IVC Prácticas

Observando el histograma que se muestra en la figura es posible AFIRMAR, en relación a la imagen a la que pertenece, que: La imagen ha sido adquirida correctamente y la escena es oscura. La imagen ha sido adquirida correctamente y muestra un amplio rango dinámico gracias a una correcta exposición del sensor. La imagen ha sido adquirida mal y presenta una sobreexposición. La imagen ha sido adquirida correctamente y la escena es clara. La imagen ha sido adquirida mal y presenta una subexposición.

Observando el histograma que se muestra en la figura es posible AFIRMAR, en relación a la imagen a la que pertenece, que: La imagen ha sido adquirida correctamente y la escena es oscura. La imagen ha sido adquirida correctamente y muestra un amplio rango dinámico gracias a una correcta exposición del sensor. La imagen ha sido adquirida mal y presenta una sobreexposición. La imagen ha sido adquirida correctamente y la escena es clara. La imagen ha sido adquirida mal y presenta una subexposición.

Se quiere aplicar una transformación de intensidad T a cada uno de los píxeles de una imagen de entrada 'in' para generar una imagen de salida 'out' de acuerdo a una función de mapeado de las que se presentan en la siguiente figura. a->1 b->2 c->3. ¿Cuál de las tres representaciones se puede conseguir con la instrucción de Matlab 'out=imadjust(in, [low_in high_in],[low_out,hight_out], 1)' ?. ¿Cuál de las tres representaciones se puede conseguir con la instrucción de Matlab 'out=imadjust(in, [low_in high_in],[low_out,hight_out], 2)' ?. ¿Cuál de las tres representaciones se puede conseguir con la instrucción de Matlab 'out=imadjust(in, [low_in high_in],[low_out,hight_out], 0,5)' ?.

El histograma de una imagen es FALSO que: Proporciona información del rango dinámico de la imagen. Proporciona información de la cantidad de contraste de la imagen. Proporciona información sobre el grado de saturación. Proporciona información de la presencia de blancos y negros. Proporciona información de la existencia de brillos y sombras en la imagen.

¿Cuál de las siguientes máscaras permite aumentar el contraste en una imagen si se convoluciona con la matriz de datos de una imagen en escala de grises?. [-1 -1 -1; -1 9 -1; -1 -1 -1]. [1/9 1/9 1/9; 1/9 1/9 1/9; 1/9 1/9 1/9]. [0 0 0; -1 1 0; 0 0 0]. Filtro de gauss. [1/16 1/8 1/16; 1/8 1/4 1/8; 1/16 1/8 1/16]. Filtro de Mediana.

Se pretende realizar varias operaciones de transformaciones geométricas sobre una imagen. Primero se quiere rotar la imagen 180º. Luego se realizará un sesgado de menos 2 en el eje X en la imagen girada. Y por último se quiere realizar un escalado en el eje X de la mitad y en el eje y del doble del tamaño de la imagen ya girada y sesgada ¿Cuál de las siguientes instrucciones de Madlab permiten resolver el problema?. imtransform(i,maketform('composite',maketform('affine',[0.5 0 0; 0 2 0; 0 0 1]),maketform('affine', [1 -2 0; 0 1 0; 0 0 1]),maketform('affine', [-1 0 0; 0 -1 0; 0 0 1])));. imtransform(i,maketform('composite',maketform('affine',[-1 0 0; 0 -1 0; 0 0 1]),maketform('affine',[1 0 0; -2 1 0; 0 0 1]),maketform('affine', [0.5 0 0; 0 2 0; 0 0 1])));. imtransform(i,maketform('affine',[-1 0 0; 0 -1 0; 0 0 1]*[1 0 0; -2 1 0; 0 0 1]*[0.5 0 0; 0 2 0; 0 0 1]));. imtransform(i,maketform('affine',[0.5 0 0; 0 2 0; 0 0 1]*[1 0 0; -2 1 0; 0 0 1]*[-1 0 0; 0 -1 0; 0 0 1]));.

Se quiere convertir una imagen en escala de grises (con 256 niveles de resolución radiométrica) a una imagen con solo dos niveles de resolución radiométrica. La imagen ha sido leída previamente con la instrucción img=imread('mrbean.tif') Y se encuentra almacenada en la variable IMG. Escribe la instrucción más sencilla que se requiere para conseguirlo y guardarla en la variable IMGB, evitando que la salida en la línea de comandos vaya proporcionando la ejecución parcial del comando.

Para conseguir las 10 esquinas que se muestran a partir de la siguiente imagen, es necesario: Utilizar el método de Harry estableciendo un valor aproximadamente 0.1 para 'SensivityFactor'. Utilizar el método de Harry solo con la imagen como parámetro. Utilizar el método de shi y tomasi estableciendo un valor de aproximadamente 0.4 para 'SensivityFactor'. Utilizar el método de Harry 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'.

Dada la imagen eps1.jpg , ¿Cuántos puntos esquina se detectarían con el método de shi y tomashi sin modificar los parámetros de calidad?.

Dada la imagen eps1.jpg , ¿Cuántos puntos esquina se detectarían con el método de Harris sin modificar los parámetros de calidad?.

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 sector 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 lambda 1 y lambda 2 sus valores propios a->1 b->2 c->3. ¿En cuál de las tres representaciones el detector en ese pixel obtiene valores propios, lambda1 y lambda2, ambos grandes?. ¿En cuál de las tres representaciones el detector en ese pixel obtiene valores propios, lambda1 y lambda2, ambos pequeños?. ¿En cual de las tres situaciones se obtiene un valor de k menor que cero?.

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 45° No 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]);.

En relación al método De detección de bordes implementado mediante el parámetro 'zerocross' En la función "edge" de Matlab es cierto que: Nota: puede haber más de una respuesta correcta en cuyo caso la puntuación se reparte para obtener la puntuación total de la pregunta. 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 el ruido coma por eso en este método se puede filtrar con una máscara de comproducción que se le pase como parámetro en 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 en LaPlaciano del Gaussiano de la imagen. Si se especifica un valor de 0 en el umbral no se detectaría ningún borde.

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 postres 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].

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 postres 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]. El filtro de Prewitt que devuelve fspecial.

Si partimos de la imagen siguiente: ¿Cuál de las siguientes máscaras de filtrado permite detectar de manera más nítida el borde vertical derecho de los postres 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].

¿Qué máscara de convolución se ha aplicado a la imagen?. [1/9 1/9 1/9; 1/9 1/9 1/9; 1/9 1/9 1/9]. [1/16 1/8 1/16; 1/8 1/4 1/8; 1/16 1/8 1/16]. Filtros de mediana. [-1 -1 -1; -1 9 -1; -1 -1 -1]. Filtro de gauss. [-2 1 0; - 1 1 1; 0 1 2].

¿Que máscara de convolución se ha aplicado para llegar a esta imagen?. [1/16 1/8 1/16; 1/8 1/4 1/8; 1/16 1/8 1/16]. Filtro de gauss. [1/9 1/9 1/9; 1/9 1/9 1/9; 1/9 1/9 1/9]. [-2 1 0; -1 1 1; 0 1 2]. [-1 -1 -1; -1 9 -1; -1 -1 -1]. Filtro de mediana.

Para conseguir las 12 esquinas que se muestran a partir de la siguiente imagen, es necesario: Utilizar el método de Harry estableciendo un valor aproximadamente 0.1 para 'SensivityFactor'. Utilizar el método de Harry solo con la imagen como parámetro. Utilizar el método de shi y tomasi estableciendo un valor de aproximadamente 0.4 para 'SensivityFactor'. Utilizar el método de Harry estableciendo un valor de aproximadamente 0.6 para 'QualityLevel'. Utilizar el método de shi y tomasi, estableciendo un valor de 0.6 para 'QualityLevel'.

En relación a los procesos de filtrado de una imagen digital en escala de grises pasados en operaciones de filtrado espacial lineal es FALSO que: Hacen uso de una máscara también denominado kernel o windows 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 pixeles de borde por Sobel. El tamaño más pequeño de filtro útil a emplear es de 3 x 3. Para cada pixel X e Y de la imagen se sustituye su valor por la suma de los valores de sus píxeles de su entorno de vecindad multiplicados estos 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 a los procesos de filtrado de una imagen digital en escala de grises basadas en operaciones de filtrado especial lineal, usando una máscara, es CIERTO que: 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 funcion 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 uno por 1, que corresponde a un píxel en la imagen. Para cada pixel X e Y de la imagen se sustituye su valor por la suma de los valores de sus píxeles en su entorno de vecindad multiplicado Estos por un coeficiente que varía en función del tipo de operación de filtrado.

Para conseguir las 4 esquinas que se muestran a partir de la siguiente imagen, es necesario: Utilizar el método de Harry estableciendo un valor aproximadamente 0.1 para 'SensivityFactor'. Utilizar el método de Harry solo con la imagen como parámetro. Utilizar el método de shi y tomasi estableciendo un valor de aproximadamente 0.4 para 'SensivityFactor'. Utilizar el método de Harry estableciendo un valor de aproximadamente 0.8 para 'QualityLevel'. Utilizar el método de shi y tomasi, estableciendo un valor de 0.6 para 'QualityLevel'.

En relación al método de detección de bordes implementado mediante el parámetro 'log' en la función 'edge' de matlab, es FALSO que: 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 detección de bordes en laplaciano de 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 gausiano pero no permite indicar el umbral para la detección de los bordes. En laplaciano de la imagen es muy sensible el ruido.

De una imagen con ruidos sal y pimienta se ha obtenido esta otra imagen. Indica qué procesamiento de imagen se ha aplicado para conseguir el 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 medianas 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.

En relación a los procesos de filtrado de una imagen digital en escala de grises basados en operaciones de filtrado especial lineal es FALSO que: Hacen uso de un proceso de correlación entre la imagen digital y una máscara con valores distintos de cero para detectar pixeles de borde por Sobel. Para cada Píxel (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 3 x 3. Se basan en la convolución de la imagen digital de entrada por una matriz de coeficientes. Hacen uso de una máscara también denominada kernel o window de un entorno de vecindad.

El detector de Sobel no es bueno para: Líneas horizontales. Líneas verticales. Líneas diagonales. Bordes.

Dado el histograma de la figura responde a estas 3 preguntas: a) ¿Estima cuántos objetos (el fondo es un objeto) hay presentes en la imagen original desde la que se ha calculado ese histograma? b) ¿Cuál es el valor de intensidad que más se repite dentro de la región de píxeles del fondo? c) Determina cuántos umbrales se recomienda emplear para segmentar la imagen mediante el uso de dicho histograma separando correctamente las regiones que representan el fondo y cada 1 de los objetos que pueden estar presentes en la imagen. Para ello rellena con el valor entre 0 y 255 tantos juegos como números de umbrales estimes necesarios.

Dado el histograma de la figura responde a estas 3 preguntas: a) ¿Estima cuántos objetos (el fondo es un objeto) hay presentes en la imagen original desde la que se ha calculado ese histograma? b) ¿Cuál es el valor de intensidad que más se repite dentro de la región de píxeles del fondo? c) Determina cuántos umbrales se recomienda emplear para segmentar la imagen mediante el uso de dicho histograma separando correctamente las regiones que representan el fondo y cada 1 de los objetos que pueden estar presentes en la imagen. Para ello rellena con el valor entre 0 y 255 tantos juegos como números de umbrales estimes necesarios.

Dado un proceso iterativo de umbralización global con valores de umbral inicial T y de margen DifT. Es CIERTO que: El método de realización global funciona mejor si el fondo es más uniforme. El valor de convergencia del umbral depende del umbral inicial T seleccionado. El método lumbralización global funciona bien con bajos contrastes entre objeto y fondo. El algoritmo es más rápido cuanto menor es el margen DifT. Si el margen DifT es muy pequeño el algoritmo puede no estabilizarse nunca. El incremento del margen DifT aumenta la precisión del umbralizado.

Se aplicamos el método de urbalización global a la siguiente imagen 'tiburon1.tif',¿Cuál de los siguientes valores de umbral inicial T y de margen DifT habría que utilizar para segmentar el tiburón del fondo? En. T=130, DifT=3. T=120, DifT=3. T=50, DifT=3. T=200, DifT=5. T=120, DifT=2. T=120, DifT=5.

¿Cuál de los siguientes métodos implementados en Matlab utilizan por defecto una operación previa de filtro gaussiano?. Roberts. Shi y Tomasi. Maulwurf. Sobel. Canny. Prewitt. Stewart-Akira. log. zerocross. Harris.

¿Cuál de las siguientes máscaras permite eliminar el ruido aleatorio de una imagen?. [1/9 1/9 1/9; 1/9 1/9 1/9; 1/9 1/9 1/9]. [-2 1 0; -1 1 1; 0 1 2]. Filtro de Mediana. [-1 -1 -1; -1 9 -1; -1 -1 -1].

Deja las expresiones equivalentes para realizar transformaciones geométricas de una imagen en matlab: a) imtransform(i,maketform('affine',[1 0 0; 0 1 0; 0.5 0 1])) b) imtransform(i,maketform('affine',[0 1 0; -1 0 0; 0 0 1])) c) imtransform(i,maketform('affine',[1 0 0; 0 0.5 0; 0 0 1])).

Deja las expresiones equivalentes para realizar transformaciones geométricas de una imagen en matlab: a) imtransform(i,maketform('affine',[0 -1 0; 1 0 0; 0 0 1])) b) imtransform(i,maketform('affine',[-1 0 0; 0 -1 0; 0 0 1])) c) imtransform(i,maketform('affine',[1 0 0; 0 1 0; 0.7 0.7 1]), XDATA...).

¿Cuál de las siguientes expresiones en Matlab es equivalente a im[50:70,100:130)?. imcrop(im,[100 50 130 70]). imcrop(im,[50 100 130 70]). imcrop(im,[50 100 30 20]). imcrop(im,[100 50 30 20]).

Dada la imagen de entrada y el proceso morfológico que se le aplica y se muestra en la figura se pide responder las siguientes cuestiones: a) ¿Qué proceso morfológico se ha llevado a cabo para obtener la imagen de salida IM2 como resultado de aplicar filtrado morfológico en la imagen IM? b) ¿Qué instrucciones de Matlab se emplean para aplicar el proceso morfológico cuya imagen de entrada es IM A2 y cuyo resultado genera la imagen de salida IM3?.

Dada la imagen de entrada y el proceso morfológico que se le aplica y se muestra en la figura se pide responder las siguientes cuestiones: a) ¿Qué proceso morfológico se ha llevado a cabo para obtener la imagen de salida IM2 como resultado de aplicar filtrado morfológico en la imagen IM? b) ¿Qué instrucciones de Matlab se emplean para aplicar el proceso morfológico cuya imagen de entrada es IM A2 y cuyo resultado genera la imagen de salida IM3?.

Tomando como entrada la imagen 'ImagenDescriptores1.png' mostrada en la figura y suponiendo que se aplican los procesos necesarios para obtener una imagen binalizada sobre la que aplicar una detección de blobs: a) ¿Qué descriptor se emplearía para identificar mejor sobre la imagen de blops el tipo de objeto de color rojo? b) ¿Qué instrucción de Matlab permite extraer características que permiten identificar y describir el objeto círculo en la imagen de blobs? c) Escoge el parametro más adecuado que hay que pasarle a la función para reconocer los círculos negros y no confundirlos con otros objetos presentes en la imagen.

¿Qué secuencia de operaciones habría que seguir para obtener el segmentado de las distintas clases de objetos por el color utilizando la técnica de umbralización múltiple en la imagen figuras4.jpg?. Paso la imagen a escala de grises, invertir la imagen, obtención de histograma, detección de los umbrales. Paso de la imagen a escala de grises, apertura, obtención del histograma, detección de los umbrales. Filtrado mediante imfilter, Paso de la imagen a escala de grises, Obtencion del histograma, Deteccion de los umbrales. Paso de la imagen de color a binaria, Filtrado con imfilter, Obtención del histograma, Detección de los umbrales.

Los Sumbrales que utilizarías para la figura4.jpg son:

Utilizando la función regionprops, indica que perímetro suman los triángulos presentes en la imagen figuras2.jpg.

Utilizando la función regionprops, Indica qué área en número de píxeles ocupan los círculos presentes en la imagen figuras2.jpg.

Te mando como entrada la imagen 'ImagenDescriptores1.png' Mostrada en la figura y suponiendo que se aplican los procesos necesarios para obtener una imagen minalizada sobre la que aplicar una detección de blobs a) ¿Qué descriptor se emplearía para identificar mejor sobre la imagen blobs el tipo de objeto rojo con forma de anillo? b) ¿Qué instrucción de Matlab permite extraer características que permiten identificar objetos en la imagen de blobs? c) Escoge el parámetro más adecuado que hay que pasarle a la función para reconocer el tipo de objeto rojo con forma de anillo y no confundirlo con otros objetos presentes en la imagen.