西电计算机视觉期末试卷

### 西安电子科技大学计算机视觉课程期末考试试卷

由于无法直接提供具体的历年真题，以下是基于一般性的计算机视觉课程可能涉及的内容和题目类型的模拟试卷。这些题目旨在测试学生对于理论知识的理解程度以及实际应用能力。

#### 一、单项选择题 (每小题2分)

1. 下列哪项不属于特征检测方法？
A. Harris角点检测
B. SIFT描述子提取
C. 霍夫变换直线拟合
D. K-means聚类算法

2. 关于卷积神经网络(CNN)，下列说法错误的是？
A. 卷积层可以自动学习输入数据的空间结构特性
B. 池化操作有助于减少参数数量并防止过拟合
C. CNN通常只适用于处理二维图像而不适合视频序列分析
D. 权重共享机制使得CNN能够有效地降低模型复杂度

...

#### 二、填空题 (每空格3分)

1. 在目标跟踪领域中，常用的两种框架分别是_________ 和 _________ 。前者主要依赖于模板匹配技术；后者则更多地利用了贝叶斯估计等概率统计工具来进行预测更新循环。

2. 对于语义分割任务而言，FCN(全卷积网络)相比于传统分类器的优势在于它可以实现像素级别的标注输出，并且支持任意尺寸大小的输入图片而无需裁剪或缩放预处理步骤。

...

#### 三、简答题 (每题8分)

1. 解释什么是光流法及其应用场景？

2. 描述YOLOv3的目标检测流程，并指出该版本相比之前有哪些改进之处？

...

#### 四、编程实践题 (共40分)

给定一组RGB彩色图象文件路径列表`image_paths`，请编写Python程序完成如下功能：

- 使用OpenCV库读取所有指定路径下的图像；
- 将每张原图转换成灰度图后保存到新的目录下；
- 统计各通道均值作为直方图均衡化的参考标准之一；
- 应用Canny边缘检测算法定位轮廓边界并将结果可视化展示出来。

import cv2
import os
from matplotlib import pyplot as plt


def process_images(image_paths, output_dir='output'):
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
    
    for path in image_paths:
        img = cv2.imread(path)
        
        gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        filename = os.path.basename(path).split('.')[0] + '_gray.png'
        save_path = os.path.join(output_dir, filename)
        cv2.imwrite(save_path, gray_img)

        mean_bgr = tuple(map(int, img.mean(axis=(0, 1))))
        edges = cv2.Canny(gray_img, threshold1=mean_bgr[0]*0.5,
                          threshold2=mean_bgr[0]*1.5)
        plt.imshow(edges, cmap="gray")
        plt.title(f"Canny Edge Detection on {filename}")
        plt.show()


if __name__ == "__main__":
    images_list = ["path/to/image1.jpg", "path/to/image2.jpg"]
    process_images(images_list)

---