计算机视觉应用开发案例教程（OpenCV）习题答案 第2章

第2章一、选择题答案C解析：img.size是总像素数，彩色图像总像素数=高度×宽度×通道数（3），C选项少乘通道数，错误；A、B、D均正确。A解析：ROI切片遵循“行（高度）→列（宽度）”顺序，50:150表示行50到149（共100行），100:200表示列100到199（共100列）；B选项顺序颠倒，C选项符号错误（应为:），D选项多取了0通道（B通道），均错误。B解析：cv2.split()分离彩色图像时，按“B→G→R”顺序返回通道，与OpenCV的BGR存储顺序一致；A、C顺序错误，D函数调用格式错误（无需传入通道变量）。A解析：全黑灰度图需用np.zeros()（全0），形状为（高度，宽度），100为高度、200为宽度；B选项形状颠倒，C选项用np.ones()（全1，非黑），D选项是3通道彩色图，均错误。C解析：代码将像素值大于128的设为255（白），小于等于128的设为0（黑），符合二值化定义；A、B、D均不符合代码逻辑。二、填空题答案高度；宽度；3个通道（B、G、R）解析：(h,w,3)是彩色图像的标准形状，h=height（高度），w=width（宽度），3对应B、G、R三个通道。np.stack()；2解析：np.stack()可在指定维度堆叠数组，axis=2表示在第3个维度（通道维度）堆叠，将3个灰度数组转为3通道彩色数组。[0,0,255]解析：img[:,:,2]是R通道，筛选出R>200的像素后，赋值为[0,0,255]（红色），符合需求。将多个单通道数组合并为多通道图像；3个单通道数组（顺序为B、G、R）解析：cv2.merge()需传入包含3个单通道数组的列表（如[b,g,r]），合并为BGR彩色图像。三、实操题答案代码示例：importcv2importnumpyasnp#1.读取彩色图像img=cv2.imread("lena.jpg",cv2.IMREAD_COLOR)ifimgisNone:print("❌图像读取失败！")else:#2.打印图像属性h,w,ch=img.shapetotal_pixels=img.sizeprint(f"图像属性：")print(f"高度：{h}像素")print(f"宽度：{w}像素")print(f"通道数：{ch}")print(f"总像素数：{total_pixels}")#3.提取中心ROI（高度100，宽度100）roi_h,roi_w=100,100#计算ROI起始坐标（居中：(总高度-ROI高度)/2，(总宽度-ROI宽度)/2）roi_y_start=(h-roi_h)//2roi_y_end=roi_y_start+roi_hroi_x_start=(w-roi_w)//2roi_x_end=roi_x_start+roi_w#提取ROIroi=img[roi_y_start:roi_y_end,roi_x_start:roi_x_end,:]print(f"ROI形状：{roi.shape}（预期：({roi_h},{roi_w},{ch})）")#4.修改ROI的G通道（索引1）为255roi[:,:,1]=255#G通道全设为255#将修改后的ROI放回原图像（直接赋值）img[roi_y_start:roi_y_end,roi_x_start:roi_x_end,:]=roi#5.标记ROI（红色矩形框）cv2.rectangle(img,(roi_x_start,roi_y_start),(roi_x_end,roi_y_end),(0,0,255),2)cv2.putText(img,"ROI(G=255)",(roi_x_start,roi_y_start-10),cv2.FONT_HERSHEY_SIMPLEX,0.6,(0,0,255),2)#6.显示与保存cv2.imshow("OriginalImage",cv2.imread("lena.jpg",cv2.IMREAD_COLOR))#原图cv2.imshow("ModifiedImage(ROIG=255)",img)#修改图cv2.imwrite("lena_roi_modified.jpg",img)print("修改后的图像已保存！")cv2.waitKey(0)cv2.destroyAllWindows()2.代码示例：importcv2importnumpyasnp#1.读取灰度图像gray_img=cv2.imread("city_gray.jpg",cv2.IMREAD_GRAYSCALE)ifgray_imgisNone:print("图像读取失败！")else:h,w=gray_img.shapeprint(f"灰度图尺寸：{h}×{w}像素")#2.方法1：for循环遍历像素反色inverted_for=gray_img.copy()#复制原图，避免修改原数据foryinrange(h):forxinrange(w):inverted_for[y,x]=255-inverted_for[y,x]print("方法1（for循环）反色完成！")#3.方法2：NumPy数组运算反色（无循环，效率高）inverted_np=255-gray_img#直接数组相减，自动广播#确保数据类型为uint8（避免溢出，NumPy会自动处理，但建议显式转换）inverted_np=inverted_np.astype(np.uint8)print("方法2（NumPy）反色完成！")#4.验证两种方法结果是否一致is_same=np.array_equal(inverted_for,inverted_np)print(f"两种方法结果是否一致？{is_same}（预期：True）")#5.显示与保存cv2.imshow("OriginalGrayImage",gray_img)cv2.imshow("Inverted(ForLoop)",inverted_for)cv2.imshow("Inverted(NumPy)",inverted_np)cv2.imwrite("city_gray_inverted.jpg",inverted_n