計算機(jī)視覺技術(shù)智慧樹知到課后章節(jié)答案2023年下重慶電子工程職業(yè)學(xué)院

計算機(jī)視覺技術(shù)智慧樹知到課后章節(jié)答案2023年下重慶電子工程職業(yè)學(xué)院重慶電子工程職業(yè)學(xué)院

第一章測試

人類視覺對（）更敏感？

A:黃光B:綠光C:紅光D:藍(lán)光

答案:綠光

人類的眼睛更容易關(guān)注到圖像的邊緣區(qū)域是人類視覺系統(tǒng)的（）特性在起作用。

A:亮度對比度敏感B:內(nèi)在推導(dǎo)C:視覺掩蓋D:視覺關(guān)注

答案:亮度對比度敏感

識別圖像中目標(biāo)與目標(biāo)之間的關(guān)系屬于計算機(jī)視覺任務(wù)層級（）。

A:圖像理解B:圖像跟蹤C(jī):圖像定位D:圖像識別

答案:圖像理解

在分析圖像前進(jìn)行去噪、轉(zhuǎn)換、增強(qiáng)等處理，屬于（）。

A:特征提取B:圖像獲取C:圖像分析D:圖像預(yù)處理

答案:圖像預(yù)處理

人類視覺系統(tǒng)有哪些視覺特性？（）

A:視覺掩蓋B:色彩敏感度C:視覺關(guān)注D:內(nèi)在推導(dǎo)

答案:視覺掩蓋;色彩敏感度;視覺關(guān)注;內(nèi)在推導(dǎo)

下列選項中屬于計算機(jī)圖像表示形式的有（）。

A:彩色圖B:風(fēng)景圖C:灰度圖D:二值圖

答案:彩色圖;灰度圖;二值圖

下列選項中，與圖像處理相關(guān)的庫有（）。

A:OpenCVB:NumPyC:PillowD:Matplotlib

答案:OpenCV;NumPy;Pillow;Matplotlib

第二章測試

OpenCV的深度學(xué)習(xí)模塊是（）。

A:photoB:contribC:coreD:dnn

答案:dnn

以下為OpenCV讀取圖像、顯示圖像和保存圖像函數(shù)的選項是（）。

A:iread()、imwrite()、imshow()B:imread()、imwrite()、imshow()C:imread()、imshow()、imwrite()D:imread()、imshow()、iwrite()

答案:imread()、imshow()、imwrite()

下列選項中表示以灰度圖模式讀取圖像的關(guān)鍵字是（）。

A:cv2.IMREAD_COLORB:cv2.IMREAD_ANYDEPTHC:cv2.IMREAD_GRAYSCALED:cv2.IMREAD_ANYCOLOR

答案:cv2.IMREAD_GRAYSCALE

將圖像由RGB轉(zhuǎn)為灰度圖的語句是（）。

A:cv2.cvtColor(im,cv2.COLOR_RGB2GRAY)B:cv2.cvtColor(im,cv2.COLOR_GRAY2RGB)C:cv2.cvtColor(im,cv2.COLOR_BGR2RGB)D:cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)

答案:cv2.cvtColor(im,cv2.COLOR_RGB2GRAY)

OpenCV讀取圖像的默認(rèn)通道排序順序是“藍(lán)色-綠色-紅色”。（）。

A:錯B:對

答案:對

Pillow讀取圖像的默認(rèn)通道排序順序是“藍(lán)色-綠色-紅色”。（）。

A:錯B:對

答案:錯

OpenCV3.+版本import的模塊名稱是cv2（）。

A:錯B:對

答案:對

第三章測試

通過將輸入圖像的所有像素值+1實(shí)現(xiàn)圖像提亮，屬于基本運(yùn)算中的（）。

A:幾何運(yùn)算B:點(diǎn)運(yùn)算C:代數(shù)運(yùn)算D:邏輯運(yùn)算

答案:點(diǎn)運(yùn)算

OpenCV繪制矩形的函數(shù)為（）。

A:cv2.rectangle()B:cv2.line()C:cv2.putText()D:cv2.waitKey()

答案:cv2.rectangle()

OpenCV實(shí)現(xiàn)卷積變換的函數(shù)為（）。

A:cv2.filter2D()B:cv2.waitKey()C:cv2.rectangle()D:cv2.line()

答案:cv2.filter2D()

卷積運(yùn)算的邊緣填補(bǔ)方法有（）。

A:cv2.BORDER_REPLICATEB:cv2.BORDER_DEFAULTC:cv2.BORDER_WRAPD:cv2.BORDER_CONSTANT

答案:cv2.BORDER_REPLICATE;cv2.BORDER_DEFAULT;cv2.BORDER_WRAP;cv2.BORDER_CONSTANT

Tkinter的Frame支持的布局方式有（）。

A:PackB:listC:PlaceD:Grid

答案:Pack;Place;Grid

OpenCV圖像運(yùn)算中，符號加法和函數(shù)加法對結(jié)果是一樣的。（）。

A:對B:錯

答案:錯

OpenCV圖像的邏輯運(yùn)算是按位運(yùn)算，即先將8位整數(shù)轉(zhuǎn)成8位二進(jìn)制數(shù)，按位進(jìn)行邏輯運(yùn)算后再轉(zhuǎn)換回8位整型。（）。

A:對B:錯

答案:對

第四章測試

繪制直方圖時，如果每1個灰度級分為一組，可分為（）組。

A:1B:255C:128D:256

答案:256

一副昏暗環(huán)境下拍攝的圖像，其像素分布大都集中在（）區(qū)間。

A:兩端像素B:中間像素C:高像素D:低像素

答案:低像素

matplotlib庫函數(shù)subplot(2,2,1)表示（）。

A:按順序在劃分為的表格中繪圖B:按順序在劃分為的表格繪圖C:在劃分為的表格的第1個子區(qū)域繪圖D:在劃分為的表格的第2個子區(qū)域繪圖

答案:在劃分為的表格的第1個子區(qū)域繪圖

OpenCV完成HIS亮度分量均衡法是基于（）分量。

A:IB:VC:HD:S

答案:V

圖像增強(qiáng)能夠解決以下哪些問題。（）

A:霧霾天氣導(dǎo)致圖像對比度低、色彩退化B:曝光太亮導(dǎo)致目標(biāo)不突出C:采集設(shè)備的噪聲污染導(dǎo)致圖像特征不明顯D:圖像特別暗導(dǎo)致細(xì)節(jié)不明顯

答案:霧霾天氣導(dǎo)致圖像對比度低、色彩退化;曝光太亮導(dǎo)致目標(biāo)不突出;采集設(shè)備的噪聲污染導(dǎo)致圖像特征不明顯;圖像特別暗導(dǎo)致細(xì)節(jié)不明顯

下列哪些是直方圖的性質(zhì)（）。

A:一幅圖像對應(yīng)一個灰度直方圖B:直方圖具有可加性C:只反應(yīng)灰度級像素數(shù)量，不反映像素的位置D:一個直方圖可能對應(yīng)多幅圖像

答案:一幅圖像對應(yīng)一個灰度直方圖;直方圖具有可加性;只反應(yīng)灰度級像素數(shù)量，不反映像素的位置;一個直方圖可能對應(yīng)多幅圖像

直方圖均衡法屬于是一種空域法類的圖像增強(qiáng)技術(shù)。（）

A:對B:錯

答案:對

直方圖是一種圖像增強(qiáng)方法。（）

A:對B:錯

答案:對

第五章測試

中值濾波屬于（）。

A:頻域去噪B:形態(tài)學(xué)去噪C:空域去噪D:小波變換去噪

答案:空域去噪

利用像素周圍個像素值的中間值代替原值的平滑處理方法是（）。

A:均值濾波B:高斯濾波C:中值濾波D:雙邊濾波

答案:中值濾波

以下說法正確的是（）。

A:開運(yùn)算能夠填充內(nèi)部的小孔洞B:開運(yùn)算是先腐蝕后膨脹C:開運(yùn)算使輪廓變光滑，能夠彌合狹窄的間斷D:開運(yùn)算是先膨脹后腐蝕

答案:開運(yùn)算是先腐蝕后膨脹

OpenCV的均值濾波函數(shù)是（）。

A:cv2.blur()B:cv2.erode()C:cv2.medianBlur()D:cv2.GaussianBlur()

答案:cv2.blur()

常見的圖像噪聲有（）。

A:均勻噪聲B:高斯噪聲C:椒鹽噪聲D:柏松噪聲

答案:均勻噪聲;高斯噪聲;椒鹽噪聲;柏松噪聲

圖像形態(tài)學(xué)基本操作有（）。

A:膨脹B:閉運(yùn)算C:開運(yùn)算D:腐蝕

答案:膨脹;腐蝕

第六章測試

色彩統(tǒng)計定位先將圖像轉(zhuǎn)變?yōu)椋ǎ┠Ｊ揭蕴崛☆伾秶?/p>

A:HSVB:LabC:GrayD:RGB

答案:HSV

OpenCV閾值分割函數(shù)為（）。

A:cv2.blur()B:cv2.matchTemplate()C:cv2.threshold()D:cv2.imread()

答案:cv2.threshold()

OpenCV模版匹配函數(shù)為（）。

A:cv2.imread()B:cv2.blur()C:cv2.threshold()D:cv2.matchTemplate()

答案:cv2.matchTemplate()

將thresh參數(shù)設(shè)置為（）可以根據(jù)圖像的灰度分布統(tǒng)計信息，自動確定分割閾值的大小。

A:cv2.THRESH_TRUNCB:cv2.THRESH_BINARYC:cv2.THRESH_TOZEROD:cv2.THRESH_OTSU

答案:cv2.THRESH_OTSU

圖像分割就是把圖像分成若干個特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過程（）。

A:對B:錯

答案:對

模板匹配不需要匹配模板的支持（）。

A:錯B:對

答案:錯

第七章測試

下列哪個不是視頻文件格式（）。

A:movB:jpgC:aviD:rmvb

答案:jpg

以下不是檢測圖像邊緣的的算子是：（）

A:Laplacian算子B:Scharr算子C:Sobel算子D:SIFT算子

答案:SIFT算子

OpenCV提供的輪廓提取函數(shù)為（）。

A:canny()B:findContours()C:drawContours()D:shift()

答案:findContours()

下列選項是視頻屬性的是（）。

A:峰值信照比B:分辨率C:幀速率D:編碼格式

答案:峰值信照比;分辨率;幀速率;編碼格式

下列哪些是圖像邊緣提取算子（）。

A:RobertsB:SiftC:CannyD:Sobel

答案:Roberts;Canny;Sobel

第八章測試

EigenFace方法是基于（）實(shí)現(xiàn)的人臉識別方法。

A:LBPB:PCAC:Haar-like特征D:Haar分類器

答案:PCA

以下不是人臉數(shù)據(jù)集的是：（）

A:ORLB:ImageNetC:CelebAD:Yale

答案:ImageNet

檢測鼻梁可使用haar-like特征中的（）。

A:邊界特征B:線特征C:中心特征D:對角特征

答案:線特征

下列選項是Haar-like特征類別的是（）。

A:線特征B:對角特征C:中心特征D:邊界特征

答案:線特征;對角特征;中心特征;邊界特征

下列哪些是OpenCV提供的人臉識別算法（）。

A:HaarB:FisherfacesC:LBPD:Eigenfaces

答案:Fisherfaces;LBP;Eigenfaces

第九章測試

以下說法不正確的是（）。

A:目標(biāo)跟蹤的任務(wù)是跟蹤視頻中特定目標(biāo)的移動軌跡。B:目標(biāo)檢測的任務(wù)是檢測出圖像中的目標(biāo)類型和位置。C:語義分割的任務(wù)是從圖像中識別并分割出目標(biāo)個體D:圖像識別的任務(wù)是對圖像進(jìn)行分類

答案:語義分割的任務(wù)是從圖像中識別并分割出目標(biāo)個體

從圖像中識別并分割出目標(biāo)個體的任務(wù)是（）。

A:圖像定位B:語義分割C:實(shí)例分割D:圖像識別

答案:實(shí)例分割

以下選項錯誤的是（）。

A:基于深度學(xué)習(xí)的目標(biāo)檢測方法是一種“端到端”的檢測方法。B:深度學(xué)習(xí)算法依靠人工設(shè)計的特征進(jìn)行學(xué)習(xí)。C:機(jī)器學(xué)習(xí)算法的特征設(shè)計對檢測的結(jié)果影響非常大D:傳統(tǒng)機(jī)器學(xué)習(xí)的目標(biāo)檢測方法的主要過程為區(qū)域選擇、人工特征提取和檢測

答案:深度學(xué)習(xí)算法依靠人工設(shè)計的特征進(jìn)行學(xué)習(xí)。

下列選項是圖像領(lǐng)域具有代表性的網(wǎng)絡(luò)模型的是（）。

A: