機器視覺與應用學習通超星期末考試答案章節(jié)答案2024年

機器視覺與應用學習通超星期末考試章節(jié)答案2024年光源系統(tǒng)中的光源是的機器視覺成像中的一部分。照明是影響機器視覺系統(tǒng)

的重要因素，它直接影響輸入數(shù)據(jù)的

和

效果

答案:照明系統(tǒng);質量;應用主流的機器視覺軟件中側重圖像處理的圖像軟件包是以下哪一個？

答案:OpencvOpenCV以下哪一模塊提供了與光流操作相關的算法。

答案:optflow機器視覺系統(tǒng)的核心是以下哪一個？

答案:視覺信息處理相關技術OpenCV中使用cv2._________函數(shù)拆分通道，使用cv2._________函數(shù)可將3通道圖像合并。

答案:split(;merge(importnumpyasnpa=np.ones([2,2],dtype=int)print(a)以上代碼輸出結果為______。

答案:[[11][11]]以下代碼將NumPy數(shù)組中保存的圖像寫入文件，請完善以下代碼。importcv2importnumpyimg=numpy._______((50,50),dtype=numpy.uint8)#創(chuàng)建大小為50×50的黑色正方形圖像cv2._______('mypic2-1.jpg',img)

#將圖像存入文件

答案:zeros;inwriteimportnumpyasnpa=np.arange(12)a=a.reshape((3,-1))a=a.reshape((3,3))print(a)以上代碼運行結果為。

答案:運行報錯importnumpyasnpa=np.linspace(8,18,5,endpoint=False)print(a)以上代碼運行結果為。

答案:[8.10.12.14.16.]importnumpyasnpa=np.array([[1,2,3],[4,5,6]])b=a.reshape((6,))b[1]=100print(a)以上代碼輸出結果為。

答案:[[

1100

3]

[

4

5

6]]python語句

a=8(123),type(a)

，輸出結果為。

答案:importnumpyasnpa=np.logspace(0,6,7,base=2)print(a)以上代碼運行結果為。

答案:[1.

2.

4.

8.16.32.64.]importnumpyasnpa=np.array([[[3,1,2]],[[4,7,6]],[[5,8,9]]])print(a.shape)以上代碼運行結果為

答案:(3,1,3)以下哪個函數(shù)在OpenCV中用于在窗口中顯示圖像？

答案:imshow()importnumpyasnpa=a=np.arange(5)print(a**2)以上代碼運行結果為。

答案:[0

1

4

916]importnumpyasnpa=np.array(([4,6,8],[7,5,9],[4,3]))print(a)以上代碼運行結果為。

答案:[list([4,6,8])list([7,5,9])list([4,3])]importnumpyasnpa=np.array([[1,2,3],[3,4,5],[4,5,6]])print(a[2:])以上代碼運行結果為。

答案:[[456]]importnumpyasnpa=np.array([[1,2,3],[3,4,5],[4,5,6],[7,8,9]])print(a[...,2:])以上代碼運行結果為。

答案:[[3]

[5]

[6]

[9]]importnumpyasnpa=np.array([[4,5,6],[1,2,3],[7,8,9]])

print(a.min(axis=0))

答案:[123]importnumpyasnpa=np.array([[3,5],[2,1]])b=np.array([[10,0],[0,10]])print(a@b)以上代碼運行結果為。

答案:[[3050]

[2010]]importnumpyasnpa=np.array([[6,2,7],[1,3,4]])print(a.T)以上代碼運行結果為。

答案:[[61]

[23]

[74]]ndarray對象中指代數(shù)組元素的類型的屬性名為。

答案:dtypeimportnumpyasnpa=np.arange(10)s=slice(2,9,3)print(a[s])以上代碼運行顯示結果為。

答案:[258]importnumpyasnpa=np.array([[1,2,3],[3,4,5],[4,5,6]])print(a[2,0])以上代碼輸出結果為。

答案:4importnumpyasnpa=np.array([[1,2],[3,4]])b=np.array([[10,0],[0,10]])print(a@b)以上代碼運行結果為。

答案:[[1020]

[3040]]importnumpyasnpa=np.arange(11)b=a[4:]print(b)以上代碼輸出結果為。

答案:[4

5

6

7

8

910]importnumpyasnpa=np.array([[3,7,9],[4,7,8],[2,8,12]])b=a.max(axis=1)print(b)以上代碼運行結果為。

答案:[9

812]importnumpyasnpa=np.arange(24)b=a.reshape(4,2,3)print(b.ndim)以上代碼輸出結果為？

答案:3importnumpyasnpa=np.array([[3,4],[5,6]])a*=10print(a)以上代碼運行結果為。

答案:[[3040]

[5060]]importnumpyasnpa=np.arange(10)a.shape=(2,-1)print(a)以上代碼輸出結果為。

答案:[[01234]

[56789]]importnumpyasnpa=np.arange(48)b=a.reshape(6,8)print(b.ndim)以上代碼輸出結果為。

答案:2NumPy中，字符串i4等同于以下哪一個數(shù)據(jù)類型。

答案:int32OpenCV播放視頻的實質是逐幀讀取和顯示幀圖像，以下代碼實現(xiàn)了視頻播放，請對代碼進行排序。importcv2vc=cv2._________('test2-5.mp4')

#創(chuàng)建VideoCapture對象fps=vc.get(cv2.CAP_PROP_FPS)

#讀取視頻幀率size=(vc.get(_________________),

vc.get(cv2.CAP_PROP_FRAME_HEIGHT))#讀取視頻大小success,frame=__________

#讀第1幀whilesuccess:

#循環(huán)讀視頻幀，直到視頻結束

cv2.imshow('myvideo',frame)

#在窗口中顯示幀圖像

success,frame=vc.read()

#讀下一幀

key=cv2.___________

ifkey==27:

#按Esc鍵退出

breakvc.____________

#關閉視頻

答案:A、vc.read()

;B、VideoCapture;C、release()

;D、cv2.CAP_PROP_FRAME_WIDTH;E、waitKey(25)以下代碼實現(xiàn)了等待按鍵功能，請把代碼按順序進行排序。importcv2img=cv2.imread('lena.jpg',_________)

#讀取圖像，縮小為原來的1/2cv2.imshow('lena',img)

#顯示圖像key=0while_______:

#按Esc鍵時終止循環(huán)

key=cv2.__________()

#等待按鍵cv2.___________('lena')

#關閉圖像窗口

答案:A、key!=27;B、destroyWindow;C、cv2.IMREAD_REDUCED_COLOR_2;D、waitKey()

cv2.polylines()函數(shù)用于繪制多邊形，以下代碼為繪制一個封閉的多邊形，請補充代碼。importnumpyasnpimportcv2img=np.zeros((200,320,3),np.uint8)+255

#創(chuàng)建一幅白色圖像pts=np.array([[160,20],[20,100],[160,180],[300,100]],32)#創(chuàng)建頂點cv2.polylines(img,_______,________,(255,0,0),5)

#畫多邊形，藍色邊框，封閉多邊形cv2.imshow('draw',img)

#顯示圖像cv2.waitKey(0)

答案:pts;truecv2.line()函數(shù)用于繪制直線，以下代碼為繪制直線代碼,請補齊代碼：importnumpyasnpimportcv2img=np.zeros((200,320,3),np.uint8)

#創(chuàng)建一幅黑色圖像cv2.line(img,(0,0),(320,200),(255,0,0),5)#畫對角線1，藍色cv2.line(img,(320,0),(0,200),_________,5)#畫對角線2，綠色cv2.imshow('draw',img)

#顯示圖像cv2.waitKey(0)

答案:(0,255,0cv2.ellipse()函數(shù)用于繪制橢圓，其語法格式如下。

cv2.ellipse(img,center,axes,angle,startAngle,endAngle,color[,thickness[,lineType[,shift]]])

其中axes參數(shù)為橢圓的軸。例如，(150,100)表示_______的一半為150，短軸的一半為100。

答案:長軸cv2.rectangle()函數(shù)用于繪制矩形，以下代碼為繪制矩形代碼，請補齊代碼。img=np.zeros((200,320,3),np.uint8)

#創(chuàng)建一幅黑色圖像cv2.rectangle(img,(20,20),(300,180),(255,0,0),5)

#畫矩形，藍色邊框cv2.rectangle(img,(70,70),(250,130),(0,255,0),_____)#畫矩形，綠色填充cv2.imshow('draw',img)

#顯示圖像cv2.waitKey(0)

答案:-1假設原圖像寬度為width，高度為height，將圖像中心作為旋轉中心逆時針旋轉80°，并將圖像縮小50%，則用于計算轉換矩陣的語句如下。m=cv2.getRotationMatrix2D(_______________,80,0.5)。

答案:(width/2,height/2以下代碼為縮放圖像，請在橫線上填入正確代碼。importcv2img=cv2.imread('bee.jpg')

#讀取圖像sc=[1,0.2,0.5,1.5,2]

#設置縮放比例cv2.imshow('showimg',img)

#顯示圖像whileTrue:

key=cv2.waitKey()

if48<=key<=52:

#按鍵【0】、【1】、【2】、【3】或【4】

x=y=sc[key-48]

#獲得縮放比例

img2=cv2.____________(img,None,fx=x,fy=y)

#縮放圖像

cv2.imshow('showimg',img2)

#顯示圖像

答案:resizeGRAY色彩空間通常指____位灰度圖像，其顏色取值范圍為[0,255]，共_______個灰度級。

答案:8;256以下代碼實現(xiàn)了腐蝕，腐蝕迭代次數(shù)為5，請在橫線處補齊代碼。importcv2importnumpyasnpimg=cv2.imread('zh2.jpg')

#讀取圖像cv2.imshow('img',img)

#顯示原圖像kernel=np.ones((5,5),np.uint8)

#定義大小為5×5的內核img2=cv2._________(img,kernel,iterations=________)cv2.imshow('img2',img2)

#顯示轉換結果圖像cv2.waitKey(0)

答案:erode;5形態(tài)變換中，通過膨脹操作，圖像的邊界被擴張，白色區(qū)域增大。OpenCV的cv2.________函數(shù)用于實現(xiàn)膨脹操作。

答案:dilate形態(tài)變換中，通過腐蝕操作，圖像的邊界被侵蝕，白色區(qū)域縮小。OpenCV的cv2.________函數(shù)用于實現(xiàn)腐蝕操作。

答案:erode(cv2.threshold()函數(shù)的type參數(shù)值為cv2.THRESH_BINARY時執(zhí)行二值化閾值處理，將______閾值的像素值設置為255，將其他像素值設置為0。

答案:大于以下代碼將圖像向右移動80像素，向下移動50像素importcv2importnumpyasnpimg=cv2.imread('bee.jpg')

#讀取圖像cv2.imshow('img',img)

#顯示圖像height=img.shape[0]

#獲得圖像高度width=img.shape[1]#獲得圖像寬度dsize=(width,height)m=np.float32([________,________])

#創(chuàng)建轉換矩陣img2=cv2.warpAffine(img,m,dsize)

#平移圖像cv2.imshow('imgx+100y+50',img2)

#顯示圖像cv2.waitKey(0)

答案:[1,0,100];[0,1,50]cv2.resize()函數(shù)在轉換圖像時，當dsize參數(shù)不為_________時，不管是否設置參數(shù)fx和fy，都由dsize來確定目標圖像的大小。

答案:None以下代碼實現(xiàn)了均值濾波，請在橫線處補齊代碼。importcv2img=cv2.imread('lena2.jpg')cv2.imshow('img',img)

img2=cv2._________(img,(15,15))#可調整卷積核大小以查看不同效果cv2.imshow('imgBlur',img2)cv2.waitKey(0)

答案:blur以下代碼將BGR色彩空間轉換為RGB色彩空間，請補齊代碼。importcv2img=cv2.imread('bee.jpg')

#讀取圖像cv2.imshow('BGR',img)

#顯示圖像img2=cv2._________(img,cv2.COLOR_BGR2RGB)#轉換色彩空間為RGBcv2.imshow('RGB',img2)

#顯示圖像cv2.waitKey(0)

答案:cvtColor假設原圖像寬度為width，高度為height，將圖像中心作為旋轉中心順時針旋轉70°，并將圖像縮小50%，則用于計算轉換矩陣的語句如下。m=cv2.getRotationMatrix2D((width/2,height/2),__________,0.5)。

答案:70以下關于色彩空間類型轉換碼cv2.COLOR_BGR2RGB描述正確的是。

答案:將BGR色彩空間轉換為RGB色彩空間以下程序使圖像沿順時針方向旋轉，在旋轉的同時先縮小到10%，然后從10%開始放大到100%，再按此規(guī)律縮小，放大，請把缺失代碼按順序排列。importcv2importnumpyasnp_____________________________

cv2.imshow('showimg',img)

#顯示圖像h=img.shape[0]

_________________angle=1scale=1f=-1whileTrue:

________________________

#創(chuàng)建轉換矩陣

angle=(angle+10)%360

#計算下一個旋轉角度

scale=scale+f*0.1

#計算下一個縮放比例

if______________________:

f=f*-1

_______________________

#執(zhí)行旋轉

key=cv2.waitKey(100)

ifkey==27:

#按【Esc】鍵時結束

break

___________________________cv2.destroyAllWindows()

#關閉窗口

答案:A、

img2=cv2.warpAffine(img,m,(w,h))

;B、scale<=0.1orscale>=1;C、img=cv2.imread('clocktower.png');D、w=img.shape[1]

;E、cv2.imshow('showimg',img2);F、m=cv2.getRotationMatrix2D((w/2,h/2),-angle,scale+f*0.1)以下代碼將圖像進行旋轉，請對缺失代碼進行排序，完成整個程序。importcv2________________________

#讀取圖像cv2.imshow('img',img)

#顯示圖像height=____________

#獲得圖像高度width=_____________

#獲得圖像寬度dsize=(width,height)m=_____________________________

#創(chuàng)建轉換矩陣img2=__________________________

#執(zhí)行旋轉cv2.imshow('imgRotation',img2)

#顯示圖像__________________

答案:A、img.shape[1]

;B、cv2.waitKey(0);C、img.shape[0]

;D、cv2.getRotationMatrix2D((width/2,height/2),-60,0.5);E、cv2.warpAffine(img,m,dsize)

;F、img=cv2.imread('bee.jpg')以下代碼實現(xiàn)了單目標匹配，請對缺失代碼進行排序。importcv2importnumpyasnpimportmatplotlib.pyplotaspltimg1=cv2.imread('bee.jpg')

#打開輸入圖像,默認為BGR格式cv2.imshow('original',img1)______________________________

#打開模板圖像cv2.imshow('template',temp)img1gray=cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY,dstCn=1)

#轉換為單通道灰度圖像____________________________________________________

#轉換為單通道灰度圖像h,w=tempgray.shape

#獲得模板圖像的高度和寬度_______________________________________________#執(zhí)行匹配_______________________________________________

#以灰度圖像格式顯示匹配結果plt.title('MatchingResult')

plt.axis('off')

plt.show()

#顯示圖像______________________________________

#返回最值和位置top_left=min_loc

#最小值為最佳匹配，獲得其位置bottom_right=(top_left[0]+w,top_left[1]+h)

#獲得匹配范圍的右下角位置___________________________________________________

#繪制匹配范圍,藍色邊框cv2.imshow('DetectedRange',img1)cv2.waitKey(0)

答案:A.res=cv2.matchTemplate(img1gray,tempgray,cv2.TM_SQDIFF);B.temp=cv2.imread('template.jpg');C.min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(res);D.cv2.rectangle(img1,top_left,bottom_right,(255,0,0),2);E.tempgray=cv2.cvtColor(temp,cv2.COLOR_BGR2GRAY,dstCn=1);F.plt.imshow(res,cmap='gray')以下使用跟蹤欄相關代碼，當選擇跟蹤欄不同的值，改變圖形的顯示顏色，請對缺失的代碼進行排序。importnumpyasnpimportcv2_____________________defdoChange(x):

_____________________________________

g=cv2.getTrackbarPos('G','tracebar')

r=cv2.getTrackbarPos('R','tracebar')

__________________

dWindow('tracebar')cv2.createTrackbar('B','trackbar',0,255,doChange)___________________________________________________cv2.createTrackbar('R','trackbar',0,255,doChange)while(True):

_________________________

k=cv2.waitKey(1)

ifk==27:

___________________cv2.destroyAllWindows()

答案:A.cv2.createTrackbar('G','trackbar',0,255,doChange);B.cv2.imshow('trackbar',img);C.break;D.img=np.zeros((120,400,3),np.uint8);E.img[:]=[b,g,r];F.b=cv2.getTrackbarPos('B','tracebar')以下為響應鼠標事件相關代碼，請對缺少代碼進行排序，完成整個代碼。importnumpyasnpimportcv2_________________________________________________

ifevent==cv2.EVENT_LBUTTONDBLCLK:

__________________________________

#雙擊鼠標右鍵時畫矩形

elifevent==cv2.EVENT_RBUTTONDBLCLK:

__________________________________

#雙擊鼠標左鍵時畫圓dWindow('drawing')

#命名圖像窗口______________________________________while(True):

cv2.imshow('drawing',img)

#顯示圖像

k=cv2.waitKey(1)

___________________

breakcv2.destroyAllWindows()

答案:A.cv2.rectangle(img,(x,y),(x+20,y+20),(0,0,255),-1);B.ifk==27:;C.img=np.zeros((200,320,3),np.uint8)+255;D.cv2.circle(img,(x,y),20,(255,0,0),-1);E.cv2.setMouseCallback('drawing',draw);F.defdraw(event,x,y,flag,param):以下代碼查找輪廓并繪制到圖像上，請對缺失代碼進行排序。importcv2importnumpyasnpimg=cv2.imread('shapes.jpg')

#讀取圖像cv2.imshow('original',img)

#顯示原圖像______________________________

#將其轉換為灰度圖像ret,img2=________________________________________________

#二值化閾值處理c,h=_______________________________________________________

_____________________:

img3=np.zeros(img.shape,np.uint8)+255

#按原圖大小創(chuàng)建一幅白色圖像

_____________________________________________#繪制輪廓

cv2.imshow('%s'%n,img3)

#顯示輪廓圖像cv2.waitKey(0)

#按任意鍵結束等待cv2.destroyAllWindows()

答案:A.cv2.threshold(gray,125,255,cv2.THRESH_BINARY);B.fornin(range(3));C.gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY);D.cv2.findContours(img2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE);E.cv2.polylines(img3,[c[n]],True,(255,0,0),2)cv2.Laplacian()函數(shù)用于實現(xiàn)Laplacian邊緣檢測，其基本格式如下。

dst=cv2.Laplacian(src,ddepth[,ksize[,scale[,delta[,borderType]]]])請簡述Laplacian（拉普拉斯）邊緣檢測具體含義，以及dst,src,ddepth參數(shù)對應的具體含義。

答案:Laplacian（拉普拉斯）邊緣檢測使用圖像矩陣與拉普拉斯核進行卷積運算，其本質是計算圖像中任意一點與其在水平方向和垂直方向上4個相鄰點平均值的差值。（1）dst表示邊緣檢測結果圖像。（2）src為原圖像。（3）ddepth為目標圖像的深度。cv2.putText()函數(shù)用于繪制文本，其語法格式如下。cv2.putText(img,text,org,fontFace,fontScale,color[,thickness[,lineType[,

bottomLeftOrigin]]])請簡要描述img,text,org,fontFace,fontScale,color參數(shù)分別對應的含義。

答案:(1)

img需要繪制文字的圖像（2）text為要繪制的文本。（3）org為文本左下角的位置。（4）fontFace為字體類型（5）fontScale為字體大?。?）color為字體顏色OpenCV的cv2.cvtColor()函數(shù)用于轉換色彩空間類型,其基本格式如下。

dst=cv2.cvtColor(src,code[,dstCn]])

請描述src,code,dstCn參數(shù)及返回結果dst對應的含義。

答案:（1）dst表示轉換后的圖像。（2）src表示轉換前的原圖像。（3）code表示色彩空間類型轉換碼。（4）dstCn表示目標圖像的通道數(shù)。機器視覺行業(yè)發(fā)展趨勢主要體現(xiàn)在哪四個方面？

答案:（1）機器視覺應用領域持續(xù)拓寬（2）嵌入式視覺應用持續(xù)增長（3）2D機器視覺向3D機器視覺升級（4）機器視覺在新能源領域滲透率將逐步提高圖像的基本概念中，_________:每英寸圖像內的點數(shù)，單位是像素每英寸。_____________:屏幕每行的像素點數(shù)乘以每列的像素點數(shù)。

答案:圖像分辨率;屏幕分辨率cv2.threshold()函數(shù)的type參數(shù)值為cv2.THRESH_BINARY_INV時執(zhí)行反二值化閾值處理，將______閾值的像素值設置為0，將其他像素值設置為255。

答案:大于假設原圖像寬度為width，高度為height，將圖像中心作為旋轉中心逆時針旋轉80°，并將圖像縮小50%，則用于計算轉換矩陣的語句如下。m=cv2.getRotationMatrix2D(_______________,80,0.5)。

答案:(width/2,height/2importnumpyasnpa=np.arange(8)print(a)以上代碼運行結果為_____。

答案:[01234567]RGB色彩空間使用R（Red，紅）、G（Green，綠）和B（Blue，藍）3種基本顏色表示____________。

答案:圖像像素OpenCV中的cv2._______________函數(shù)用于執(zhí)行高斯金字塔構造的向下采樣步驟。

答案:pyrDown(以下代碼為縮放圖像，請在橫線上填入正確代碼。importcv2img=cv2.imread('bee.jpg')

#讀取圖像sc=[1,0.2,0.5,1.5,2]

#設置縮放比例cv2.imshow('showimg',img)

#顯示圖像whileTrue:

key=cv2.waitKey()

if48<=key<=52:

#按鍵【0】、【1】、【2】、【3】或【4】

x=y=sc[key-48]

#獲得縮放比例

img2=cv2.____________(img,None,fx=x,fy=y)

#縮放圖像

cv2.imshow('showimg',img2)

#顯示圖像

答案:resize以下代碼使用hist()函數(shù)繪制直方圖，請在橫線處補齊代碼。importcv2importmatplotlib.pyplotaspltimg=cv2.imread('gate.jpg')

#讀取圖像cv2.imshow('original',img)

#顯示原圖像plt._____(img._____,256)

#繪制直方圖plt.show()

#顯示直方圖

答案:hist;ravel(以下代碼實現(xiàn)了限制對比度自適應直方圖均衡化，請在橫線處補齊代碼。importcv2importmatplotlib.pyplotaspltimg=cv2.imread('clahe.jpg',0)

#打開圖像（單通道灰度圖像）cv2.imshow('original',img)

#顯示原圖像img2=cv2.equalizeHist(img)cv2.imshow('equalizeHist',img2)

#顯示直方圖均衡化后的圖像________=cv2.createCLAHE(clipLimit=5)

#創(chuàng)建CLAHE對象img3=clahe.________(img)

#應用CLAHE對象cv2.imshow('CLAHE',img3)

#顯示應用CLAHE對象后的圖像cv2.waitKey(0)

答案:clahe;apply以下代碼實現(xiàn)了哈里斯角檢測，請在橫線處補齊代碼。importcv2importnumpyasnpimg=cv2.imread('cube.jpg')

#打開輸入圖像gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#轉換為灰度圖像gray=np.float32(gray)

#轉換為浮點類型dst=cv2.________________(gray,8,7,0.01)

#執(zhí)行哈里斯角檢測#將檢測結果中值大于“最大值*0.02”對應的像素設置為紅色img[dst>0.02*dst.max()]=[0,0,255]

cv2.imshow('dst',img)

#顯示檢測結果cv2.waitKey(0)Range',img1)cv2.waitKey(0)

答案:cornerHarris圖像的基本概念中，把白色與黑色之間按對數(shù)關系分為若干等級，稱為_______。

答案:灰度;灰度級importnumpyasnpa=np.arange(10,20,3)

print(a)以上代碼運行結果為______。

答案:[10131619]cv2.resizeWindow()函數(shù)用于更改窗口大小,以下代碼把窗口大小的寬和高均調整為原來窗口的一半，請補齊代碼。importcv2img=cv2.imread('lena.jpg')

#讀取圖像s=img.shapecv2.imshow('lena',img)

#顯示圖像key=cv2.waitKey(500)cv2.resizeWindow('lena',(_________,s[1]//2))#更改窗口大小cv2.waitKey(0)

答案:s[0]//2cv2.getTrackbarPos()函數(shù)用于返回跟蹤欄的________，其基本格式如下。

retval=cv2.getTrackbarPos(trackbarname,wname)

參數(shù)說明如下。

（1）trackbarname為跟蹤欄的名稱。

（2）wname為圖像窗口的名稱。

答案:當前值;當前位置以下代碼實現(xiàn)了均值濾波，請在橫線處補齊代碼。importcv2img=cv2.imread('lena2.jpg')cv2.imshow('img',img)

img2=cv2._________(img,(15,15))#可調整卷積核大小以查看不同效果cv2.imshow('imgBlur',img2)cv2.waitKey(0)

答案:blur以下代碼將BGR色彩空間轉換為RGB色彩空間，請補齊代碼。importcv2img=cv2.imread('bee.jpg')

#讀取圖像cv2.imshow('BGR',img)

#顯示圖像img2=cv2._________(img,cv2.COLOR_BGR2RGB)#轉換色彩空間為RGBcv2.imshow('RGB',img2)

#顯示圖像cv2.waitKey(0)

答案:cvtColor查找輪廓中，cv2.findContours()函數(shù)返回一個________對象，保存了輪廓數(shù)組。

答案:list以下代碼將NumPy數(shù)組中保存的圖像寫入文件，請完善以下代碼。importcv2importnumpyimg=numpy._______((50,50),dtype=numpy.uint8)#創(chuàng)建大小為50×50的黑色正方形圖像cv2._______('mypic2-1.jpg',img)

#將圖像存入文件

答案:zeros;imwrite_______________主要是指將原圖像的灰度級均勻地映射到全部灰度級范圍內。OpenCV的

cv2.equalizeHist(src)函數(shù)用于實現(xiàn)，其基本格式如下。

dst=cv2.equalizeHist(src)參數(shù)說明如下。（1）dst為直方圖均衡化后的圖像。（2）src為原圖像，必須是8位的單通道圖像。

答案:普通直方圖均衡化;平均直方圖均衡化假設原圖像寬度為width，高度為height，將圖像中心作為旋轉中心順時針旋轉70°，并將圖像縮小50%，則用于計算轉換矩陣的語句如下。m=cv2.getRotationMatrix2D((width/2,height/2),__________,0.5)。

答案:-70importnumpyasnpa=np.arange(12)a.resize((3,3),refcheck=False)print(a)以上代碼運行結果為。

答案:[[012]

[345]

[678]]importnumpyasnpa=np.array([[1,2,3],[3,4,5],[4,5,6],[7,8,9]])print(a[...,2:])以上代碼運行結果為。

答案:[[3]

[5]

[6]

[9]]importnumpyasnpa=np.arange(12)a=a.reshape((3,-1))a=a.reshape((3,3))print(a)以上代碼運行結果為。

答案:運行報錯importnumpyasnpa=np.arange(11)b=a[4:]print(b)以上代碼輸出結果為。

答案:[4

5

6

7

8

910]機器視覺系統(tǒng)以下組成部分哪一個涉及電傳單元。

答案:智能判斷決策模塊和機械控制執(zhí)行模塊importnumpyasnpa=np.arange(5)a=a[:,np.newaxis]print(a)以上代碼運行結果為？

答案:[[0]

[1]

[2]

[3]

[4]]級聯(lián)分類器對象的detectMultiScale()方法用于執(zhí)行檢測，其基本格式如下。

objects=faceClassifier.detectMultiS