10道图像处理经典面试题（含答案）！

面试题目

今天给大家分享10道，希望能帮助到大家。

1.简述膨胀和腐蚀操作。

2.基于点云的区域增长分割方法如何实现？

3.常用的插值方法有哪些？简述这些方法。

4.彩色图像、灰度图像、二值图像和索引图像的区别是什么？

5.过拟合和欠拟合分别是什么，如何改善？

6.卷积层，pooling层，全连接层的作用分别是什么？

7.常用的边缘提取方法有哪些？

8.图像增强方法有哪些？

9.高斯滤波器的原理是什么？

10.简述Hough变换的原理。

参考答案

1.简述膨胀和腐蚀操作。

简单来说，形态学操作就是基于形状的一系列图像处理操作，通过将 结构元素 作用于输入图像来产生输出图像。(主要是基于集合论基础上的形态学数学)

膨胀和腐蚀是图像处理中最常用的形态学操作，基本运用：

消除噪声；

分割独立的图像元素，连接相邻的图像元素；

寻找图像中明显的极大值域或极小值域；

膨胀：

将原图像 A 与任意形状的内核 B(通常为正方形或圆形)，进行卷积。

内核 B 有一个可定义的 锚点，通常定义为内核的中心点。

进行膨胀操作时，将内核 B 划过图像,将内核 B 覆盖区域的最大相素值提取，并代替锚点位置的相素。显然，这一最大化操作将会导致图像中的亮区开始”扩展” 。

腐蚀：

腐蚀在形态学操作家族里是膨胀操作的孪生姐妹。它提取的是内核覆盖下的相素最小值。

进行腐蚀操作时，将内核B划过图像,将内核B覆盖区域的最小相素值提取，并代替锚点位置的相素。

2.基于点云的区域增长分割方法如何实现？

算法思想：

首先依据点的曲率值对点进行排序，之所以排序是因为，区域生长算法是从曲率最小的点开始生长的，这个点就是初始种子点，初始种子点所在的区域即为最平滑的区域，从最平滑的区域开始生长可减少分割片段的总数，提高效率，设置一空的种子点序列和空的聚类区域。

选好初始种子后，将其加入到种子点序列中，并搜索邻域点，对每一个邻域点，比较邻域点的法线与当前种子点的法线之间的夹角，小于平滑阀值的将当前点加入到当前区域，然后检测每一个邻域点的曲率值，小于曲率阀值的加入到种子点序列中，删除当前的种子点，循环执行以上步骤，直到种子序列为空。

算法步骤：

（1）种子周围的临近点和种子点云相比较

（2）法线的方向是否足够相近

（3）曲率是否足够小

（4）如果满足1，2则该点可用做种子点

（5）如果只满足（1），则归类而不做种

（6）从某个种子出发，其“子种子”不再出现则一类聚集完成

（7）类的规模既不能太大也不能太小

上述算法是针对小曲率变化面设计的。尤其适合对连续阶梯平面进行分割：比如SLAM算法所获得的建筑走廊。

3.常用的插值方法有哪些？简述这些方法。

（1）最近邻插值法

将变换后的图