2024年3月30日发(作者：端腾逸)
华南农业大学期末图像处理与机器视觉考试题
一、 简答题。
1. 如图所示，A和B的图形完全一样，其背景与目标的灰度值分别标注于图中，请问哪一个
目标人眼感觉更亮一些？为什么？
答：
B感觉更亮一些。
,
因为目标比背景暗，所以越大，感觉越暗，所以A更暗，即B更亮一些。
2. 简述图像平滑、图像锐化和边缘检测模板各自的特点。
答：
图像平滑的特点：模板内系数全为正，且之和为1；对常数图像处理前后不变，对一般
图像处理前后平均亮度不变。
图像锐化：模板内系数有正有负，且之和为1；对常数图像处理前后不变，对一般图像
处理前后平均亮度不变。
边沿检测：模板内系数有正有负，且之和为0；对常数图像处理前后为0，对一般图像处
理前后为边沿点。
3. 有一幅包含水平的、垂直的、45度的和-45度直线的二值图像。假设直线的宽度为1个像素，
灰度值是1（背景的灰度值为0）。请给出一组能够检测出上述直线的3×3模板。
答：
如下图所示。
1
4. 简要说明开运算和闭运算各自在图像处理与分析中的作用。
答：1.
先腐蚀后膨胀称为开运算；开运算能够有效的消除细小物体、毛刺，能在纤细连续点
出分离物体，能平滑较大物体的边界但不明显改变物体的形状、面积和位置。
2.先膨胀后腐蚀称为闭运算：闭运算能够有效地填充物体内部细小的空洞，连接临近物体，
能在不明显改变物体面积的情况下平滑物体的边界。
5. 简述描述区域边界的原链码、差分码和形状数的相互关系及各自的特点。
答：
原链码具有平移不变性，没有唯一性，没有旋转不变性；差分码具有平移和旋转不变性，
没有唯一性；形状数具有唯一性，平移和旋转不变性。
6. 目标区域的骨架指的是什么？请画出下列图形的骨架: (1) 一个圆 (2) 一个正方形。
答：
骨架指的是图像经过细化之后得到的中轴。圆的骨架是它的圆心，正方形的骨架就是它
的对角线。如下图所示。
二、 计算分析
1. 一幅16级灰度的图像，请分别采用3×3的均值滤波器和
中值滤波器对该图像进行降噪处理。绘出这两种滤波器对
图像的滤波结果（只处理灰色区域即可），并说明各自的
特点。
答：均值滤波：
中值滤波：
，
均值滤波可以去除突然变化的点噪声，从而滤除一定的噪声，但其代价是图像有一定程度的
模糊；中值滤波容易去除孤立的点、线噪声，同时保持图像的边缘。
2
均值滤波： 中值滤波：
2.
采用区域生长法分割下列数字图像，分别以图中的灰色点P（5，3）、Q（5，7）为起始生
长点， 生长准则
为相邻像素的灰度差不超过2。画出分割后的图像，并计算目标区域的面积和
欧拉数。
答：第一个区域面积为50，第二个区域的面积为1，欧拉数为0。
0 1 1 0 2 3 0 2 1
1 2 6 3 0 2 6 0 1
2 5 7 2 2 5 1 7 1
2 3 7 3 3 6 1 6 0
3 2 6 2 3 0 5 1 2
4 1 2 1 1 7 1 6 4
2 2 6 2 2 6 0 7 3
0 6 7 5 2 3 6 2 0
1 0 2 2 1 2 2 1 2
分割后的二值图像
3. 绘制 X 被结构元素S 腐蚀后的图像。
答：
如右图所示
XS
图像
4. 下图是一幅分割后的数字图像，试按四连通和八连通分别标出图中
所示目标区域的边界。
3
答：
如下图所示。
四连通目标区域 八连通目标区域
5. 给出图像中红色区域的边界描述：写出各自的原链码、差分码和形状数（※号表示起点）。
三、 综合应用题
1. 给定一个3×3正方形结构元素S，试采用数学形态学方法提取图中所示月球的边界？写出
算法流程，并编程测试。如果结构元素换成5×5 的正方形，提取到的边界会有何变化？
答：
算法流程：
（1）图像分割；
（2）用结构化元素S对图像进行腐蚀；
（3）把二值化的图像减去腐蚀后的图像。如果结构元素换
成5×5的正方形，那么提取到的边界会加粗。（具体测试
程序如附录一所示）。
4
2. 编程计算图中荔枝果实的质心点和采摘点的图像坐标（果
楴点）。写出解题分析、算法流程，上机编程测试，并给
出测试结果。
答：
荔枝果实图像的分割主要根据果实的颜色和背景颜色
的差异进行的，在RGB颜色空间里，R通道代表了像素点的红色分量，根据R分量的大小，
可以分割出荔枝果实部分图像，但是，由于图像有白色的背景，而白色的R分量也是很大
的，所以，根据R分量的大小进行分割，其效果并不好。因而采用Lab颜色空间进行分割，
Lab颜色模型由三个要素组成，一个要素是亮度（L），a 和b是两个颜色通道。a包括的颜
色是从深绿色（低亮度值）到灰色（中亮度值）再到亮粉红色（高亮度值）；b是从亮蓝色
（底亮度值）到灰色（中亮度值）再到黄色（高亮度值）。算法流程如图所示。
测试过程如下图所示（程序见附录二）：
5
最终的结果图像H，白色点（圆心）可以认为是荔枝果实的质心，绿色点（圆心正上
方）可认为果柄位置。
3. 图A 与图B 是两张核桃果实的 CT图像， 今采用断层果仁面积 Ar与果壳内轮廓区域面
积Ak之比表示断层果实的饱满度S, 即：S=Ar/Ak 。试通过编程对比分析两张 CT图像中
所示核桃果实的饱满度。
答：图像经过中值滤波、腐蚀膨胀后，采用Opencv中轮廓检测的方法对核桃壳和果肉部分
进行分离并计算各自的面积，最终计算饱和度。（程序见附录三）
A图像处理后的结果如下所示，饱和度
S
A
r
8326747
13.15%
。
A
k
57637
6
2024年3月30日发(作者：端腾逸)
华南农业大学期末图像处理与机器视觉考试题
一、 简答题。
1. 如图所示，A和B的图形完全一样，其背景与目标的灰度值分别标注于图中，请问哪一个
目标人眼感觉更亮一些？为什么？
答：
B感觉更亮一些。
,
因为目标比背景暗，所以越大，感觉越暗，所以A更暗，即B更亮一些。
2. 简述图像平滑、图像锐化和边缘检测模板各自的特点。
答：
图像平滑的特点：模板内系数全为正，且之和为1；对常数图像处理前后不变，对一般
图像处理前后平均亮度不变。
图像锐化：模板内系数有正有负，且之和为1；对常数图像处理前后不变，对一般图像
处理前后平均亮度不变。
边沿检测：模板内系数有正有负，且之和为0；对常数图像处理前后为0，对一般图像处
理前后为边沿点。
3. 有一幅包含水平的、垂直的、45度的和-45度直线的二值图像。假设直线的宽度为1个像素，
灰度值是1（背景的灰度值为0）。请给出一组能够检测出上述直线的3×3模板。
答：
如下图所示。
1
4. 简要说明开运算和闭运算各自在图像处理与分析中的作用。
答：1.
先腐蚀后膨胀称为开运算；开运算能够有效的消除细小物体、毛刺，能在纤细连续点
出分离物体，能平滑较大物体的边界但不明显改变物体的形状、面积和位置。
2.先膨胀后腐蚀称为闭运算：闭运算能够有效地填充物体内部细小的空洞，连接临近物体，
能在不明显改变物体面积的情况下平滑物体的边界。
5. 简述描述区域边界的原链码、差分码和形状数的相互关系及各自的特点。
答：
原链码具有平移不变性，没有唯一性，没有旋转不变性；差分码具有平移和旋转不变性，
没有唯一性；形状数具有唯一性，平移和旋转不变性。
6. 目标区域的骨架指的是什么？请画出下列图形的骨架: (1) 一个圆 (2) 一个正方形。
答：
骨架指的是图像经过细化之后得到的中轴。圆的骨架是它的圆心，正方形的骨架就是它
的对角线。如下图所示。
二、 计算分析
1. 一幅16级灰度的图像，请分别采用3×3的均值滤波器和
中值滤波器对该图像进行降噪处理。绘出这两种滤波器对
图像的滤波结果（只处理灰色区域即可），并说明各自的
特点。
答：均值滤波：
中值滤波：
，
均值滤波可以去除突然变化的点噪声，从而滤除一定的噪声，但其代价是图像有一定程度的
模糊；中值滤波容易去除孤立的点、线噪声，同时保持图像的边缘。
2
均值滤波： 中值滤波：
2.
采用区域生长法分割下列数字图像，分别以图中的灰色点P（5，3）、Q（5，7）为起始生
长点， 生长准则
为相邻像素的灰度差不超过2。画出分割后的图像，并计算目标区域的面积和
欧拉数。
答：第一个区域面积为50，第二个区域的面积为1，欧拉数为0。
0 1 1 0 2 3 0 2 1
1 2 6 3 0 2 6 0 1
2 5 7 2 2 5 1 7 1
2 3 7 3 3 6 1 6 0
3 2 6 2 3 0 5 1 2
4 1 2 1 1 7 1 6 4
2 2 6 2 2 6 0 7 3
0 6 7 5 2 3 6 2 0
1 0 2 2 1 2 2 1 2
分割后的二值图像
3. 绘制 X 被结构元素S 腐蚀后的图像。
答：
如右图所示
XS
图像
4. 下图是一幅分割后的数字图像，试按四连通和八连通分别标出图中
所示目标区域的边界。
3
答：
如下图所示。
四连通目标区域 八连通目标区域
5. 给出图像中红色区域的边界描述：写出各自的原链码、差分码和形状数（※号表示起点）。
三、 综合应用题
1. 给定一个3×3正方形结构元素S，试采用数学形态学方法提取图中所示月球的边界？写出
算法流程，并编程测试。如果结构元素换成5×5 的正方形，提取到的边界会有何变化？
答：
算法流程：
（1）图像分割；
（2）用结构化元素S对图像进行腐蚀；
（3）把二值化的图像减去腐蚀后的图像。如果结构元素换
成5×5的正方形，那么提取到的边界会加粗。（具体测试
程序如附录一所示）。
4
2. 编程计算图中荔枝果实的质心点和采摘点的图像坐标（果
楴点）。写出解题分析、算法流程，上机编程测试，并给
出测试结果。
答：
荔枝果实图像的分割主要根据果实的颜色和背景颜色
的差异进行的，在RGB颜色空间里，R通道代表了像素点的红色分量，根据R分量的大小，
可以分割出荔枝果实部分图像，但是，由于图像有白色的背景，而白色的R分量也是很大
的，所以，根据R分量的大小进行分割，其效果并不好。因而采用Lab颜色空间进行分割，
Lab颜色模型由三个要素组成，一个要素是亮度（L），a 和b是两个颜色通道。a包括的颜
色是从深绿色（低亮度值）到灰色（中亮度值）再到亮粉红色（高亮度值）；b是从亮蓝色
（底亮度值）到灰色（中亮度值）再到黄色（高亮度值）。算法流程如图所示。
测试过程如下图所示（程序见附录二）：
5
最终的结果图像H，白色点（圆心）可以认为是荔枝果实的质心，绿色点（圆心正上
方）可认为果柄位置。
3. 图A 与图B 是两张核桃果实的 CT图像， 今采用断层果仁面积 Ar与果壳内轮廓区域面
积Ak之比表示断层果实的饱满度S, 即：S=Ar/Ak 。试通过编程对比分析两张 CT图像中
所示核桃果实的饱满度。
答：图像经过中值滤波、腐蚀膨胀后，采用Opencv中轮廓检测的方法对核桃壳和果肉部分
进行分离并计算各自的面积，最终计算饱和度。（程序见附录三）
A图像处理后的结果如下所示，饱和度
S
A
r
8326747
13.15%
。
A
k
57637
6