻域而丢失信息。

3.阈值化：可选步骤，用于二值化边缘检测结果（如设置阈值为50）。

2.光流法运动估计（20分）

要求：

-使用Python实现Lucas-Kanade光流法，处理两帧连续图像（`frame1`和`frame2`，大小为M×N）。

-输出光流向量场，并可视化（可选）。

-说明光流法假设条件及其局限性。

答案与解析：

python

importnumpyasnp

importcv2

importmatplotlib.pyplotasplt

deflucas_kanade_optical_flow(frame1,frame2,window_size=15,ksize=3):

初始化LK参数

pyr_scale=0.5

levels=2

winsize=window_size

ksize=ksize

criteria=(cv2.TERM_CRITERIA_EPS|cv2.TERM_CRITERIA_COUNT,10,0.03)

检测关键点（使用ORB或FAST）

orb=cv2.ORB_create()

kp1=orb.detect(frame1,None)

kp2=orb.detect(frame2,None)

匹配关键点

matcher=cv2.BFMatcher(cv2.NORM_HAMMING,crossCheck=True)

matches=matcher.match(kp1,kp2)

matches=sorted(matches,key=lambdax:x.distance)

提取匹配点

points1=np.float32([kp1[m.queryIdx].ptforminmatches]).reshape(-1,1,2)

points2=np.float