VA - Teoría 1,2

¿Cuál de las siguientes definiciones se corresponde al concepto de saturación de color?. La saturación de color de una luz es el valor numérico de la cantidad de luz que emite la fuente luminosa. La saturación de color de una luz se mide en el diagrama espectral restando a la longitud de onda dominante el resto de longitudes de onda. La saturación de color de una luz se corresponde con el valor de la frecuencia dominante en su diagrama espectral. La saturación de color de una luz se relaciona con la diferencia entre la potencia de la frecuencia dominante y la potencia del resto de frecuencias en el diagrama espectral.

¿Que matriz de convolución se ha aplicado para obtener la imagen (b) a partir de la imagen (a)?. ( 1 1 1 ) ( 0 0 0 ) ( 0 0 0 ). ( 1 1 1 ) ( 1 1 1 ) ( 1 1 1 ). ( 1 0 -1 ) ( 2 0 -2 ) ( 1 0 -1 ). ( 1 2 1 ) ( 0 0 0 ) ( -1 -2 -1 ).

Con respecto al detector de puntos de interés de Harris, el detector de puntos de interés de Harris-Laplace: Añade invarianza a los cambios de escala. Utiliza la derivada de una Gamma y mejora la orientación. Mejora la velocidad de ejecución porque hace menos operaciones. Añade invarianza a los cambios de orientación.

A partir de la imagen (a) se desea obtener la imagen (b) utilizando morfología matemática. Suponiendo que el color blanco corresponde a 255 y el negro a cero. ¿Cuál de las siguientes estrategias parece la más correcta usando OpenCV?. Erosionar (a), usando un kernel de 3x3 con todos los valores a 1 (activos), y luego restar al resultado la imagen (a). Dilatar (a), usando un kernel de 3x3 con todos los valores a 1 (activos), y luego restar al resultado la imagen (a). Dilatación y luego erosión de (a) usando un kernel de 33 con todos los valores a 1 (activos). Erosión y luego dilatación de (a) usando un kernel de 3x3 con todos los valores a 1 (activos).

Se dispone de la imagen de la figura adjunta en la que el color blanco se corresponde a valores 255. Para eliminar los pequeños puntos aislados negros se pretende usar morfología matemática. ¿Cuál de las siguientes estrategias parece la más correcta usando OpenCV?. Dilatación y luego erosión usando un kernel de 3x3 con todos los valores a 0 (inactivos). Dilatación y luego erosión usando un kernel de 3x3 con todos los valores a 1 (activos). Erosión y luego dilatación usando un kernel de 3x3 con todos los valores a 0 (inactivos). Erosión y luego dilatación usando un kernel de 3x3 con todos los valores a 1 (activos).

Suponiendo que el fichero "castillo.jpg" existe y contiene una imagen JPG. ¿Qué contiene la matriz misterio tras la ejecución de este código? I = cv2.imread('castillo.jpg') Misterio (1128) / 128.0. La imagen normalizada a valores entre 0 y 1. La imagen normalizada a valores entre -1 y 1. La imagen umbralizada. La imagen normalizada a valores entre 0 y 255.

¿A qué tipo de transformación corresponde la siguiente matriz de transformación geométrica?. A una rotación. A una traslación. A una inversión. A un escalado.

¿Cuál de las siguientes definiciones corresponde a la definición de un descriptor?. Es un conjunto de palabras visuales que describe una imagen. Es un vector de medidas que representa un entorno de un punto de interés dentro de una imagen. Es el conjunto de valores propios de un punto de una imagen. Es un valor asociado a cada píxel de una imagen que mide su "esquinosidad".

Cuál de las siguientes afirmaciones es falsa respecto al modelo de lente fina: El grosor de la lente es despreciable. Al cambiar la distancia entre el plano de formación de la imagen y la lente podemos enfocar diferentes partes de la escena. Es un modelo simplificado del comportamiento de un tipo de lente. La distancia del eje principal de la lente respecto al foco se conoce como apertura de campo.

Dentro de una imagen digital, ¿cual de las siguientes representaciones corresponde con mayor probabilidad al color del rectangulo adjunto?. 0,0,255 si se usa HSV. 255 si se usa niveles de gris. 255,0,0 si se usa BGR. 255,0,0 si se usa RGB.

¿Que factor de división debe utilizarse al usar la siguiente matriz de convolución?. 1/4. 1/9. 1/8. 1/16.

Sea M una máscara de convolución e I una imagen. Al aplicar la máscara M sobre el pixel b de la imagen I se obtendrá: 10. 12. 0. En este caso la mascara no se puede aplicar porque hay que conocer el valor de a, b yс.

Se desea proyectar la fotografía (a) sobre la fotografía de la imagen capturada de un carnet (b). ¿Cual sería la operación mas conveniente??. Una transformación de traslación. Una transformación euclidea. Una transformación proyectiva. Una transformación de similaridad.

Las siguientes 3 imagenes se han capturado con la misma cámara utilizado las 3 aperturas que se muestran debajo. ¿Que apertura se ha utilizado para la imagen (1)?. f/5.6 (apertura más grande). f/8 (apertura mediana). f/22 (apertura chiquita). Es imposible determinarlo.

¿En qué se basa el detector de Harris?. En una función que asocia a cada punto un valor más alto cuanto menos se pueda confundir con puntos de su entorno. En el uso de la Transformada de Fourier. En el uso de la morfología matemática. En una función que asocia a cada punto el valor del histograma de gradientes ordenados.

Para buscar las líneas centrales del campo de Fútbols Americano en la imagen adjunta ¿Cuál de las siguientes máscaras de convolución es la más adecuada?. ( 1 0 -1 ) ( 2 0 -1 ) ( 1 0 -1 ). ( 1 0 0 ) ( 0 1 0 ) ( 0 0 1 ). ( 1 1 1 ) ( 0 0 0 ) ( -1 -1 -1 ). ( 1 2 1 ) ( 2 4 2 ) ( 1 2 1 ).

Para comparar los descriptores SIFT de dos puntos de interés: Se emplea la distancia L1. Se emplea la distancia L4. Se utiliza la distancia euclídea. Se debe utilizar la distancia de Hamming.

¿Cuál de las siguientes transformación de histograma sería más adecuada para aumentar el contraste de la imagen?. a. b. c. d.

Dentro de una imagen digital, ¿cuál de las siguientes representaciones corresponde con mayor probabilidad al color del rectángulo adjunto?. 0,0,255 si se usa HSV. 0,0,255 si se usa RGB. 0,255,0 si se usa BGR. 255 si se usa niveles de gris.

¿Qué hace el siguiente fragmento de código? I = cv2.imread("campo.jpg",0) X= np.fft.fft2(I) plt.imshow(np.absolute(X), cmap="jet", norm=colors.LogNorm()) Supongase que en el mismo directorio donde se ejecuta el programa existe un fichero "campo.jpg" que contiene una imagen JPG. Carga una imagen de disco, le calcula la transformada de fourier y muestra el módulo de los coeficientes de fourier como una imagen. Carga una imagen de disco, le aplica el logaritmo normalizado y muestra su valor absoluto en forma de imagen. Carga una imagen de disco, le aplica una transformación geométrica 2D y muestra la imagen tras la transformación. Carga una imagen de disco, le aplica una ecualización 2D y muestra la imagen transformada.

Las siguientes 3 imágenes se han capturado con la misma cámara utilizando las 3 aperturas que se muestran debajo. ¿Qué apertura se ha utilizado para la imagen (3)?. a. b. c. d.