计算机视觉应用开发案例教程（OpenCV）习题答案 第7章

第7章一、选择题答案B解析：全局阈值适合前景背景灰度差异明显、光照均匀的图像，B选项符合；A、D需Otsu阈值，C需分水岭，均错误。A解析：Otsu的核心是自动计算最优阈值，无需手动调参，A正确；B是分水岭的优势，C需预处理（去噪），D速度比全局阈值慢，均错误。C解析：cv2.drawContours()中线宽设为-1表示填充轮廓内部，实现区域填充，A、B是绘制轮廓线，D无线，均错误。C解析：不确定区域是“背景-前景”的差值区域，即物体边界，算法会自动分割，A是前景，B是背景，D是预处理需过滤的区域，均错误。D解析：分水岭需去噪、阈值分割、开运算，无需提前轮廓提取（分割后自动得到区域），D正确。二、填空题答案0（黑）；255（白）解析：THRESH_BINARY_INV是反二进制阈值，与THRESH_BINARY相反，适合前景暗、背景亮的场景。图像预处理（或灰度化→去噪→边缘检测）；轮廓提取（或cv2.findContours）解析：轮廓分割需先预处理得到清晰边缘，再提取轮廓，最后填充。距离（或cv2.distanceTransform）；膨胀（或cv2.dilate）解析：距离变换得到物体中心（确定前景），膨胀扩大背景，包围所有物体。边界（或不同物体的分隔）解析：分水岭用-1标记边界，方便用户直观区分不同物体。实操题答案1.代码示例：importcv2importnumpyasnp#1.读取手写数字图像img_color=cv2.imread("handwritten_digits.jpg",cv2.IMREAD_COLOR)ifimg_colorisNone:print("图像读取失败！")else:#2.预处理img_gray=cv2.cvtColor(img_color,cv2.COLOR_BGR2GRAY)#高斯滤波（3×3）img_blur=cv2.GaussianBlur(img_gray,(3,3),sigmaX=1)#二值化（反色，数字为白色，背景为黑色，Otsu自动阈值）ret_otsu,img_binary=cv2.threshold(img_blur,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)#3.提取轮廓（最外层轮廓）contours,_=cv2.findContours(img_binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)#4.过滤噪声（面积<100）valid_contours=[]forcntincontours:ifcv2.contourArea(cnt)>=100:valid_contours.append(cnt)digit_count=len(valid_contours)print(f"提取到{digit_count}个数字！")#5.定义颜色列表（10种颜色，对应0-9）colors=[(0,255,0),(255,0,0),(0,0,255),(255,255,0),(255,0,255),(0,255,255),(128,0,0),(0,128,0),(0,0,128),(128,128,128)]#6.绘制矩形框和序号fori,cntinenumerate(valid_contours):#获取轮廓的boundingRect（最小矩形）x,y,w,h=cv2.boundingRect(cnt)#绘制矩形框（对应颜色）cv2.rectangle(img_color,(x,y),(x+w,y+h),colors[i%len(colors)],2)#标注序号（i从0开始，对应数字0-9）cv2.putText(img_color,str(i),(x+5,y+20),cv2.FONT_HERSHEY_SIMPLEX,0.8,colors[i%len(colors)],2)#7.添加总数文字cv2.putText(img_color,f"TotalDigits:{digit_count}",(10,30),cv2.FONT_HERSHEY_SIMPLEX,0.8,(0,0,255),2)#8.显示与保存cv2.imshow("HandwrittenDigitsSegmentation",img_color)cv2.imwrite("digits_segmented.jpg",img_color)print("数字分割结果已保存！")cv2.waitKey(0)cv2.destroyAllWindows()解析：用cv2.boundingRect()获取数字的最小矩形，比直接绘制轮廓更直观；颜色列表确保每个数字颜色不同，序号标注清晰，过滤面积<100的噪声，避免误判。2.代码示例：importcv2importnumpyasnp#1.读取重叠坚果图像img_color=cv2.imread("nuts_overlapped.jpg",cv2.IMREAD_COLOR)ifimg_colorisNone:print("坚果图像读取失败！")else:img_gray=cv2.cvtColor(img_color,cv2.COLOR_BGR2GRAY)h,w=img_gray.shapeimg_copy=img_color.copy()#用于显示原图#2.预处理#高斯滤波（5×5）img_blur=cv2.GaussianBlur(img_gray,(5,5),sigmaX=1)#Otsu阈值分割（反色，坚果为白，背景为黑）ret_otsu,img_binary=cv2.threshold(img_blur,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)#开运算（3×3核，1次）kernel=np.ones((3,3),np.uint8)img_open=cv2.morphologyEx(img_binary,cv2.MORPH_OPEN,kernel,iterations=1)#3.确定前景、背景、不确定区域#背景：膨胀3次img_bg=cv2.dilate(img_open,kernel,iterations=3)#前景：距离变换+0.6×最大距离img_dist=cv2.distanceTransform(img_open,cv2.DIST_L2,5)ret_dist,img_fg=cv2.threshold(img_dist,0.6*img_dist.max(),255,0)img_fg=np.uint8(img_fg)#不确定区域img_unknown=cv2.subtract(img_bg,img_fg)#4.创建标记ret_marker,markers=cv2.connectedComponents(img_fg)markers=markers+1#前景标记+1markers[img_unknown==255]=0#不确定区域设为0#5.分水岭分割markers=cv2.watershed(img_color,markers)#边界设为绿色（B=0,G=255,R=0）img_color[markers==-1]=[0,255,0]#6.计数nut_markers=np.unique(markers)nut_count=0formarkerinnut_markers:ifmarker>=2:nut_count+=1print(f"分割出{nut_count}个坚果！")#7.添加计数文字cv2.putText(img_color,f"NutCount:{nut_count}(GreenBoundary)",(10,30),cv2.FONT_HERSHEY_SIMPLEX,0.8,(255,0,0),2)#8.显示与保存cv2.imshow("1.OriginalImage",img_copy)cv2.imshow("2.OtsuBinaryImage",img_binary)cv2.imshow("3.ForegroundImage",img_fg)cv2.imshow("4.Watershed