计算机视觉应用开发案例教程（OpenCV）习题答案 第8章

第8章一、选择题答案及解析答案：B解析：文档8.2.4明确提到“前景需用‘距离变换+阈值’获取‘确定的物体中心’，避免前景包含重叠区域”，这是区分重叠药片的核心技术；A（高斯滤波）、D（双边滤波）均为去噪操作，C（形态学开运算）用于减少小噪声，均不用于获取物体中心。答案：B解析：文档8.3“前置知识：YOLO模型简介”指出，YOLO与传统两阶段算法的核心区别是“将目标检测视为单一的回归问题，通过一次神经网络计算即可同时预测图像中所有目标的边界框和类别概率，因此检测速度极快”；A（仅支持80种物体）表述片面，YOLO可扩展类别，C（仅处理静态图像）错误，YOLO支持实时视频流，D（无需预训练权重）错误，项目需加载yolov3.weights。答案：A解析：文档8.2.3步骤2代码注释明确说明“增强闭运算，合并更多碎片”，形态学闭运算（先膨胀后腐蚀）的核心作用是合并区域碎片、填补小缺口；B（缩小轮廓）是腐蚀操作效果，C（直接分割重叠区域）是分水岭算法作用，D（黑白反转）是阈值分割（如THRESH_BINARY_INV）作用。答案：B解析：文档8.4.3代码注释中提到“筛选出概率大于50%的”，“prob>0.5”的核心目的是过滤低置信度（<50%）的误检结果，保证检测准确性；A（提高速度）与该条件无关，C（改变边框样式）由cv2.rectangle控制，D（增加类别数量）由object_names.txt和模型决定。答案：C解析：重叠药片计数系统（8.2.3步骤2代码）用“cv2.imwrite("pills_result_v7.jpg",img_color)”保存结果，实时物件检测系统（8.4.3代码）用“cv2.imwrite(filename,last_frame)”保存最后一帧，二者均包含结果保存操作；A（距离变换）仅用于药片系统，B（非最大值抑制）仅用于YOLO系统，D（形态学开运算）仅用于药片系统。二、填空题答案及解析答案：前景背景确定；阈值分割解析：文档8.2.1项目目标1明确“分水岭算法的完整流程：预处理→前景背景确定→标记→分割”；8.2.3步骤1“实验流程”列出“读取图像→灰度化→去噪→阈值分割→开运算→确定前景背景……”，可知预处理阶段包含阈值分割。答案：yolov3.cfg；yolov3.weights解析：文档8.3.2步骤1明确“预训练模型文件：yolov3.cfg（模型配置文件）、yolov3.weights（模型权重文件）”，且8.4.3代码中“net=cv2.dnn.readNetFromDarknet("yolov3.cfg","yolov3.weights")”直接调用这两个文件。答案：0.35*img_dist.max()；cv2.connectedComponentsWithStats()解析：文档8.2.3步骤2代码中，距离变换后的阈值设置为“0.35img_dist.max()”（代码行“ret_dist,img_fg=cv2.threshold(img_dist,0.35img_dist.max(),255,0)”）；筛选小噪声时，代码用“num_labels,labels,stats,centroids=cv2.connectedComponentsWithStats(img_fg)”统计连通区域，再通过面积过滤小噪声。答案：STSONG.TTF；PIL；cv2.rectangle()解析：文档8.3.2步骤1提到“中文字体文件：STSONG.TTF”，8.4.3代码通过“fromPILimportImageFont,ImageDraw,Image”导入PIL库，并用“draw=ImageDraw.Draw(img_pil)”绘制中文；绿色边框