《图像理解与计算机视觉》习题
计算机视觉笔试题目及答案
计算机视觉笔试题目及答案第一部分：基础理论题目一：请简要介绍计算机视觉的定义和应用领域。
计算机视觉是指利用计算机和相关技术对图像或视频进行处理、分析和理解的一门学科。
它与图像处理、模式识别、机器学习等领域密切相关。
计算机视觉的应用广泛，包括人脸识别、目标检测与跟踪、图像检索、三维重建等。
题目二：请简要说明计算机视觉系统的基本流程。
计算机视觉系统的基本流程包括图像获取、前期处理、特征提取与描述、目标检测与识别、结果输出等步骤。
首先，通过相机或其他设备获取图像或视频数据；然后对获取的图像或视频进行去噪、滤波等前期处理；接着进行特征提取与描述，即通过提取图像中的特征信息来表示图像内容；然后使用目标检测与识别算法来分析图像中的目标信息，识别出感兴趣的目标；最后将结果输出，如在屏幕上显示或保存到文件中。
题目三：简述计算机视觉中常用的特征描述符有哪些，并分别说明其原理。
常用的特征描述符包括SIFT(Scale-Invariant Feature Transform)、SURF(Speeded Up Robust Features)和ORB(Oriented FAST and Rotated BRIEF)等。
SIFT特征描述符是一种尺度不变的特征描述符。
它通过在不同尺度上检测和描述稳定的关键点，建立图像间的匹配关系。
具体原理是通过高斯差分算子检测图像中的极值点，并在每个极值点处计算局部方向直方图。
SURF特征描述符是一种加速的稳健特征描述符。
它通过构建尺度空间和积分图像，提取图像中的兴趣点，并计算其局部特征。
SURF特征描述符的主要优势是计算速度快，并具有一定的旋转和尺度不变性。
ORB特征描述符是一种具有方向性的快速特征描述符。
它结合了FAST特征点检测器和BRIEF描述符。
ORB特征描述符通过检测图像特征点的FAST角点，并在每个角点附近生成二进制字符串来描述特征。
第二部分：应用案例分析题目四：请选取计算机视觉在无人驾驶汽车领域的一个应用案例进行分析，并说明其实现原理。
2007图像分析与理解试卷及答题
武汉大学2006 —2007 学年度第 二 学 期 工程硕士班《图像分析与理解》试卷电信 学院 电子信息工程 专业 班 学号 姓名 分数1．请针对下图论述广义数字图像处理包含的内容并分别进行描述. （20分）答：1、由描述到图像称为计算机图形学，是研究怎样用数字计算机生成、处理和显示图形的一门学科。
2、由图像到图像称为狭义的图像处理，主要研究利用计算机可以实现的算法，为人或计算机提供便于理解以及识别的图像.3、由图像到描述的过程称为图像分类（识别）图像分析和图像理解：属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。
2．根据图像JPEG 压缩流程图简述其压缩算法和思想。
（20分）一、图像压缩的分类据统计，目前已有３０－４０多种图像压缩编码算法面世。
在分类上，也存在几种不同的方法。
根据对编码信息的恢复程度，数据压缩编码可分为无损压缩编码（或称为无失真压缩编码）和有损压缩编码（又称为限失真压缩编码）。
无损压缩编码是指解码后的数据与原始数据完全相同，没有任何信息损失，常用的无损编码方法有哈夫曼编码、算术编码、ＬＺＷ编码等；有损压缩编码实施解码后的数据与原始数据有一定的偏差，恢复数据只是某种失真度下的近似，常用的方法主要有离散余弦编码（ＤＣＴ）、差分脉冲预测编码（ＤＰＣＭ）、量化等；根据所用方法的原理不同，可分为预测编码、统计编码、变换编码等。
下面我们主要根据第二种分类方法对图像压缩方法的基本原理和方法进行介绍。
二、经典图像压缩方法2．１统计编码统计编码又称熵编码，它是对于有不同概率的事件分配以不同长度的码字，对概率大的事件分配以短的码字，从而使平均码字最短。
统计编码实现事件出现的概率与码字长度的最佳匹配。
典型的统计编码法有哈夫曼编码（Ｈｕｆｆｍａｎ）、算术编码和行程编码等。
（１）哈夫曼编码哈夫曼编码是由哈夫曼在１９５２年提出的一种编码方法。
机器视觉与图像处理技术考核试卷
9.用于图像增强的算子有______算子和______算子等。（）
10.在图像处理中，______是一种常用的图像插值方法。（）
四、判断题（本题共10小题，每题1分，共10分，正确的请在答题括号中画√，错误的画×）
D.深度学习
14.在机器视觉中，以下哪些技术可以用于3D重建？（）
A.双目立体视觉
B.结构光
C.激光扫描
D.单目视觉
15.以下哪些算法属于无监督学习方法？（）
A. K-means聚类
B.层次聚类
C. DBSCAN
D.支持向量机
16.以下哪些技术在人脸识别中应用广泛？（）
A.特征脸
B.活体检测
C.深度学习
D.模板匹配
17.以下哪些方法可以用于图像质量的评估？（）
A.峰值信噪比（PSNR）
B.结构相似性指数（SSIM）
C.信息熵
D.对比度
18.在机器视觉中，以下哪些算法可用于物体检测？（）
A. R-CNN
B. Fast R-CNN
C. YOLO
D. SVM分类器
19.以下哪些方法可以用于图像的形态学操作？（）
A.提高图像对比度
B.降低图像噪声
C.改善图像亮度
D.改变图像颜色
9.以下哪个术语表示图像中的每个像素值？（）
A.采样率
B.量化级
C.分辨率
D.深度
10.在机器视觉中，以下哪个步骤通常用于获取图像的形状信息？（）
A.边缘检测
B.区域生长
C.霍夫变换
D.主成分分析
11.以下哪种图像处理技术可以用于去除图像中的椒盐噪声？（）
计算机视觉笔试题库及答案
计算机视觉笔试题库及答案一、选择题1. 在计算机视觉中，下面哪项不属于主要的图像特征描述算法？A. SIFT（尺度不变特征变换）B. HOG（方向梯度直方图）C. CNN（卷积神经网络）D. PCA（主成分分析）答案：D2. 以下哪种方法常用于图像分割任务？A. Canny边缘检测B. Haar特征检测C. 高斯滤波D. 彩色空间转换答案：A3. 在目标检测中，以下哪个算法是基于特征的分类器？A. YOLO（You Only Look Once）B. R-CNN（Region-CNN）C. SSD（Single Shot MultiBox Detector）D. Faster R-CNN答案：B4. 下面哪项是计算机视觉中的经典任务？A. 图像风格迁移B. 图像超分辨率C. 图像分类D. 图像降噪答案：C5. 在图像配准中，以下哪种方法可以用于检测图像之间的特征点匹配？A. SURF（加速稳健特征）B. RANSAC（随机抽样一致性）C. ORB（旋转差异二进制）D. Homography（单应性矩阵）答案：A二、填空题1. 在卷积神经网络中，通过不断迭代调整网络参数以使损失函数达到最小值的方法称为_____________。
答案：反向传播（Backpropagation）2. 图像分割通常可以将图像中的每个像素点标记为不同的___________________。
答案：目标或背景（Object or Background）3. 使用Canny边缘检测算法，可以得到__________________。
答案：图像的边缘信息4. 在目标检测中，非极大值抑制（Non-Maximum Suppression）用于__________________。
答案：从重叠的边界框中选择最佳的检测结果5. 在图像配准中，单应性矩阵（Homography Matrix）可以用于_________________。
答案：将一个图像在透视变换下转换到另一个图像上的映射关系三、简答题1. 请简要介绍一下SIFT算法的基本原理及应用领域。
计算机视觉复习题
《计算机视觉》复习题1、利用MFC及OpenCV 库函数编写对话框程序，添加按钮实现图像读入、图像阈值分割、边缘提取等功能（至少实现三个以上功能）。
（考前做好并用A4纸打印，考试当天带来）为旋转不变算子，即当图像()v,u f旋转后，计算值在对应点保持不变。
2、证明Laplace算子理论3、计算机视觉研究的目的是什么？它和图像处理及计算机图形学的区别和联系是什么？从20世纪50年代末开始，计算机开始被作为实现人类智能和人类感知的工具，借助计算机人类第一次可以象借助机械实现对体力的延伸一样实现对脑力和感知能力的延伸。
对人类视觉感知能力的计算机模拟导致了计算机视觉的产生。
计算机视觉就是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来替代大脑完成处理和解释。
计算机视觉使用的理论方法主要是基于几何、概率和运动学计算与三维重构的视觉计算理论。
具体地讲，计算机视觉要达到的基本目的有以下几个：根据一幅或者多幅二维图像计算出观测点到目标物体的距离；根据一幅或者多幅二维图像计算出观测点到目标物体的运动参数；根据一幅或者多幅二维图像计算出观测点到目标物体的表面物理特征；根据多幅二维投影图像恢复出更大空间区域的投影图像。
简单来说，计算机视觉要达到的最终目的是实现利用计算机对三维景物世界的理解，即实现人的视觉系统的某些功能。
从本质上来讲，计算机视觉研究就是利用二维投影图像来重构三维物体的可视部分。
计算机视觉和图像处理及计算机图形学的区别和联系：区别：图像处理（image processing）通常是把一幅图像变换为另外一幅图像。
它输入的是图像，输出的也是图像。
Photoshop中对一幅图像应用滤镜就是典型的一种图像处理。
常见操作有模糊、灰度化、增强对比度。
计算机图形学（Computer Graphics）是借助计算机来研究图形表达、处理图像、显示生成的学科。
，主要通过几何基元，如线、圆和自由曲面等，来生成图像，属于图像综合。
计算机视觉与图像识别考试
计算机视觉与图像识别考试（答案见尾页）一、选择题1. 计算机视觉中，哪种算法可以用于物体检测和定位？A. 卷积神经网络（CNN）B. 循环神经网络（RNN）C. 长短期记忆网络（LSTM）D. 支持向量机（SVM）2. 在计算机视觉中，以下哪种技术可以用于图像分割和目标识别？A. 主成分分析（PCA）B. 图像分割算法如阈值分割、区域生长等C. 阈值分割算法D. 生成对抗网络（GAN）3. 计算机视觉中的目标跟踪算法中，哪种算法是基于特征匹配的？A. K均值聚类B. 梯度下降法C. 基于特征的跟踪算法，如光流法、均值漂移等D.粒子滤波器4. 在计算机视觉中，哪种技术可以用于测量和识别图像中的距离和尺寸？A. 相机标定B. 三维重建C. 手眼协调（EHR）D. 图像分割5. 计算机视觉中的图像识别技术中，哪种技术可以用于识别图像中的物体和场景？A. 特征提取和匹配B. 深度学习中的卷积神经网络（CNN）C. 阈值分割D. 图像分割算法如区域生长等6. 在计算机视觉中，哪种技术可以用于从视频中提取关键帧？A. 光流法B. 运动估计C. 基于颜色的方法D. 人脸检测算法7. 计算机视觉中的图像恢复技术中，哪种技术可以用于去除图像中的噪声和干扰？A. 图像平滑滤波B. 图像锐化C. 图像变换D. 图像编码和解码8. 在计算机视觉中，哪种技术可以用于实现图像的超分辨率（提高图像的分辨率）？A. 双线性插值B. 高斯模糊C. 卷积神经网络（CNN）D. 实现图像超分辨率的技术通常不直接依赖于这些方法9. 计算机视觉中的场景理解技术中，哪种技术可以用于分析和理解图像中的内容及其上下文关系？A. 语义分割B. 实例分割C. 人脸识别D. 目标检测和识别10. 在计算机视觉中，哪种技术可以用于将二维图像转换为三维立体信息？A. 图像增强B. 图像变换C. 立体视觉技术D. 图像配准11. 计算机视觉中，以下哪个选项不是特征提取的方法？A. 边缘检测B. SIFT特征提取C. HOG特征提取D. K均值聚类12. 在图像识别中，以下哪个算法可以用于物体检测？A. SVMB. 随机森林C. YOLOD.深度学习中的Faster R-CNN13. 在计算机视觉中，以下哪种方法可以用于图像分割？A. K-means聚类B. 基于深度学习的方法，如FCNC. 图像处理技术，如阈值分割D. 阈值分割14. 计算机视觉中，以下哪个选项不是模式识别的方法？A. 支持向量机（SVM）B. 决策树C. 随机森林D. 神经网络15. 在图像识别中，以下哪种技术可以用于分类和回归？A. 支持向量机（SVM）B. 决策树C. 随机森林D. 深度学习中的神经网络16. 在计算机视觉中，以下哪种方法可以用于三维重建？A. 单目相机B. 双目相机C. 三目相机D. RGB-D相机17. 在图像识别中，以下哪种算法可以用于语义分割？A. 聚类算法，如K-meansB. 基于深度学习的方法，如U-NetC. 图像处理技术，如阈值分割D. 阈值分割18. 计算机视觉中，以下哪个选项不是图像恢复的方法？A. 伽马校正B. 直方图均衡化C. 噪点消除D. 局部修复19. 在计算机视觉中，以下哪种方法可以用于运动估计？A. 光流法B. 词袋模型（BoW）C. HOG特征D. 基于深度学习的方法，如Optical Flow20. 在图像识别中，以下哪种技术可以用于实时检测？A. 支持向量机（SVM）B. 决策树C. 随机森林D. 深度学习中的YOLO21. 计算机视觉中的图像处理技术主要包括哪些方法？A. 图像缩放B. 图像旋转C. 图像滤波D. 图像增强22. 在计算机视觉中，以下哪种算法可以用于目标检测和定位？A. K-means聚类算法B. 支持向量机（SVM）C. 霍夫变换D. 图像分割23. 计算机视觉中的深度学习方法有哪些？A. 卷积神经网络（CNN）B. 循环神经网络（RNN）C. 生成对抗网络（GAN）D. Transformer模型24. 在图像识别中，以下哪种技术可以提高识别准确率？A. 数据增强B. 激活函数C. 权重共享D. 正则化25. 计算机视觉中的目标跟踪算法主要有哪些？A. K均值算法B. 光流法C.均值漂移（Mean Shift）D. 模糊C均值聚类（FCM）26. 在图像处理中，以下哪种技术可以实现图像的锐化、去噪和增强？A. 图像平滑B. 图像锐化C. 图像增强D. 图像分割27. 计算机视觉中的特征提取和匹配技术在哪些应用场景中具有广泛应用？A. 自动驾驶B. 人脸识别C. 手写数字识别D. 医学影像分析28. 在计算机视觉中，以下哪种技术可以实现图像的立体匹配和三维重建？A. 形码技术B. 空时自适应处理（STAP）C. 协同式结构从运动（CSM）D. 图像缝合29. 计算机视觉中，哪种技术可以用于检测和识别图像中的物体？A. 特征匹配B. 深度学习C. 图像分割D.模式识别30. 在计算机视觉中，以下哪种方法可以用来对图像进行预处理？A. 清晰化B. 滤波C. 泛化D. 分类31. 计算机视觉中的目标检测与定位任务通常使用哪种算法？A. K-means聚类B. 支持向量机（SVM）C. 随机森林D. YOLO（You Only Look Once）32. 在计算机视觉中，以下哪种技术可以用于测量和跟踪物体的运动？A. 特征点检测B. 运动估计C. 图像恢复D. 图像增强33. 计算机视觉中的图像分割方法中，哪种方法可以实现基于像素值的精确分割？A. 阈值分割B. 区域生长C. 分水岭算法D. K-means聚类34. 在计算机视觉中，以下哪种技术可以用于识别图像中的文字？A. 文本检测B. 文本分类C. 文本生成D. 文本识别35. 计算机视觉中的深度学习模型中，哪种结构可以用于图像分类任务？A. 卷积神经网络（CNN）B. 循环神经网络（RNN）C. 长短期记忆网络（LSTM）D. 生成对抗网络（GAN）36. 在计算机视觉中，以下哪种技术可以用于从视频中提取关键帧？A. 光流法B. 目标检测C. 图像分割D. 视频稳定化37. 计算机视觉中的目标跟踪任务通常使用哪种算法？A. 霍夫变换B. 尺度不变特征变换（SIFT）C. 目标检测D. 运动估计38. 在计算机视觉中，以下哪种技术可以用于将图像中的物体转换为数字信号？A. 图像编码B. 图像解码C. 图像增强D. 图像滤波39. 计算机视觉中，以下哪个因素会影响到特征提取的准确性？A. 图像分辨率B. 图像亮度C. 图像噪声D. 图像角度40. 在人脸识别技术中，以下哪种算法被广泛应用？A. SVMB. K-均值聚类C. 深度学习D. 随机森林41. 在计算机视觉中，以下哪种方法可以用于测量距离？A. 卡尔·蔡司镜头B. 相位差方法C. 光学相机D. 超声波传感器42. 在图像识别中，以下哪种技术可以用于检测和识别物体？A. 深度学习B. 邻域搜索C. 阈值分割D. 图像滤波43. 在计算机视觉中，以下哪种方法可以用于图像恢复？A. 图像变换B. 图像编码和解码C. 图像增强D. 图像去噪44. 在人脸识别中，以下哪种算法可以实现活体检测？A. SVMB. K-均值聚类C. 深度学习D. 随机森林45. 在计算机视觉中，以下哪种技术可以用于视频分析？A. 图像处理B. 语音识别C. 自然语言处理D. 机器学习46. 在图像识别中，以下哪种技术可以用于分类和识别图像中的对象？A. 特征匹配B. 图像分割C. 图像编码和解码D. 深度学习47. 在计算机视觉中，以下哪种方法可以用于目标跟踪？A. 深度学习B. 光流法C. 匹配滤波器D. 规范化方法48. 在图像识别中，以下哪种技术可以用于场景理解？A. 图像分类B. 图像分割C. 基于知识的方法D. 深度学习二、问答题1. 计算机视觉中，什么是特征提取？请简述其特征提取的主要步骤。
计算机视觉常见面试题目及答案
计算机视觉常见面试题目及答案计算机视觉是人工智能领域中的重要分支，涉及到图像处理、模式识别等技术。
在计算机视觉领域的面试中，常常会涉及一些常见的问题。
本文将从基础概念、算法应用、深度学习等方面介绍一些常见的计算机视觉面试题目及其答案。
一、基础概念1. 什么是计算机视觉？计算机视觉是指通过计算机对图像或视频进行处理和分析，从而实现对图像中目标的识别、检测、跟踪等任务的技术领域。
2. 图像和视频的表示方式有哪些？图像可以使用灰度图、RGB图、二值图等不同的表示方式；视频可以使用多张图像按照时间顺序排列组成序列帧来表示。
3. 图像的特征是什么？常见的图像特征有哪些？图像的特征是指能够表征图像中某个目标或者局部信息的可量化属性。
常见的图像特征有灰度特征、纹理特征、边缘特征、颜色特征等。
二、算法应用4. 什么是目标检测？常见的目标检测算法有哪些？目标检测是指在图像或视频中自动地检测出感兴趣的目标，并给出目标的位置信息。
常见的目标检测算法有经典的Haar特征级联分类器、HOG+SVM、深度学习中的R-CNN、Fast R-CNN、YOLO等。
5. 什么是图像分割？常见的图像分割算法有哪些？图像分割是指将图像的区域划分为若干个不重叠的部分，每个部分具有一定的内部一致性和外部差异。
常见的图像分割算法有阈值分割、基于边缘的分割、基于区域的分割、基于图割的分割等。
6. 什么是图像配准？常见的图像配准算法有哪些？图像配准是指将两个或多个图像在几何上进行匹配，使得它们在空间位置和尺度上对应一致。
常见的图像配准算法有基于特征的配准、基于相似性度量的配准、基于变换模型的配准等。
三、深度学习7. 什么是深度学习？深度学习是一种模仿人脑神经网络结构和工作原理的机器学习算法，多层次的神经网络模型可以自动地对数据特征进行学习和提取。
8. 深度学习在计算机视觉中的应用有哪些？深度学习在计算机视觉中有广泛的应用，包括目标检测、图像分割、人脸识别、物体识别等。
计算机视觉试题及答案大全
计算机视觉试题及答案大全一、选择题1. 计算机视觉是利用计算机对图像、视频等视觉信息进行分析和处理的一门学科。
以下哪项不属于计算机视觉的应用领域？A. 人脸识别B. 遥感图像分析C. 智能车辆导航D. 机器学习算法答案：D2. 在计算机视觉中，图像分类是指将输入的图像分到预先定义的类别中。
以下哪项不属于常见的图像分类方法？A. 支持向量机（SVM）B. 卷积神经网络（CNN）C. 高斯混合模型（GMM）D. 循环神经网络（RNN）答案：D3. 目标检测是计算机视觉中的关键任务之一，其目标是在图像或视频中准确地找出目标的位置和类别。
以下哪个是常用的目标检测算法？A. 基于颜色空间的图像分割B. 基于特征点的匹配算法C. 卷积神经网络（CNN）D. 基于相似度的模板匹配答案：C4. 图像分割是计算机视觉中的基础问题，其目标是将图像分成若干个具有语义意义的区域。
以下哪项不属于图像分割的常用方法？A. 边缘检测B. 区域生长C. K均值聚类D. 图像去噪答案：D5. 三维重建是计算机视觉中的重要研究方向，其目标是通过图像或视频等二维输入重建出对应的三维场景。
以下哪个是常用的三维重建方法？A. 模板匹配B. 直方图均衡化C. 结构光扫描D. 高斯金字塔答案：C二、填空题1. 在图像处理中，____________是指通过一系列像素操作来改变图像的外观或信息。
答案：图像增强2. 在计算机视觉中，特征提取是指从输入的图像或视频中提取出____________的信息。
答案：有用或有区别的特征3. 计算机视觉中常用的评价标准之一是____________，它可以衡量目标检测算法的准确率和召回率。
答案：精确度（precision）4. 在目标跟踪中，____________是指通过预测目标的位置来跟踪目标。
答案：滤波器三、简答题1. 简要介绍计算机视觉中的图像分类任务，并说明其应用。
答案：图像分类是计算机视觉中的一个基本任务，其目标是将输入的图像分到预先定义的类别中。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《图像理解与计算机视觉》习题
1. 一幅图像的象素灰度级为256、大小为1024×1024的图象的数据量多少MB？假设网络的平均传输速率为1Mbit/s，需要多少秒才能传送完毕？每个像素可以用8比特表示。
解答：图像的数据量是1024×1024×8/8=1 MB，需要8 秒才能传送完毕。
2. 通过你对生活的观察，举出一个书本描述之外的图像处理应用的领域和例子。
解答：
医院CT检查，等。
I f x y z t的各个参数的具体含义，反映的图像类型有多
3. 请说明图像亮度函数(,,,,)
少？
解答：
I f x y z t中，(x,y,z)是空间坐标，λ是波长，t 是时间，I 是
图像数学表达式(,,,,)
光点(x,y,z)的强度（幅度）。
上式表示一幅运动(t) 的、彩色/多光谱(λ) 的、立体（x,y,z）图像。
I f x y z t表示一幅运动(t) 的、彩色/多光谱(λ) 的、立体（x,y,z）图像。
对
(,,,,)
于静止图像，则与时间t 无关；对于单色图像(也称灰度图像)，则波长λ为一常数；对于平面图像，则与坐标z 无关，故f(x,y)表示平面上的静止灰度图像，它是一般图像I f x y z t的一个特例。
(,,,,)
4. 色彩具有哪几个基本属性，表述这些属性的含义。
解答：
色相（H）：色相是与颜色主波长有关的颜色物理和心理特性，它们就是所有的色相，有时色相也称为色调。
饱和度（S）：饱和度指颜色的强度或纯度，表示色相中灰色成分所占的比例，用0%-100%（纯色）来表示。
亮度（B）：亮度是颜色的相对明暗程度，通常用0%（黑）-100%（白）来度量。
5. 请解释马赫带效应。
解答：
所谓“马赫带效应（Mach band effect）”是指视觉的主观感受在亮度有变化的地方
出现虚幻的明亮或黑暗的条纹，马赫带效应的出现是人类的视觉系统造成的。
生理学对马赫带效应的解释是：人类的视觉系统有增强边缘对比度的机制。
6. 证明f (x )的自相关函数的傅立叶变换就是f (x )的功率谱（谱密度）2
F u。
证明：
根据相关定理 f x f x
F u F u
另根据共轭定义F
u F u
F u F u
又根据共轭对称性2
F u F u F u
即可证明f (x )的自相关函数的傅立叶变换就是f (x )的功率谱（谱密度）2
F u。
7. x(n)是脉冲信号x(0)=x(1)=x(2)=x(4)=x(5)=x(6)=x(8)=x(9)=1，x(3)=x(7)=0；一阶低通滤波器的冲击响应序列h(n)，h(0)=0.5，x(1)=0.25，x(2)=0.125，x(3)=0.0625，求采用序列x(n)和滤波器冲击响应序列h(n)的卷积输出。
解答：
y(0)=0.5；y(1)=0.75；y(2)=0.875；y(3)=0.4375；y(4)=0.6875；y(5)=0.8125； y(6)=0.8750；y(7)=0.4375；y(8)=0.1875；y(9)=0.0.0625； 8. 列举三种以上正交变换的名称。
解答：傅立叶变换、沃尔什变换、哈达玛变换、离散余弦变换、哈尔变换、KL 变换、正交小波变换。
9. 给一图像的四方向链码（原码）为1-0-1-0-3-3-2-2，取左下角点作为初始点，画出其轮廓。
解答：
3
2
10. 一幅3232，8个灰度级的数字图像，其各灰度级所占象素个数见下表所示，对其进行直方图均衡化处理，求实际直方图、变换函数)(i i r T S 以及变换后的直方图（取两位
小数）。
解答：
原始图像灰度级s k 0 1 2 3 4 5 6 7 原始图像各灰度级像素个数 195 256 216 164 82 61 30 20 计算原始直方图p (s k )=n k /n 0.19 0.25 0.21 0.16 0.08 0.06 0.03
0.02 计算原始累计直方图t k 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00 取整t k =int [(N-1)* t k +0.5] 1
3
5
6
6
7
7 7
确定映射对应关系
0→1 1 →3 2 →5
3，4 →6 5，6，7 →7 新图像各灰度级像素个数
195 256 216 246 111 计算新直方图
0.19
0.25
0.21
0.24
0.11
11. 已知某含噪声的图像f 如图所示，用中值滤波模板M 对噪声点(已经标明)进行处理，写去噪结果。
⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦
010M=111010，⎡⎤⎢⎥⎢⎥⎢⎥
⎢⎥
⎣⎦
1
1221
192f(x,y)=1
5221
122 解答：
⎡⎤⎢⎥⎢
⎥'⎢⎥
⎢⎥
⎣⎦
11221
122f (x,y)=11221
122
12、判断下列模板类型，包括平滑模板、锐化模板和边缘检测模板。
1⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦0-10M =-14-10-10 2⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦0-10M =-15-10-10 3⎡⎤
⎢⎥⎢⎥
⎢⎥⎣⎦
0140M =140140140
解答：M1边缘检测模板、M2锐化模板、M3平滑模板。