计算机视觉期末考试复习内容

选择题 15 * 2 = 30

  1. 数字图像的灰度和空间坐标都是离散的。
  2. 图像灰度量化用6比特编码时，量化等级为64个。
  3. 计算机显示器主要采用RGB彩色模型。
  4. 一幅256*256的图像，若灰度级数为16，则存储它所需的比特数为：256K。
  5. 在彩色RGB系统中，每一个颜色通道图是一幅8bit图像，共能组成2的24次方种颜色。
  6. 关于图像对比度，说法正确的是对比度定义为物体亮度的平均值与背景亮度的比值。。
  7. 在图像数字化过程中，量化等级不足可能会引起伪轮廓现象。
  8. 在图像数字化过程中，说法正确的是以不小于2倍最高频率采样，可以完全恢复信号。
  9. 对于图像I，说法正确的是I(0,0)位于图像的左上角。
  10. 对于一个彩色图像，如果想将其色调改变，一种简单可行的方式是将RGB颜色模式转换成HSI模式。
  1. 在灰度线性变换s=kr+b中，要使输出图像对比度下降，则k<1。
  2. 采用幂次变换进行灰度变换时，当幂次取大于1时，该变换可以改善图像整体偏亮类图像。
  3. 多幅图像相加之和求平均方法可以用来消减附加在图像上的随机噪声。
  4. 关于图像缩小处理，说法正确的是图像的缩小是从原始图像中选择合适的像素点，使图像缩小后可以尽量保持原有图像的概貌特征不丢失。
  5. 图像与灰度直方图间的对应关系是多对一。
  6. 算法中属于点处理的是二值化。
  7. 算法中属于图像平滑处理的是中值滤波。
  8. 方差与图像的视觉特性有明显的直接关系,方差越大，图像越清晰。
  9. 算法中属于局部处理的是中值滤波。
  10. 采用二阶导数检测边缘时，边缘位于正负值之间的虚构零点。
  1. 在SIFT特征提取算法中，高斯差分金字塔中每一组的图像数s取3时能找到最大稳定兴趣点。
  2. 边缘检测算子中，抗噪效果最好的是Canny。
  3. 冗余性不是特征点的选择原则。
  4. OpenCV用于实现截断阈值处理的参数是THRESH_TRUNC。
  5. 调用OpenCV中的drawMatches()函数绘制关键点时，如果不绘制单个关键点，应使用的参数是DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS。
  6. 下列选项中，可返回2维直方图的OpenCV函数是（ CalcHist() ）
  7. SIFT算子是非常稳健的匹配技术，简单性不是它的特点。
  8. 图像微分增强了边缘和其他突变的信息。
  9. 高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以便引入一些低频分量。这样的滤波器叫高频提升滤波器。
  10. 采用模板［-1 1］主要检测垂直方向的边缘。
  11. 锐化模板\(\begin{bmatrix}-1 & -1 & -1\\ -1 & 9 & -1\\ -1 & -1 & -1\end{bmatrix}\)。
  12. OpenCV用于将图像写入文件的函数是imwrite( )。
  13. 利用二阶导数检测边缘时，说法正确的是边接二阶导数正值和负值的虚构直线将在边缘中点附近穿过零点，即过零点处即是边缘的位置。
  14. OpenCV中适用于检测图像中的直线的函数是HoughLines()。
  15. 下图所示效果是对图像运用边缘检测处理得到的。
  1. 角点是在移动该像素点所在的小窗口，窗口内图像块的内容在所有方向上都有显著变化的像素点。对
  2. 拉普拉斯算子可用于图像的平滑处理。错
  3. 可变尺度函数G(x,y,σ)中的σ决定了图像的平滑程度，值越大，越体现图像的细节信息。错
  4. 共点直线群的Hough变换是一条正弦曲线。对
  5. Harris角点检测算子的特点是具备平移、旋转和尺度不变性。错
  6. 采用直方图双峰法进行图像分割算法简单，对所有图像都有效。错
  7. 在使用区域合并、分裂方法进行图像分割时，不需要用到每个子块的属性。错
  8. 图像分割是把图像分成目标和背景两个区域。错
  9. 图像可以根据像素之间的相似性原理进行分割，比如区域合并法。 对
  10. 基于图像灰度空间分布的阈值方法不需要考虑像素与像素之间的相关性。错
  11. 区域生长方法的实现有三个关键点：种子点的选取；生长准则的确定；区域生长停止的条件。对
  12. 对于光照不均的图像，采用动态阈值比全局阈值好。对
  13. 基于阈值的分割方法的核心是阈值的确定。对

名词解释 3 * 5 = 15

简答题 4 * ？= 30

  1. 图像增强的概念与作用

    • 概念：突出图像中的某些信息同时削弱或者去除某些不必要的信息以得到对具体应用来说视觉效果更好或者更有用的图像的技术；
    • 作用：解决图像传输或者处理过程中引入噪声或使图像变模糊的问题，增强图像质量和特征，使图像分析变得更容易；

  2. 试给出把灰度范围（0，10）拉伸为（0，20），把灰度范围（10，20）移至（20，30），并把灰度范围（20，35）压缩到（30，35）的变换方程。

    • f(×)=2x
    • f×=2(×-10)+20
    • f(x)= (x- 20)/3+30

  3. 有受噪声污染的图像，如下图所示，应采用何种什么方法效果最佳？试阐述其基本处理步骤。

    • 中值滤波
    • 对于图像中的每个像素，选择一个邻域（如 3x3、5x5 等）
    • 对于邻域内的像素值，按照大小排序，取其中位数作为该像素的新值。
    • 重复上述过程，直到所有像素都被处理过。
    • 对于图像边缘的像素，可以选择不处理，或者用边缘像素的值来填充邻域。

  4. 简述图像分割的必要性。

    • 图像分割是指将一幅图像分成若干个具有语义意义的区域的过程。这些区域可以是物体、背景、前景等等。图像分割的必要性在于它是许多计算机视觉任务的基础，例如目标检测、图像识别、人脸识别、医学影像分析等等。在这些任务中，正确的图像分割可以帮助我们更准确地识别图像中的物体或区域，从而提高任务的准确率和效率。
    • 此外，图像分割在计算机视觉领域中也是一个非常重要的研究方向。图像分割算法不仅可以用于静态图像，也可以用于视频中的动态图像。在自动驾驶、无人机、机器人等领域中，图像分割可以帮助机器人或无人机更准确地感知周围环境，从而更好地完成任务。因此，图像分割的研究也具有非常重要的应用和研究价值。

  5. 简述阈值分割的基本思想、优缺点。

    • 阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值作比较，最后将像素根据比较结果分到合适的类别中。
    • 优点：直接利用图像的灰度特性，所以计算简单、运算效率较高、速度快
    • 缺点：对噪声敏感，对灰度差异不明显以及不同目标灰度值有重叠分割不明显，所以需要与其他方法进行结合，合适的阈值查找。

计算题 3 * ？= 25

  1. 分裂合并法

  2. 灰度计算

重要知识点：

  1. 图像数字化、空间分辩率、灰度分辩率、图像大小的计算
  2. 彩色模型：RGB、HIS、CMY（K）
  3. 图像的算术运算（加、减、乘、除）的定义及其主要应用
  4. 图像的几何变换（平移、旋转、缩放、仿射等）与插值
  5. 图像增强的概念与作用
  6. 灰度变换（线性变换、分段线性变换、幂次变换与伽马校正、直方图的概念、直方图均衡化）的计算与作用
  7. 图像去噪与图像平滑（邻域平均法、中值滤波）、低通滤波
  8. 图像锐化与边缘检测算子（robert、sobel、priwitt、Laplacian、canny）、高通滤波
  9. 图像傅立叶变换的性质、特点、图像的频谱模型、同态滤波
  10. 线的检测、Hough变换、Harris角点检测、SIFT特征检测基本原理、步骤及特点
  11. 图像分割的定义及作用、阈值分割、区域生长法、分裂合并法
  12. 图像的形态学滤波（膨胀、腐蚀、开、闭运算）
posted @ 2023-06-10 16:53  JIeJaitt  阅读(785)  评论(0)  编辑  收藏  举报