第八章单元测试
- 函数cv2.boundingRect与 cv2.minAreaRect的区别在于（ ）。
- OpenCV中通过使用findContours函数，简单几个的步骤就可以检测出物体的轮廓，contours是一个向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个（ ）。
- 关于图像轮廓的查找和绘制，描述正确的是哪一项（ ）。
- 查找到图像的轮廓后，可以采用多种方式判断轮廓的特性，便于选择合适的部分。如果cnt是一个矩形轮廓，想要计算其周长，以下代码正确的是（ ）。
- 以下哪些属于常用的边缘检测方法（ ）。
- 图像的边缘作为图像的一种基本特征，经常被应用到（ ）较高层次的图像应用中去。
- 查找到轮廓后，还可以获取轮廓的不同特征，例如（ ）等，还可以通过不同的形状拟合轮廓。
- 梯度的方向是函数 f(x,y)变化最（ ）的方向。
- 当图像中存在边缘时，一定有（ ）的梯度值。
- 边缘检测是将边缘像素标识出来的一种图像分割技术。（ ）
A:minAreaRect返回值不包括矩形的坐标 B:boundingRect返回的矩形面积为最小 C:boundingRec返回值包括了角度 D:boundingRec不考虑旋转
答案:boundingRec不考虑旋转
A:像素 B:矢量 C:轮廓 D:元素
A:cv2.findContours()函数用于从二值图像中查找图像轮廓 B:cv2.findContours()函数用于从灰度图像中查找图像轮廓 C:cv2.findContours()函数用于从彩色图像中查找图像轮廓 D:cv2.findContours()用于绘制查找到的图像轮廓
A:cv2.arcLength(cnt,True) B:cv2.boundingRect(cnt,True) C:cv2.boundingRect(cnt,False) D:cv2.arcLength(cnt,False)
A:cv2.calcHist() B:cv2.Sobel() C:cv2.Canny() D:cv2.Laplacian()
A:图像压缩 B:图像识别 C:图像分割 D:图像增强
A:面积 B:边界框 C:重心 D:周长
A:慢 B:适中 C:快 D:其余选项说法都对
A:大 B:适中 C:其余选项说法都对 D:小
A:对 B:错
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
