函数实现：（共16分） 1、下面给出了一个二叉树的类型定义 class BinaryTree(object): def __init__(self,rootObj): self.key = rootObj self.leftChild = None self.rightChild = None def insertLeft(self,newNode): if self.leftChild == None: self.leftChild = BinaryTree(newNode) else: t = BinaryTree(newNode) t.leftChild = self.leftChild self.leftChild = t def insertRight(self,newNode): if self.rightChild == None: self.rightChild = BinaryTree(newNode) else: t = BinaryTree(newNode) t.rightChild = self.rightChild self.rightChild = t def getRightChild(self): return self.rightChild def getLeftChild(self): return self.leftChild def setRootVal(self,obj): self.key = obj def getRootVal(self): return self.key 要求： 1）写出语句序列生成一个该类型的实例r，包含3个结点，根节点内容为字符串“+“，左子树节点内容为字符串“15”，右子树内容为字符串“10”（2分） 语句序列： 2）为这个BinaryTree类添加一个成员函数countLeaf方法，实现对实例中节点数的计数，并返回计数值。比如上面那个树的实例，调用该方法返回值为3（2分） 语句序列（包含函数定义和添加成员函数到类中的语句）： 2、下面是一个可以正常执行的代码环境的部分代码，要求： 1）在空白处补充numpy代码，实现用卷积核进行图像边缘提取的操作（8分） 2）给出代码中两条print语句的输出结果（2分） 在这里给出上面代码中两条print语句的输出结果：

1. 生成一个该类型的实例r，包含3个结点，根节点内容为字符串“+”，左子树节点内容为字符串“15”，右子树内容为字符串“10”：

r = BinaryTree('+')
r.insertLeft('15')
r.insertRight('10')

2. 为这个BinaryTree类添加一个成员函数countLeaf方法，实现对实例中节点数的计数，并返回计数值。

class BinaryTree(object):
    def __init__(self,rootObj):
        self.key = rootObj
        self.leftChild = None
        self.rightChild = None

    def insertLeft(self,newNode):
        if self.leftChild == None:
            self.leftChild = BinaryTree(newNode)
        else:
            t = BinaryTree(newNode)
            t.leftChild = self.leftChild
            self.leftChild = t

    def insertRight(self,newNode):
        if self.rightChild == None:
            self.rightChild = BinaryTree(newNode)
        else:
            t = BinaryTree(newNode)
            t.rightChild = self.rightChild
            self.rightChild = t

    def getRightChild(self):
        return self.rightChild

    def getLeftChild(self):
        return self.leftChild

    def setRootVal(self,obj):
        self.key = obj

    def getRootVal(self):
        return self.key

    def countLeaf(self):
        if self.leftChild == None and self.rightChild == None:
            return 1
        else:
            left_count = self.leftChild.countLeaf() if self.leftChild != None else 0
            right_count = self.rightChild.countLeaf() if self.rightChild != None else 0
            return left_count + right_count

3. 在空白处补充numpy代码，实现用卷积核进行图像边缘提取的操作，并输出结果：

import numpy as np

img = np.array([[1, 2, 1], [2, 4, 2], [1, 2, 1]])  # 3x3的灰度图像
kernel = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])  # 边缘提取卷积核
result = np.zeros_like(img)  # 初始化结果矩阵

# 对图像进行卷积操作
for i in range(1, img.shape[0]-1):
    for j in range(1, img.shape[1]-1):
        result[i, j] = np.sum(img[i-1:i+2, j-1:j+2]*kernel)

print("原始图像：\n", img)
print("边缘提取结果：\n", result)

输出结果：

原始图像：
 [[1 2 1]
  [2 4 2]
  [1 2 1]]
边缘提取结果：
 [[ 0  0  0]
  [ 0 12  0]
  [ 0  0  0]]