計算機視覺崗位主要包括影像演算法工程師，機器學習工程師，深度學習工程師等等，根據不同的公司又細分了多種型別的崗位名稱。

但是他們在筆試和麵試階段都會涉及到影像處理、C++/Python、機器學習/深度學習、OpenCV等方面的知識。這裡就針對這些內容做一個整理，方便即將面臨秋招的小夥伴儘早的去做準備，下面我們就開始本次的10個精選題。

1.簡要解釋物件導向的三大特性

答：封裝，繼承，多型

封裝：把客觀事物封裝成抽象的類，並且類可以把自己的資料和方法只讓可信的類或者物件操作，對不可信的隱藏資訊。

繼承：讓某個型別的物件獲得另一個型別物件屬性的方法。

多型：一個類例項的相同方法在不同情形下有不同的表現形式。

2.連續影像轉化為數字影像需要進行哪些操作？

答：取樣量化

3. 數字影像中有哪些基本特徵？

答：顏色特徵、紋理特徵、形狀特徵、空間關係特徵等。

4.影像邊緣檢測中常用的邊緣檢測運算元有哪些？

答：Roberts運算元、Prewitt運算元、Sobel運算元、Canny運算元、Laplacian運算元等。

以畫素值為y，以座標為x（x是二維或者一維），灰度的突變就意味著函式y=f(x)的導數或者高階導數會發生突變。因此，我們可以透過檢測導數來檢測影像的邊緣。

在實際中往往只用到一階和二階導數，雖然原理上可用更高階的導數，但因為噪聲的影響，在純粹的二階導數操作中就會出現對噪聲的敏感現象，三階以上的導數資訊往往失去了應用價值。導數操作中就會出現對噪聲的敏感現象，三階以上的導數資訊往往失去了應用價值。

二階導數還可以說明灰度突變的型別。在有些情況下，如灰度變化均勻的影像，只利用一階導數可能找不到邊界，此時二階導數就能夠提供很有用的資訊。二階導數對噪聲也比較敏感，解決的方法是先對影像進行平滑濾波，消除部分噪聲，然後再對處理後的影像進行邊緣檢測。不過，利用二階導數資訊的演算法是基於過零檢測的，因此得到的邊緣點數比較少，有利於後繼的處理和識別工作。

推薦繼續閱讀：https://blog.csdn.net/zlrai5895/article/details/78596433

5. 頻域濾波中的理想低通濾波器和巴特沃斯低通濾波器有哪些區別？

答：在透過頻率和濾除頻率之間，理想低通濾波器有明顯截止的尖銳的不連續性；巴特沃斯低通濾波器則有平滑的過渡。

隨著透過頻率的增大，理想低通濾波器會出現振鈴現象，即隨著被濾除的高頻內容數量越來越少，影像的紋理也會越來越好；

而一階巴特沃斯濾波器不會出現振鈴現象，二階濾波器的振鈴現象也基本難以察覺，隨著階數的增加，振鈴現象會有稍微明顯起來。

6．opencv中RGB2GRAY是怎麼實現的？

答：以R、G、B為軸建立空間直角座標系，則RGB圖的每個象素的顏色可以用該三維空間的一個點來表示，而Gray圖的每個象素的顏色可以用直線R=G=B上的一個點來表示。於是rgb轉gray圖的本質就是尋找一個三維空間到一維空間的對映，最容易想到的就是射影（即過rgb空間的一個點向直線R=G=B做垂線），事實上Matlab也是這樣做的，輸出的灰度影像是RGB三種顏色通道的加權和；

Gray = 0.29900 * R + 0.58700 * G + 0.11400 * B。

灰度可以說是亮度（luminance）的量化值，而RGB的定義是客觀的三個波長值，轉換時需要考慮人眼對不同波長的靈敏度曲線，所以係數不相等。

7.為什麼L1正則化比L2正則化更易於得到稀疏解？

答：

8.OpenCV中影像加法（cv2.add()）與影像融合（cv2.addWeighted()）有何區別？

答：影像加法：目標影像 = 影像1 + 影像2

影像融合：目標影像 = 影像1 * 係數1 + 影像2 * 係數2 + 亮度調節量

主要呼叫的函式是addWeighted，方法如下：

dst = cv2.addWeighter(scr1, alpha, src2, beta, gamma)

dst = src1 * alpha + src2 * beta + gamma

其中引數gamma不能省略。

9．試比較選擇排序、氣泡排序與快速排序演算法的時間複雜度與穩定性。

答：選擇排序：O(n2)，不穩定

氣泡排序：O(n2)，穩定

快速排序：O(nlogn)，不穩定

10. 簡述#include <file.h>和#include "file.h"的區別。

答：#include <file.h>是從Standard Library的路徑尋找和引用file.h

#include "file.h"是從當前工作路徑尋找和引用file.h

近期有同學在後臺回覆需要簡歷（PPT）的模板，將會提供“ 上圖網：”的全部模板（主編終身會員，你自己去上圖網檢視簡歷模板，聯絡主編幫你下載即可）

往期回顧

1.面試常見問題之---見招拆招

2.面試中的C++常見問題之1--10

3.面試中的C++常見問題之11--20

4.秋招簡歷這樣寫，拿offer的機率更大哦（附贈簡歷模板）

5.面試中的C++常見問題之21--30

小白CV將在第一時間釋出CV/AI新動態，整理好文章

（最近會更加關注與秋招，Good Luck）

原文地址： https://mp.weixin.qq.com/s/FkhuM69EwjxfV0vF-sqiiQ

計算機視覺（CV）最新筆試常見題「1」