青岛职业技术学院
- 在OpenCV模块中cv2.calcHist()函数的mask参数用于指定掩模图像。（ ）
- 普通直方图均衡化是对图像的灰度级进行全局的调整，用cv2.equalizeHist()函数来实现（ ）
- 中值滤波和双边滤波都属于非线性滤波。（ ）
- OpenCV专门开发了支持机器学习以及深度神经网络的ml 模块和dnn 模块。（ ）
- numpy库的divide函数和运算符”/”对两个图像矩阵做除法，运算结果的像素值是整数。（ ）
- 人脸识别就是从数据集中找到表征每类人脸的特征与类别标签的映射关系。（ ）
- 调用opencv库的rectangle函数在图像上绘制矩形时，需要指定所绘制矩形的左下角坐标和矩形的宽高（ ）
- 代码cv2.circle(img,(160,120),100,(255,0,0),-1)可以在图像img上绘制一个圆心在(160,120)半径为100的蓝色实心圆形。（ ）
- numpy库的dot函数和opencv库的multiply函数对两个矩阵做乘法的结果相同。（ ）
- 顶帽运算是用原始图像减去图像开运算的结果，可以得到图像的噪声。（ ）
- 当视频读入完成，不需要使用VideoCapture对象时，无需要释放该对象资源。（ ）
- 一幅图像在经过向下采样后，再对其进行向上采样，是可以恢复为原始状态的。（ ）
- 函数cv2.connectedComponents()是将图像中的背景标记为1，前景标记为0。（ ）
- 8位无符号整型类型的灰度图像中，灰度值有256种。（ ）
- 开运算是闭运算的一个相反操作，通常是被用来填充前景物体中的小洞，或者抹去前景物体上的小黑点。（ ）
- 关于高斯金字塔的描述，正确的是（ ）
- 以下对于数字图像的描述，正确的是？（ ）。
- 使用VideoCapture类读一段视频中的帧需要经过哪些步骤？（ ）
- 对像素值23（二进制00010111）调用下列函数做运算，结果仍然是23的是（ ）。
- 计算机中图像的表现形式有（ ）。
- 要在图像上绘制一个左上角在(100,100)，宽250像素，高200像素的矩形，下列调用形式正确的是（ ）。
- OpenCV中的机器学习模块包括的算法有（ ）。
- 拉普拉斯金字塔生成过程中涉及到的函数为（ ）
- 以下说法错误的是（ ）
- 开运算可以从图像中提取表达区域形状的有用图像分量，以下哪些是开运算的作用（ ）。
- 以下属于目标检测应用场景的是（ ）。
- 下列哪个调用resizeWindow函数调整窗口大小的形式是正确的 （ ）。
- 下面关于超阈值零处理的说法正确的是（ ）。
- 两个矩阵
和
做”+”运算，结果错误的是（ ）。 - 要在图像上绘制一个中心在(120,120),长轴长240像素，短轴长180像素，长轴方向与Y轴夹角45度，绿色，空心椭圆，下列代码正确的是。（ ）。
- 关于拉普拉斯金字塔的描述，正确的是（ ）
- 下面关于二值化阈值处理说法正确的是（ ）。
- 形态学处理中最基本的运算是腐蚀与膨胀。其中，腐蚀通常在去除小颗粒以及消除目标物之间的粘连是非常有效的。（ ）通常用以填补目标物中存在的某些空洞。
- opencv中显示图像，若想显示窗口适应图片大小，可以在namedWindow函数中使用下列哪个值作为flags参数的实参。（ ）
- 对于色彩不均衡的图像，使用（ ）方法可以较为方便地选择出图像分割的最佳阈值。
- OpenCV使用（ ）语言实现。
- 关于数字图像的直方图描述正确的是（ ）。
- 在HSV色彩空间中，代表色调的通道是（ ）
- 均值滤波的处理方法是（ ）。
- 使用cv2.flip(img,flipcode)函数实现图片的水平反转，需要设置flipcode参数的值为（ ）。
- OpenCV中读取图像、显示图像、保存图像的函数依次是（ ）。
- OpenCV中将RGB图像img转换为灰度图的语句是（ ）。
- 执行c=addWeighted(a,0.6,b,0.4,25)对两个图像a和b加权求和，图像矩阵a和b相同位置分别有像素点的值78和128，结果矩阵c中对应位置的值为（ ）
- 以下方法能够增强图像的局部对比度的是（ ）。
- 膨胀操作是最基本的形态学操作之一，如果图像内两个对象的距离非常近，膨胀以后，两个对象可能（ ）？
- 以下属于限制对比度自适应直方图均衡化方法的是（ ）。
- 以下方法能使图像的宽和高变大的是（ ）
- 调用opencv的函数putText在图像上绘制文本，指定的坐标是文本（ ）的坐标。
- 以下能执行图像分割的方法的是（ ）
- OpenCV加载Caffe框架训练好的模型时，使用的方法是（ ）
A:对 B:错
答案:对
A:对 B:错
答案:对
A:错 B:对
答案:对
A:对 B:错
答案:对
A:对 B:错
答案:对
A:对 B:错
答案:对
A:错 B:对
答案:错
A:错 B:对
答案:对
A:错 B:对
答案:错
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:错 B:对
A:上采样一次，图像宽和高变为原来的二分之一 B:高斯金字塔有上采样和下采样 C:高斯金字塔有随机采样和整体采样 D:下采样一次，图像宽和高变为原来的二分之一
A:计算机用常用8个bit位表示像素值 B:图像像素值为[0,255]之间的整数，不能为小数 C:二值图像是指含有黑色或者白色的图像 D:灰度图像就是指二值图像
A:创建VideoCapture类的对象 B:读入帧 C:释放VideoCapture类对象 D:创建VideoWriter类的对象
A:cv2.bitwise_xor(23,0) B:cv2.bitwise_and(23,255) C:cv2.bitwise_not(23) D:cv2.bitwise_or(23,0)
A:风景图 B:灰度图 C:二值图 D:彩色图
A:cv2.rectangle(‘img’,(100,100),( 100,300),(255,0,0),3) B:cv2.rectangle(‘img’,(100,100),(350,300),(255,0,0),3) C:cv2.rectangle(‘img’,(350,100),( 350,300),(255,0,0),3) D:cv2.rectangle(‘img’,(100,100),( 350,100),(255,0,0),3)
A:朴素贝叶斯 B:线性回归 C:逻辑回归 D:K均值聚类
A:cv2.connectedComponents() B:cv2.pyrDown() C:cv2.pyrUp() D:cv2.distanceTransform()
A:膨胀和腐蚀属于图像的形态学处理的基本运算 B:腐蚀就是求局部最小值的操作 C:膨胀就是求局部最小值的操作 D:图像中的物体经过腐蚀会变大
A:抑制比结构元小的暗细节 B:在纤细点处分离物体 C:消除小物体 D:平滑其边界的同时并不明显改变其面积
A:工业产品缺陷检测 B:道路交通行人检测 C:植物病虫害检测 D:火焰检测
A:cv2.resizeWindow(‘img’,(230,340)) B:cv2.resizeWindow(230,340) C:cv2.resizeWindow(‘img’,230,340) D:cv2.resizeWindow(‘img’)
A:如果thresh为127，则超阈值零处理后图像中像素值170将修改为0 B:函数cv2.threshold(src, thresh, maxval, type)的type参数设置为cv2.THRESH_TOZERO_INV C:maxval的值为255 D:其含义是将图像像素值大于阈值的像素值设置为0，将小于等于的像素值不改变，保持原来的值。
A:
B:
C:
D:
A:cv2.ellipse(img,(120,120),(120,90),225,0,360,(0,255,0),2) B:cv2.ellipse(img,(120,120),(120,90),45,0,360,(0,255,0),2) C:cv2.ellipse(img,(120,120),(240,180),225,0,360,(0,255,0),2) D:cv2.ellipse(img,(120,120),(240,180),45,0,360,(0,255,0),2)
A:生成拉普拉斯金字塔要用到上采样 B:生成拉普拉斯金字塔不会用到上采样 C:生成拉普拉斯金字塔不会用到下采样 D:生成拉普拉斯金字塔要用到下采样
A:其含义是将图像的像素值大于阈值的像素值设置为255，将小于等于阈值的像素值设置为0。 B:函数cv2.threshold(src, thresh, maxval, type)的type参数设置为cv2.THRESH_BINARY C:阈值一般设置为127 D:二值化阈值处理后的图像为灰度图
A:腐蚀 B:膨胀
A:WINDOW_FREERATIO B:WINDOW_NORMAL C:WINDOW_AUTOSIZE D:WINDOW_AUTOSIZE
A:截断阈值处理 B:二值化阈值处理 C:超阈值零处理 D:Otsu阈值处理
A:Python B:Java C:JavaScript D:C/C++
A:数字图像直方图可以为柱形图 B:直方图纵轴表示灰度级 C:数字图像直方图不可以为柱形图 D:直方图横轴表示频数
A:I B:S C:V D:H
A:是用卷积框中像素的中值代替中心值 B:用模板的均值来替代原像素的值 C:结合图像的空间邻近度和像素值相似度折衷处理 D:其余选项说法都不对
A:-1 B:1 C:-2 D:0
A:imread()、imshow()、imwrite() B:iread()、imwrite()、imshow() C:imread()、imshow()、iwrite() D:imread()、imwrite()、imshow()
A:cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) B:cv2.cvtColor(img,cv2.COLOR_RGB2GRAY) C:cv2.cvtColor(img,cv2.COLOR_RGB2BGR) D:cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
A:231。 B:206。 C:123。 D:255。
A:plt.plot() B:cv2.createCLAHE() C:np.histgram() D:cv2.calcHist()
A:连接在一起 B:总体积缩小 C:间隔变大 D:发生位移
A:matplotlib.pyplot.hist(src,bins) B:cv2.calcHist() C:Numpy.histogram() D:cv2.createCLAHE()
A:cv2.pyrDown() B:cv2.equalizeHist() C:cv2.pyrUp() D:cv2.calcHist()
A:右下角 B:中心点 C:左上角 D:左下角
A:cv2.calcHist() B:cv2.equalizeHist() C:cv2.watershed() D:cv2.dilate()
A:cv2.dnn.read() B:cv2.pyrDown() C:cv2.dnn.readNetFromCaffe() D:cv2.pyrUp()
温馨提示支付 ￥5.00 元后可查看付费内容,请先翻页预览!
