国科大. 图像处理与计算机视觉:期末复习题目与知识点总结(一)
1.请写出图像数字化的两个主要步骤,并简述其目的。
图像数字化:数字化坐标值称为取样,数字化幅度值称为量化。
- 取样:数字传感器只能在一组离散的级别上测量有限数量的样本。取样的目的在于将空间坐标离散化。
- 量化:取样值在灰度级值上还是连续分布的,为了形成数字函数,灰度值也必须转变为离散值。量化就是将连续的模拟信号转换为该信号的数字表示的过程。
2.请列举三种常见的图像灰度增强的算法。
- 线性变换(正比、反比/图像反转 s=L-1-r)
- 对数变换(s = c log(1+r) )
- 幂次变换(s = c r^y)
3.直方图均衡化的意义是什么?简述其处理步骤。
意义:若一幅图像的像素占有全部可能的灰度级并且分布均匀,则这样的图像有高对比度和多变的灰度色调。直方图均衡化仅仅依靠输入图像直方图中的信息即可自动地达到这一效果,生成一幅灰度级丰富且动态范围大的图像。
4.请画出拉普拉斯算子和Sobel算子分别对应的3×3模版。
基于二阶微分的拉普拉斯算子:
0 1 0
1 -4 1
0 1 0
基于一阶微分的Sobel算子:
-1 -2 -1 -1 0 1
0 0 0 -2 0 2
1 2 1 -1 0 1
5.请列举三种常见的色度空间模型,简述各个分量的意义 。
RGB:红、绿、蓝
HSI:色调、饱和度、亮度
CMYK:青、品红、黄、黑
YUV:亮度、色度
YCbCr:亮度、对蓝色和红色的偏移程度
6.请列举3种常见的YUV采样格式。
YCbCr
4:4:4
4:2:2
4:2:0
4:1:1
7.请列举原时域信号与傅立叶变换后频域信号在“ 连续性 / 离散性 ”与“ 周期性 / 非周期性”间的对应关系 。
- 傅里叶变换:
- 傅里叶级数:
- 离散序列傅里叶变换:
- 离散傅里叶变换:
记忆:
傅里叶变换、离散傅里叶变换 不改变 性质
剩下两个 完全改变 性质
8.列举DFT变换的几种常见性质,如何利用其性质进行IDFT快速计算。
9.简述FFT算法两大特点。
- 变址:输出按照顺序,输入则是“码位倒置”的顺序,这种顺序称为倒位序,即二进制数倒位。 在实际运算中,直接将输入数据x(n)按码位倒置的顺序排列很不方便,一般总是先按自然顺序输入存储单元 ,然后通过变址运算将自然顺序的存储换成码位倒置顺序的存储,这样就可以进行FFT的原位运算。
- 原位运算:也称为同址运算,流程图中各蝶形对的输入量或输出量是互不相重的,任何一对蝶形的二个输入量经蝶形运算后 ,便失去了利用价值,不再需要保存。因此,当数据输入到存储器中以后,每一级运算的结果仍然存储在原来的存储器中,直到最后输出,中间无需其它的存储器。原位运算的结构可以节省存储单元,降低设备成本。
10.简述KL变换核的构造步骤 。 KL变换后的系数具有的特殊性质( 均值,协方差矩阵)?
KL变换是一种可以去掉随机向量中各元素间相关性的线性变换,可以将原始数据集合变换到主分量空间,使单一数据样本的互相关性降低到最低点。KL变换核的构造步骤为:
11.分别列举三种常见的频域低通/高通滤波器。其中,理想低通滤波器有什么缺点?
低通:理想低通、巴特沃斯低通滤波器、高斯低通滤波器
高通:理想高通、巴特沃斯高通滤波器、高斯高通滤波器
简单地截断傅里叶变换中的所有高频成分,这种陡峭的截止频率非物理可实现。由于理想低通滤波器的过度特性过于急峻,所以会产生比较严重的模糊和振铃现象,半径越小,模糊和振铃越明显。
12.同样是去噪,图像复原任务与图像增强任务有什么不同要求 ?
图像增强主要是一个主观的过程,而图像复原的大部分过程是一个客观的过程。
- 图像增强是一个探索性过程,为人类视觉系统的生理接受特点而设计一种改善图像的方法,增强图像的视觉效果。
- 图像复原试图利用退化现象的某种先验知识来重建或复原被退化的图像。
13.请列举三种常见的噪声模型。
高斯噪声、瑞利噪声、伽马噪声、指数分布噪声、均匀分布噪声、脉冲噪声(椒盐噪声)
14.请列举三种常见的图像去噪算法 。其中,哪种更适于去除椒盐噪声?哪种更适于去除高斯白噪声?
均值滤波器、中值滤波器、最大值和最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器
- 最小值滤波器去除盐
- 最大值滤波器去除椒
- 中值滤波器去除椒盐
- 谐波均值滤波器去除高斯噪声
- 中点滤波器也可以去除高斯噪声
15.请设计一套改善以下图像质量的方法,简述处理流程。
该图像主要存在两个问题:(1)存在椒噪声、(2)整体灰度值偏低,图像过暗,对比度过低。
处理流程:首先用最大值滤波器对该图像进行滤波,之后进行直方图均衡化或对数变换以增强其对比度。
国科大. 图像处理与计算机视觉:期末复习题目与知识点总结(一)相关推荐
- 国科大-图像处理复习(王伟强)
国科大图像处理复习手稿 研一的图像处理课程,在考试结束之后将自己的总结记录一下,自己有写手稿总结的习惯,主要是对已经学到的知识进行一个总结.
- 国科大学习资料--计算机视觉(胡占义、董秋雷)--2018-2019第二学期期末试卷
国科大学习资料–计算机视觉(胡占义.董秋雷)–2018-2019第二学期期末试卷 国科大学习资料–计算机视觉(胡占义.董秋雷)–2018-2019第二学期期末试卷 国科大学习资料–计算机视觉(胡占义. ...
- 计算机视觉期末复习(上)
声明:本文是计算机视觉课程期末复习整理(使用卡内基梅隆大学教材,课程链接:https://www.cs.cmu.edu/~16385/) 内容个人整理,转载请注明出处,谢谢 计算机视觉期末复习(上)详 ...
- 2021国科大模式识别与机器学习期末考试试题
2021国科大模式识别与机器学习期末考试试题 任课教师:黄庆明等
- 2021/06/29计算机视觉期末复习笔记整理
计算机视觉期末复习笔记整理 引言 我的复习参考 期末考试考题回忆 PPT对应中文笔记整理 参考的几篇博客的笔记 引言 刚结束可能是我学生时代最后一场考试了,orz热乎着,记录一下. 这门课是学校新开的 ...
- 数据库系统原理课后练习题(期末复习题目附答案)
大家可以将这些题目作为期末复习题目或者课后资料. 此为第一章绪论部分 判断题 1.信息能够消除某种不确定性. √ 2.数据库中的数据冗余度高. × 3.数据库的三级模式结构能够提高系统的安全性. √ ...
- 计算机视觉期末复习(中)
声明:本文是计算机视觉课程期末复习整理(使用卡内基梅隆大学教材,课程链接:https://www.cs.cmu.edu/~16385/) 内容个人整理,转载请注明出处,谢谢 计算机视觉期末复习(上)详 ...
- 机器学习【期末复习总结】——知识点和算法例题(详细整理)
机器学习[期末复习总结]--知识点和算法例题(详细整理) 1.什么是机器学习,什么是训练集,验证集和测试集?(摘自ML科普系列(一)) 机器学习: 对计算机一部分数据进行学习,然后对另外一些数据进行预 ...
- [知识点整理]中科院/国科大 自然语言处理nlp 期末考试知识点整理
本文为2022秋网安学院的自然语言处理课程期末复习知识点整理,水平有限,整理的答案可能有错误或遗漏,欢迎大家指正. 文章的第二部分内容参考了学校学姐的文章,文章写的很好,大家可以关注她:(133条消息 ...
最新文章
- MyBatis动态SQL之 set 和 trim标记的使用示例
- Perl 通过SMTP发送正文为HTML格式的邮件
- 面试官问为什么新生代不用标记清除算法
- 空跑Python程序
- 赠书:亿级流量峰值没在怕,“缓存”技术来减压!
- 学习笔记Spark(八)—— Spark SQL应用(3)—— Spark DataSet基础操作
- 梁云 北大 计算机,北京大学信息技术高等研究院
- 和为K的子数组—leetcode560
- 机器学习 可视化_机器学习-可视化
- iOS 将16进制颜色转换成UIColor
- 新生成长记;关于zzulioj1056,幸运数字
- django-登装饰器
- idea DataGrip 使用图解教程
- 360度测试:KAFKA会丢数据么?其高可用是否满足需求?
- excel函数去重_excel去重函数
- 微信小程序累计独立访客(UV)不低于 1000 是什么意思
- linux定时对准时间,Linux校对时间
- a标签href属性的用法
- python句柄无效_作为Windows服务运行的Python:OSError:[WinError 6]句柄无效
- MAC版本subline text快捷键大全
热门文章
- 感恩父母,不要等到子欲养而亲不待
- python 重定向 ctf_CTF逆向--.NET与Python篇
- 北京住建委:工期不得任意压缩短,现浇钢筋混凝土主体结构建造不少于每层7天
- android 第三方支付之支付宝使用详解
- 用Scala去操作MySQL数据库
- mvc的宿舍管理系统源码 基于jsp_基于JSP的学生宿舍管理系统
- echart 柱状图带背景且柱状条顶端显示文字的效果
- spring找不到application.yml文件
- PaddleSpeech TTS 设计要素 — 实验输出目录
- [翻译]Iec61850配置文件格式