CREAR TEST

TEST BORRADO, QUIZÁS LE INTERESE: Muchas suerte bbs :D

COMENTARIOS	ESTADÍSTICAS	RÉCORDS

REALIZAR TEST

Título del Test: Muchas suerte bbs :D Descripción: Se aprueba (al menos prácticas) Autor: Pepitomanuela OTROS TESTS DEL AUTOR Fecha de Creación: 23/03/2025 Categoría: Historia Número Preguntas: 27

COMPARTE EL TEST

Comentar

No hay ningún comentario sobre este test.

Temario:

Dada la figura en la que se muestra una imagen en escala de grises donde un objeto negro se representa sobre un fondo blanco, observa el píxel enmarcado en un tono marrón en cada una de las 3 situaciones y responde a las siguientes cuestiones sobre el detector de Harris-Stephen. Considera que k es el parámetro que define la respuesta del detector de Harris-Stephen para detectar ‘corners’ a partir de una Matriz Hessiana de segundas derivadas de la imagen original siendo lamba1 y lambda2 sus valores propios. ¿En cuál de las 3 representaciones el detector en ese píxel obtiene valores propios, lambda1 y lambda2, ambos grandes? Opción a) Opción b) Opción c). Dada la figura en la que se muestra una imagen en escala de grises donde un objeto negro se representa sobre un fondo blanco, observa el píxel enmarcado en un tono marrón en cada una de las 3 situaciones y responde a las siguientes cuestiones sobre el detector de Harris-Stephen. Considera que k es el parámetro que define la respuesta del detector de Harris-Stephen para detectar ‘corners’ a partir de una Matriz Hessiana de segundas derivadas de la imagen original siendo lamba1 y lambda2 sus valores propios. ¿En cuál de las 3 situaciones se obtiene un valor de k que es menor que cero? Opción a) Opción b) Opción c). Dada la figura en la que se muestra una imagen en escala de grises donde un objeto negro se representa sobre un fondo blanco, observa el píxel enmarcado en un tono marrón en cada una de las 3 situaciones y responde a las siguientes cuestiones sobre el detector de Harris-Stephen. Considera que k es el parámetro que define la respuesta del detector de Harris-Stephen para detectar ‘corners’ a partir de una Matriz Hessiana de segundas derivadas de la imagen original siendo lamba1 y lambda2 sus valores propios. ¿En cuál de las 3 representaciones el detector en ese píxel obtiene valores propios, lambda1 y lambda2, ambos pequeños? Opción a) Opción b) Opción c). Dada la imagen siguiente, ¿cuántos puntos esquina se detectarían con el método de Harris sin modificar los parámetros de calidad?. Si partimos de la imagen siguiente: ¿Cuál de las siguientes máscaras de filtrado permite detectar de manera más nítida el borde vertical izquierdo de los postes de la hamaca? [1 2 1; 0 0 0; -1 -2 -1] [1 0 -1; 2 0 -2; 1 0 -1] [1 1 1; 0 0 0; -1 -1 -1] [1 0 -1; 1 0 -1; 1 0 -1] [-1 -2 -1; 0 0 0; 1 2 1] [-1 0 1; -1 0 1; -1 0 1] [-1 0 1; -2 0 2; -1 0 1] [-1 -1 -1; 0 0 0; 1 1 1]. Para conseguir las 4 esquinas en la imagen siguiente, es necesario: Utilizar el método de Shi y Tomasi, estableciendo un valor de entre 0.4 a 0.5 para 'QualityLevel'. Utilizar el método de Harris estableciendo un valor de aproximadamente 0.8 para 'QualityLevel'. Utilizar el método de Shi y Tomasi estableciendo un valor de aproximadamente 0.4 para 'SensitivityFactor'. Utilizar el método de Harris estableciendo un valor de aproximadamente 0.1 para 'SensitivityFactor'. Utilizar el método de Harris sólo con la imagen como parámetro. Si partimos de la imagen siguiente, cargada en la variable ‘img’: ¿Cuál de las siguientes operaciones de filtrado hay que aplicar para obtener una imagen las líneas diagonales que forman 45º que pasan de color oscuro a claro? imfilter(img, [-1 -2 -1; 0 0 0;1 2 1]) - imfilter(img, [-1 0 1; -2 0 2; -1 0 1]); imfilter(img, [-1 0 1; -2 0 2;-1 0 1]) - imfilter(img, [-1 -2 -1; 0 0 0; 1 2 1]); imfilter(img, [1 2 1; 0 0 0;-1 -2 -1]) - imfilter(img, [1 0 -1; 2 0 -2; 1 0 -1]) imfilter(img, [-1 0 1; -2 0 2;-1 0 1]) - imfilter(img, [1 2 1; 0 0 0; -1 -2 -1]) imfilter(img, [-1 0 1; -1 0 1; -1 0 1]) - imfilter(img, [1 0 -1; 2 0 -2; 1 0 -1]) imfilter(img, [1 2 1; 0 0 0; -1 -2 -1]) - imfilter(img, [-1 0 1; 2 0 -2; -1 0 1]); imfilter(img, [-1 -2 -1; 0 0 0;1 2 1]) - imfilter(img, [1 0 -1; 2 0 -2; 1 0 -1]);. Dada la imagen de abajo, ¿cuántos puntos esquina se detectarían con el método de Shi y Tomasi sin modificar los parámetros de calidad?. Para conseguir las doce esquinas que se muestran en la primera imagen a partir de lasiguiente imagen original, es necesario: Utilizar el método de Shi y Tomasi, estableciendo un valor de aproximadamente 0.6 para 'QualityLevel'. Utilizar el método de Harris estableciendo un valor de aproximadamente 0.1 para 'SensitivityFactor'. Utilizar el método de Shi y Tomasi estableciendo un valor de aproximadamente 0.4 para 'SensitivityFactor'. Utilizar el método de Harris estableciendo un valor de aproximadamente 0.8 para 'QualityLevel'. Utilizar el método de Shi y Tomasi sólo con la imagen como parámetro. Dada la figura en la que se muestra una imagen en escala de grises donde un objeto negro se representa sobre un fondo blanco, observa el píxel circular enmarcado en cada una de las tres situaciones y responde a las siguientes cuestiones sobre el detector de Harris- Stephen. Considera que k es el parámetro que define la respuesta del detector de Harris-Stephen para detectar 'corners' a partir de una Matriz Hessiana de segundas derivadas de la imagen original siendo lambdal y lambda2 sus valores propios ¿En cuál de las tres representaciones el detector en ese pixel obtiene valores propios, donde un lambda es mucho mayor que el otro? Opción a) Opción b) Opción c). Dada la figura en la que se muestra una imagen en escala de grises donde un objeto negro se representa sobre un fondo blanco, observa el píxel circular enmarcado en cada una de las tres situaciones y responde a las siguientes cuestiones sobre el detector de Harris- Stephen. Considera que k es el parámetro que define la respuesta del detector de Harris-Stephen para detectar 'corners' a partir de una Matriz Hessiana de segundas derivadas de la imagen original siendo lambdal y lambda2 sus valores propios ¿En cuál de las tres situaciones se obtiene un valor de abs(k) es pequeño? Opción a) Opción b) Opción c). Dada la figura en la que se muestra una imagen en escala de grises donde un objeto negro se representa sobre un fondo blanco, observa el píxel circular enmarcado en cada una de las tres situaciones y responde a las siguientes cuestiones sobre el detector de Harris- Stephen. Considera que k es el parámetro que define la respuesta del detector de Harris-Stephen para detectar 'corners' a partir de una Matriz Hessiana de segundas derivadas de la imagen original siendo lambdal y lambda2 sus valores propios ¿En cuál de las tres representaciones el detector en ese pixel obtiene valores propios, lambda1 y lambda2, ambos grandes? Opción a) Opción b) Opción c). En relación a los procesos de filtrado de una imagen digital (en escala de grises) basados en operaciones de filtrado espacial lineal es FALSO que: Seleccione una o más de una: Hacen uso de una máscara, también denominado 'kernel' o 'window' de un entorno de vecindad Hacen uso de un proceso de correlación entre la imagen digital y una máscara con valores distintos de cero para detectar píxeles de borde por Sobel El tamaño más pequeño del filtro útil a emplear es de 3x3 Para cada pixel (x,y) de la imagen, se sustituye su valor por la suma de los valores de sus píxeles en su entorno de vecindad multiplicados éstos por un coeficiente que varía en función del tipo de operación de filtrado Se basan en la convolución de la imagen digital de entrada con una matriz de coeficientes. En relación al método de detección de bordes implementado mediante el parámetro ‘log’ en la función ‘edge’ de MATLAB, es falso que: (puede haber múltiples respuestas falsas) Se puede resumir como una operación de filtrado Gaussiano y una convolución posterior con un Laplaciano como [0 -1 0; -1 4 -1; 0 -1 0]. Emplea para la detección de bordes el laplaciano del Gaussiano de la imagen. Requiere de un suavizado previo para una mejor detección de bordes. Es un método de detección de bordes basado en la primera derivada de la imagen. El Laplaciano es incapaz de detectar la dirección de los bordes. Utiliza como máscara de convolución [1 2 1;0 0 0;-1 -2 -1]. Permite introducir un valor de la desviación estándar del Gaussiano, pero no permite indicar el umbral para la detección de los bordes. El Laplaciano de la imagen es muy sensible al ruido. En relación al método de detección de bordes implementado mediante el parámetro ‘zerocross’ en la función “edge” de MATLAB, es cierto que: (puede haber múltiples respuestas correctas) Es un método de detección de bordes basado en la segunda derivada de la imagen. Utiliza como máscara de convolución [1 1 1;0 0 0;-1 -1 -1]. Requiere de un suavizado previo para una mejor detección de bordes. El Laplaciano de la imagen es muy sensible al ruido, por eso en este método se puede filtrar con una máscara de convolución que se le pase como parámetro a la función "edge". Permite realizar un filtrado Gaussiano previo para aplicar luego una convolución laplaciana como [0 -1 0;-1 4 -1;0 -1 0]. No requiere indicar la dirección como un parámetro más en la función "edge". Emplea para la detección de bordes el laplaciano del Gaussiano de la imagen Si se especifica un valor de 0 en el umbral no se detectaría ningún borde. En relación a los procesos de filtrado digital de una imagen digital (en escala de grises) basados en operaciones de filtrado espacial lineal, usando una máscara, es CIERTO que: (puede haber más de una correcta) Pueden hacer uso de un proceso de correlación entre la imagen digital y una máscara con valores distintos de cero No consideran la posición espacial de los píxeles en la imagen original de entrada En matlab se podrían ejecutar empleando la función imfilter(im,mask, 'corr') siendo im la imagen de entrada y mask un filtro representado por la matriz de datos [1 1 1; 1 1 1; 1 1 1] El tamaño más pequeño de máscara útil es de 1x1, que corresponde a 1 píxel en la imagen Para cada pixel (x,y) de la imagen, se sustituye su valor por la suma de los valores de sus píxeles en su entorno de vecindad multiplicados éstos por un coeficiente que varía en función del tipo de operación de filtrado. ¿Cuál de los siguientes métodos en MATLAB usan por defecto una operación previa de filtro Gaussiano? (Puede haber más de una respuesta correcta) Roberts Shi y Tomasi Maulwurf Sobel Canny Prewitt Stewart-Akira Log Zerocross Harris. Si la imagen original es la primera, y el resultado es la de la derecha, ¿qué procesamientos de imagen se han aplicado para conseguir dicho resultado? Operación de detección de bordes seguido de un filtro de mediana Detección de bordes con un operador laplaciano Operación de top-hat dual Filtro de mediana seguido de una operación de detección de bordes Resta de la imagen original y un filtrado de media de esta imagen original Operación de top-hat. Leer Comentario (Todo código) Correcta Error. En relación a los procesos de filtrado de una imagen digital (en escala de grises) basados en operaciones de filtrado espacial lineal es FALSO que: (puede haber más de una opción) Hacen uso de un proceso de correlación entre la imagen digital y una máscara con valores distintos de cero para detectar píxeles de borde por Sobel Para cada pixel (x,y) de la imagen, se sustituye su valor por la suma de los valores de sus píxeles vecinos y de él mismo, multiplicados por un coeficiente que varía en función del tipo de operación de filtrado El tamaño más pequeño del filtro útil a emplear es de 3x3 Se basan en la convolución de la imagen digital de entrada con una matriz de coeficientes Hacen uso de una máscara, también denominado 'kernel' o 'window' de un entorno de vecindad. El detector de Sobel no es bueno para la detección d Líneas horizontales Líneas verticales Líneas diagonales Bordes. Si partimos de la imagen siguiente ¿Cuál de las siguientes máscaras de filtrado permite detectar de manera más nítida el borde horizontal inferior de los postes de la hamaca? Seleccione una: [-1 -2 -1; 0 0 0; 1 2 1] El filtro de Prewitt que devuelve fspecial El filtro de Sobel que devuelve fspecial [1 0 -1; 2 0 -2; 1 0 -1] El negativo de la traspuesta del filtro de Prewitt que devuelve fspecial [-1 0 1; -2 0 2; -1 0 1] [-1 -1 -1; 0 0 0; 1 1 1] [1 0 -1; 1 0 -1; 1 0 -1]. Para conseguir las 10 esquinas que se muestran a partir de la siguiente imagen, es necesario: Utilizar el método de Harris estableciendo un valor de aproximadamente 0.1 para 'SensitivityFactor' Utilizar el método de Harris sólo con la imagen como parámetro Utilizar el método de Shi y Tomasi estableciendo un valor de aproximadamente 0.4 para 'SensitivityFactor' Utilizar el método de Harris estableciendo un valor de aproximadamente 0.6 para 'QualityLevel Utilizar el método de Shi y Tomasi, estableciendo un valor de entre 0.4 a 0.5 para 'QualityLevel'. ¿Cuál de los siguientes métodos en MATLAB usan por defecto una operación previa de filtro Gaussiano? (Puede haber más de una respuesta correcta) Stewart-Akira Canny Prewitt Sobel Maulwurf Harris Roberts Shi y Tomasi Zerocross Log. Si partimos de la imagen siguiente ¿Cuál de las siguientes máscaras de filtrado permite detectar de manera más nítida el borde vertical izquierdo de los postes de la hamaca? Seleccione una: [1 0 -1; 1 1 -1; 1 0 -1] [-1 -2 -1; 0 0 0; 1 2 1] [1 0 -1; 2 0 -2; 1 0 -1] [1 1 1; 0 0 0; -1 -1 -1] [-1 0 1; -1 0 1; -1 0 1] [1 -1 -1; 0 0 0; 1 1 1] [1 2 1; 0 0 0; -1 -2 -1] [-1 0 1; -2 0 2; -1 0 1]. ¿Cuál de los siguientes métodos de detección de esquinas se basa en el cálculo de valores propios de la matriz Hessiana? (puede haber más de una opción correcta) Harris Sobel Wallis log Kitchen-Rosenfeld Canny Roberts Shi y Tomasi Prewitt. En relación al método de detección de bordes implementado mediante el parámetro “log” en la función “edge” de MATLAB es FALSO que: (puede haber más de una opción) Se puede resumir como una operación de filtrado Gaussiano y una convolución posterior con una máscara de Wallis. Permite introducir un valor de la desviación estándar del Gaussiano y el tamaño de este filtro. Emplea para la detección de bordes el gradiente del Gaussiano de la imagen. No permite la detección de bordes en varias direcciones simultáneamente. Es un método más costoso temporalmente que el método 'roberts' implementado en la función "edge" de Matlab Aprovecha el filtrado Gaussiano previo para reducir la sensibilidad al ruido de los métodos de detección de bordes basados en la segunda derivada de la imagen. El Laplaciano ignora las zonas uniformes de la imagen. Es un método de detección de bordes basado en la primera derivada de la imagen.

Denunciar Test