运维开发网

每一个Cver都应该知道的25个图像处理相关问题

运维开发网 https://www.qedev.com 2021-01-15 13:44 出处:51CTO 作者:mb5ff2f3435f5ad
介绍从非结构化数据中提取有用的信息一直是研究界极为关注的话题。图像就是一种这样的非结构化数据,图像数据分析在商业的各个方面都有应用。此技能测试是专门为你设计的,旨在测试你如何处理图像数据的知识,重点是图像处理。300多人报名参加了考试,如果你是错过这项技能测试的人之一,那么这篇文章为你介绍了问题和对应的解决方案。这是参加考试的参与者的排行榜。https://datahack.analyticsvi

介绍

从非结构化数据中提取有用的信息一直是研究界极为关注的话题。图像就是一种这样的非结构化数据,图像数据分析在商业的各个方面都有应用。

此技能测试是专门为你设计的,旨在测试你如何处理图像数据的知识,重点是图像处理。300多人报名参加了考试,如果你是错过这项技能测试的人之一,那么这篇文章为你介绍了问题和对应的解决方案。

这是参加考试的参与者的排行榜。

  • https://datahack.analyticsvidhya.com/contest/image-skilltest/lb

    有用的资源

    这里有一些资源可以深入了解该主题。

  • 机器学习算法的要点(带有Python和R代码)
  • https://www.analyticsvidhya.com/blog/2017/09/common-machine-learning-algorithms/
  • Python图像处理的基础
  • https://www.analyticsvidhya.com/blog/2014/12/image-processing-python-basics/

    技能测试问答

    1)将以下图像格式匹配到正确的通道数

    灰度

    RGB

    I. 1个通道 II. 2个通道 III. 3个通道 IV. 4个通道

    A)RGB-> I,灰度-> III B)RGB-> IV,灰度-> II C)RGB-> III,灰度-> I D)RGB-> II,灰度-> I

    解决方案:C

    灰度图像每个像素有一个数字,并以m×n矩阵形式存储,而彩色图像每个像素有3个数字——红色,绿色和蓝色(RGB)

    2)

    假设你必须旋转图像。图像旋转不过是图像乘以特定矩阵以获得新的变换图像而已。

    每一个Cver都应该知道的25个图像处理相关问题

    为简单起见,我们考虑将图像中的一个点以(1,0)的坐标旋转到(0,1)的坐标,我们必须将以下哪个矩阵相乘?

    A)

    每一个Cver都应该知道的25个图像处理相关问题

B)

每一个Cver都应该知道的25个图像处理相关问题

C)

每一个Cver都应该知道的25个图像处理相关问题

D)

每一个Cver都应该知道的25个图像处理相关问题

解决方案:C

此计算是这样的:[ [0],[1] ] = [ [0,-1],[1,0] ] x [1,0]

3)[对或错]要使图像模糊,可以使用线性滤波器

A)对 B)错

解决方案:B

模糊比较滤波器中相邻像素并使其平滑,因此不能使用线性滤波器。

4)以下哪项是处理计算机视觉问题时可能遇到的挑战?

A)由于几何变化(如姿势,比例等)而引起的变化 B)由于光度因数(如照明,外观等)而引起的变化 C)图像遮挡 D)以上全部

解决方案:D

上述所有选项都是计算机视觉中的挑战

5)假设下面有一张图片。

每一个Cver都应该知道的25个图像处理相关问题

我们的任务是分割图像中的对象。一种简单的方法是用像素的强度表示图像,然后根据值对它们进行聚类。通过这样做,我们得到了这种类型的结构。

每一个Cver都应该知道的25个图像处理相关问题

假设我们选择k-均值聚类来解决问题,直接观察,检查强度图,k的值是多少比较合适?

A)1 B)2 C)3 D)4

解决方案:C

将形成三个集群,圆中的点,方形中的点以及不包括这两个对象的点

6)

每一个Cver都应该知道的25个图像处理相关问题

在此图像中,你可以找到标记为红色区域的边。哪种不连续形式会产生这种优势?

A)深度不连续 B)表面颜色不连续 C)照明不连续 D)以上都不是

解决方案:A

椅子和墙壁离得很远,造成了图像的边缘。

7)图像处理中的有限差分滤波器非常容易受到噪声的影响,为了解决这个问题,可以使用以下哪种方法使噪声造成的失真最小?

A)对图像进行下采样 B)将图像从RGB转换为灰度 C)平滑图像 D)以上都不是

解决方案:C

平滑通过迫使像素更像其邻居来帮助减少噪声

8)考虑将图像的宽度和高度设置为100×100,图像中的每个像素可以具有灰度的颜色。该图像需要多少空间存储?

注意:不执行压缩。

A)2,56,00,000 B)25,60,000 C)2,56,000 D)8,00,000 E)80,000 F)8,000

解决方案:E

答案将是8x100x100,因为需要8位代表0-256之间的数字

9)[对或错]量化图像会减少存储所需的内存量。

A)对 B)错

解决方案:A

给出的陈述是正确的。

10)假设我们有一个灰度图像,大多数像素值是相同的,我们可以使用什么来压缩图像的大小?

A)在字典中对具有相同值的像素进行编码 B)对像素的值序列进行编码 C)无法进行压缩

解决方案:A

编码相同的像素值将大大减小存储空间

11)[对或错] JPEG是一种有损图像压缩技术

A)对 B)错

解决方案:A

JPEG之所以成为有损压缩技术,是因为使用了量化。

12)给定一个只有2个像素和每个像素3个可能值的图像,可以形成的图像直方图的数量是多少?

A)3 B)6 C)9 D)12

解决方案:C

直方图的可能排列为9。

13)假设我们有一维图像,其值为[2、5、8、5、2]

现在,我们对该尺寸为3的图像应用平均滤波器,最后第二个像素的值是多少?

A)值将保持不变 B)值将增加2 C)值将减少2 D)以上都不是

解决方案:A

(8 + 5 + 2)/ 3将变为5,因此不会有任何变化。

14)fMRI(功能磁共振成像)是一项技术,在受试者随时间执行某些认知任务时,可以获取大脑的容积扫描。fMRI输出信号的维数是多少?

A)1D B)2D C)3D D)以上都不是

解决方案:D

该问题本身提到了随着时间的推移“容积扫描”,因此它将是一系列3D扫描

15)以下哪种方法用作边缘检测的模型拟合方法?

A)SIFT B)高斯检测器的差异 C)RANSAC D)以上都不是

解决方案:C

RANSAC用于在边缘检测中找到最佳拟合线

16)假设我们有一个嘈杂的图像,图像中的这种噪声称为椒盐噪声

每一个Cver都应该知道的25个图像处理相关问题

[对或错]中值滤波技术是对图像进行去噪的最佳方法 A)对 B)错

解决方案:A

中值滤波技术有助于将噪声充分降低

17)如果将图像与下面给出的矩阵卷积,则原始图像和修改后的图像之间的关系是什么?

每一个Cver都应该知道的25个图像处理相关问题

A)图像将向右移动1个像素 B)图像将向下移动1个像素 C)图像将向左移动1个像素 D)图像将向上移动1个像素

解决方案:A

我建议你自己尝试一下,看看结果!

18)以下哪一种是锐化图像的正确方法?

A)

用单位矩阵对图像进行卷积

从原始图像中减去此结果图像

将此减去的结果加回原始图像

B)

平滑图像

从原始图像中减去此平滑图像

将此减去的结果加回原始图像

C)

平滑图像

将此平滑后的图像添加回原始图像

D)以上都不是

解决方案:B

选项B提供了一种锐化图像的正确方法

19)下面给出的图像是对信号执行的两项操作,你能识别出哪个?

每一个Cver都应该知道的25个图像处理相关问题

A) 操作1是信号f和信号g之间的互相关,而操作2是应用于信号f和信号g的卷积函数 B) 操作2是信号f和信号g之间的互相关,而操作1是应用于信号f和信号g的卷积函数

解决方案:A

相关和卷积是两种不同的方法,结果不同。卷积定义了信号重叠的程度,而相关则试图找到信号之间的关系

20)[对与错]通过使用模板匹配和互相关,可以构建用于电视遥控器的视觉系统

A)对 B)错

解决方案:

这是计算机视觉中互相关的一个很好的例子。参见论文“Computer Vision for Interactive Computer Graphics”,W.Freeman et al,IEEE计算机图形学和应用。

21)假设你正在野外创建一个面部检测器,你将选择以下哪些功能来创建强大的面部检测器?

虹膜,眉毛和下巴的位置

布尔特征:该人是否在微笑

脸部方位角

人是坐着还是站着

A)1,2 B)1,3 C)1,2,3 D)1,2,3,4

解决方案:B

选项1、3是解决该问题的相关功能,但是2、4可能不是

22)以下哪个是图像特征提取中的低层次特征的示例?

A)HOG B)SIFT C)HAAR D)以上所有

解决方案:D

以上都是低级特征的示例

23)在RGBA模式的色彩表示中,A代表什么?

A)图像深度 B)颜色强度 C)图像不透明度 D)以上都不是

解决方案:C

不透明度可以通过将其作为RGB中的第四个参数来引入

24)在Otsu阈值化技术中,通过对不相关的点进行阈值化并保留不代表噪声的点来消除噪声。

每一个Cver都应该知道的25个图像处理相关问题

在给定的图像中,你会在哪一点启动阈值?

A)A B)B C)C D)D

解决方案:B

线B将捕获图像中的大部分噪声。

25)对于目标识别问题,你希望使用以下哪种数据增强技术?

A)水平翻转 B)重新缩放 C)放大图像 D)以上全部

解决方案:D

所有提到的技术都可以用于数据扩充。

总体分布

以下是参与者的分数分布:

每一个Cver都应该知道的25个图像处理相关问题

你可以在此处(https://datahack.analyticsvidhya.com/contest/image-skilltest/lb) 访问分数。参加技能测试的不只一个受挫的人,而且得分最高是22分。你呢?

参考链接:https://www.analyticsvidhya.com/blog/2017/10/image-skilltest/

扫码领视频副本.gif

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号