Vision por computador

¿Qué es la visión por computador?. a) La manipulación de datos para crear imágenes tridimensionales. b) La ciencia que permite captar imágenes, procesarlas y generar información. c) Un sistema de reconocimiento facial avanzado. d) Una técnica para mejorar la resolución de imágenes.

¿Qué hace el cerebro humano en comparación con un ordenador?. a) Almacena las imágenes como matrices. b) Usa experiencias previas para interpretar el mundo tridimensional. c) Realiza cálculos matemáticos complejos para segmentar imágenes. d) Detecta bordes automáticamente.

¿Qué tipo de procesamiento resalta los objetos de interés en la imagen?. a) Procesamiento de bajo nivel. b) Procesamiento de nivel intermedio. c) Procesamiento de alto nivel. d) Procesamiento de imágenes en tiempo real.

¿Qué es OpenCV?. a) Una cámara para captura de imágenes. b) Una biblioteca para visión por computador. c) Un sistema operativo para imágenes. d) Un software para edición de vídeos.

¿Cuál es el formato de color por defecto que utiliza OpenCV?. a) RGB. b) BGR. c) HSV. d) Escala de grises.

¿Qué función de OpenCV se utiliza para leer imágenes?. a) imwrite. b) imread. c) imshow. d) imresize.

¿Qué comando permite cambiar una imagen de escala de grises a formato BGR?. a) cv2.changeColor. b) cv2.convert. c) cv2.cvtColor(img, cv2.COLOR_GRAY2BGR). d) cv2.toBGR(img).

¿Qué modelo de color utiliza OpenCV por defecto?. a) HSV. b) Escala de grises. c) RGB. d) BGR.

¿Qué filtro es más eficaz para detectar bordes?. a) Filtro de suavizado. b) Filtro Gaussiano. c) Filtro Canny. d) Filtro de paso bajo.

¿Qué técnica utiliza una cámara para estimar la distancia relativa de objetos mediante diferentes perspectivas?. a) GrabCut. b) Visión estereoscópica. c) Transformada de Fourier. d) Geometría epipolar.

¿Cuál es el propósito del algoritmo GrabCut?. a) Detectar bordes en imágenes. b) Convertir imágenes a escala de grises. c) Segmentar el primer plano y el fondo. d) Generar imágenes 3D.

¿Qué son las características tipo Haar?. a) Una técnica de reescalado para imágenes. b) Un tipo de contraste entre regiones de una imagen. c) Una biblioteca para visión por computador. d) Un modelo de redes neuronales para reconocimiento facial.

¿Qué librería es más adecuada para identificar características faciales como landmarks?. a) OpenCV. b) Dlib. c) MediaPipe. d) Ambas b) y c).

¿Qué operaciones se realizan en el procesamiento de bajo nivel?. a) Detección de bordes y reconocimiento de patrones. b) Mejora de características como contraste y eliminación de ruido. c) Segmentación y extracción de objetos. d) Interpretación de escenas completas.

¿Cuál de las siguientes afirmaciones describe el procesamiento de alto nivel?. a) La salida es siempre una imagen simplificada. b) Se enfoca en operaciones matemáticas básicas. c) Permite analizar e interpretar la escena, proporcionando datos como objetos detectados. d) Solo aplica transformaciones geométricas.

Cuál de las siguientes NO es una transformación típica en el procesamiento de imágenes?. a) Rotación. b) Escalado. c) Adición de ruido. d) Ajuste de brillo.

¿Qué tipo de tareas se pueden realizar con OpenCV?. a) Procesamiento de texto. b) Reconocimiento de imágenes y videos. c) Desarrollo de interfaces gráficas. d) Compresión de archivos multimedia.

¿Qué significa el formato de codificación cv2.IMREAD_UNCHANGED?. a) Carga solo imágenes en escala de grises. b) Ignora el canal alfa en imágenes. c) Carga la imagen con todos sus canales, incluida la transparencia. d) Reduce la resolución de la imagen.

¿Qué método se utiliza para escribir una imagen en OpenCV?. a) cv2.save. b) cv2.imwrite. c) cv2.writeImage. d) cv2.storeImage.

¿Qué comando devuelve una imagen en escala de grises al cargarla?. a) cv2.IMREAD_GRAYSCALE. b) cv2.IMREAD_COLOR. c) cv2.IMREAD_ANYCOLOR. d) cv2.IMREAD_ANYDEPTH.

¿Cuál es el propósito del objeto VideoCapture en OpenCV?. a) Crear animaciones. b) Leer fotogramas de un archivo de video o cámara en tiempo real. c) Modificar los colores de un video. d) Guardar videos con un nuevo formato.

¿Qué es un kernel en el contexto de filtros de imágenes?. a) Un componente del hardware que procesa imágenes. b) Un conjunto de pesos aplicado a regiones de una imagen para generar un nuevo píxel. c) Una técnica para reescalar imágenes. d) Un modelo estadístico utilizado para predecir bordes.

¿Qué filtro de paso bajo es conocido por suavizar imágenes y reducir el ruido?. a) Filtro Laplaciano. b) Filtro Gaussiano. c) Filtro Sobel. d) Filtro de realce.

¿Cuál es el propósito de la Transformada de Fourier en imágenes?. a) Cambiar el tamaño de las imágenes. b) Convertir imágenes a escala de grises. c) Representar imágenes como funciones de frecuencia para identificar patrones. d) Aplicar efectos de color.

¿Qué método permite segmentar imágenes en primer plano y fondo utilizando un rectángulo inicial?. a) StereoSGBM. b) Transformada de Hough. c) GrabCut. d) Red Neuronal Convolucional.

¿Qué describe mejor la visión estereoscópica?. a) Usa una única cámara para detectar profundidad. b) Utiliza dos cámaras para calcular distancias relativas de los objetos. c) Aplica filtros de suavizado para detectar bordes. d) Es un algoritmo de segmentación avanzada.

¿Qué parámetro en detectMultiScale controla la reducción de escala de la imagen?. a) scaleFactor. b) minNeighbors. c) maxScale. d) reduceFactor.

¿Cuál de las siguientes características describe mejor las cascadas de Haar?. a) Detectan cambios de iluminación y perspectiva automáticamente. b) Son invariantes a la rotación y cambios de ángulo. c) Se utilizan para detectar patrones de contraste entre regiones adyacentes. d) Utilizan aprendizaje profundo para detectar rostros.

¿Qué biblioteca se utiliza para obtener landmarks faciales en imágenes y videos?. a) OpenCV. b) NumPy. c) Dlib. d) MediaPipe.

¿Qué tarea permite detectar poses corporales en imágenes y videos?. a) Haar Cascade Pose Detection. b) Pose Landmarker de MediaPipe. c) Face Detection API. d) Optical Flow Tracker.

¿Cuál es el propósito principal de la visión por computador?. a) Procesar datos textuales. b) Simular la percepción visual humana en un sistema computacional. c) Convertir imágenes en modelos tridimensionales. d) Clasificar objetos automáticamente.

¿Qué técnica permite separar los objetos del fondo en una imagen?. a) Reconocimiento facial. b) Segmentación. c) Suavizado. d) Transformada de Fourier.

¿Cuál es la diferencia clave entre la visión humana y la visión por computador?. a) La visión humana utiliza modelos estadísticos. b) La visión por computador depende de matrices de píxeles. c) Ambas perciben el mundo exactamente igual. d) La visión humana es menos eficiente que la computacional.

¿Qué función en OpenCV se usa para convertir entre formatos de color?. a) cv2.cvtColor(). b) cv2.convertFormat(). c) cv2.colorTransform(). d) cv2.changeColor().

¿Qué significa el argumento cv2.IMREAD_GRAYSCALE en OpenCV?. a) Leer una imagen en formato BGR. b) Leer una imagen con todos sus canales, incluyendo transparencia. c) Leer una imagen en escala de grises. d) Leer una imagen a la mitad de su resolución.

¿Cuál de los siguientes NO es un modo de lectura soportado por OpenCV?. a) cv2.IMREAD_ANYCOLOR. b) cv2.IMREAD_COLOR. c) cv2.IMREAD_RAWDATA. d) cv2.IMREAD_UNCHANGED.

¿Qué clase de OpenCV se utiliza para capturar fotogramas de un video?. a) VideoReader. b) VideoCapture. c) VideoHandler. d) VideoLoader.

Qué comando permite visualizar una imagen en OpenCV?. a) cv2.imshow(). b) cv2.showImage(). c) cv2.display(). d) cv2.open().

¿Qué evento en OpenCV detecta la doble pulsación del botón izquierdo del ratón?. a) cv2.EVENT_LBUTTONDBLCLK. b) cv2.EVENT_LBUTTONDOWN. c) cv2.EVENT_MOUSEMOVE. d) cv2.EVENT_DOUBLECLICK.

¿Cuál es la representación de una imagen en escala de grises en OpenCV?. a) Una matriz con valores entre 0 y 1. b) Una matriz con valores entre 0 y 255. c) Un vector tridimensional. d) Un archivo binario.

¿Qué filtro en OpenCV reduce el ruido antes de aplicar un filtro de detección de bordes?. a) Filtro Sobel. b) Filtro Canny. c) Filtro Gaussiano. d) Transformada de Hough.

¿Qué método de OpenCV detecta líneas en imágenes?. a) cv2.detectLines(). b) cv2.HoughLines(). c) cv2.findContours(). d) cv2.LineDetector().

¿Qué técnica permite calcular mapas de disparidad a partir de imágenes estereoscópicas?. a) Transformada de Fourier. b) GrabCut. c) StereoSGBM. d) Transformada de Hough.

¿Qué valor de máscara en GrabCut indica un píxel de fondo obvio?. a) 0. b) 1. c) 2. d) 3.

¿Cuál de los siguientes NO es un parámetro de StereoSGBM?. a) minDisparity. b) blockSize. c) uniquenessRatio. d) filterSize.

¿Qué archivo XML se utiliza para la detección de rostros con cascadas de Haar?. a) haarcascade_frontalface_default.xml. b) haarcascade_profileface.xml. c) face_landmarks.xml. d) haarcascade_eyes.xml.

¿Qué significa el parámetro scaleFactor en la detección de rostros con Haar?. a) La probabilidad mínima para detectar un rostro. b) El nivel de superposición requerido entre detecciones. c) La relación de reducción de escala de la imagen en cada iteración. d) El número máximo de detecciones permitidas.

¿Qué tecnología utiliza MediaPipe para detectar poses humanas?. a) Cascadas de Haar. b) Redes Neuronales Convolucionales. c) Transformada de Fourier. d) Geometría Epipolar.

¿Qué diferencia principal existe entre el procesamiento de bajo nivel y el de alto nivel en visión por computador?. a) El bajo nivel produce datos numéricos y el alto nivel produce imágenes. b) El bajo nivel mejora características visuales y el alto nivel interpreta escenas. c) El bajo nivel utiliza redes neuronales y el alto nivel filtros clásicos. d) No hay diferencias significativas entre ambos.

¿Qué implica la segmentación en el procesamiento de imágenes?. a) Dividir la imagen en componentes de diferente tamaño. b) Separar regiones de interés como objetos del fondo. c) Modificar el brillo y contraste de la imagen. d) Convertir imágenes a matrices binarias.

¿Cuál es una limitación clave de la visión por computador frente a la visión humana?. a) No puede procesar colores. b) Depende exclusivamente de datos en forma de matriz. c) Es incapaz de detectar patrones. d) No puede interpretar relaciones espaciales.

¿Qué permite hacer la función cv2.VideoCapture() en OpenCV?. a) Convertir imágenes en formato de video. b) Capturar fotogramas de un video o cámara. c) Aplicar filtros de detección de bordes. d) Codificar videos en diferentes formatos.

¿Qué sucede si se usa cv2.IMREAD_UNCHANGED al leer una imagen?. a) Se convierte automáticamente a escala de grises. b) Se elimina el canal alfa si está presente. c) Se conserva toda la información original de la imagen, incluyendo el canal alfa. d) La imagen se reduce a la mitad de su resolución.

¿Por qué OpenCV utiliza el formato de color BGR en lugar de RGB?. a) Es un estándar de la mayoría de las cámaras digitales. b) Es más eficiente para representar imágenes en color. c) Está optimizado para hardware más antiguo. d) Es un diseño histórico de la biblioteca.

Qué evento detecta el movimiento del ratón en una imagen en OpenCV?. a) cv2.EVENT_MOUSEMOVE. b) cv2.EVENT_LBUTTONDOWN. c) cv2.EVENT_MOUSEDRAG. d) cv2.EVENT_RBUTTONDOWN.

¿Qué formato de video es ampliamente compatible para escritura con cv2.VideoWriter()?. a) .mp4 con codec MPEG-4. b) .flv con codec Flash. c) .avi con codec sin comprimir. d) .ogv con codec Ogg Vorbis.

¿Cómo se representa una imagen en OpenCV cuando se carga con cv2.IMREAD_GRAYSCALE?. a) Como una matriz tridimensional. b) Como una matriz bidimensional con valores entre 0 y 255. c) Como un vector de píxeles. d) Como una matriz de ceros y unos.

¿Qué representa la Transformada de Fourier en imágenes?. a) Las frecuencias presentes en la imagen. b) Los bordes detectados en la imagen. c) Las regiones con mayor intensidad de color. d) Las dimensiones de la imagen en píxeles.

¿Qué filtro se utiliza para detectar bordes en imágenes de manera eficiente?. a) Filtro Gaussiano. b) Filtro de Canny. c) Filtro Sobel. d) Filtro de Fourier.

¿Cuál es el propósito principal de un kernel en el procesamiento de imágenes?. a) Almacenar información del histograma de la imagen. b) Suavizar las imágenes mediante interpolación. c) Aplicar un conjunto de pesos para modificar regiones de la imagen. d) Convertir imágenes de color a escala de grises.

¿Qué técnica de segmentación utiliza la geometría epipolar?. a) Transformada de Hough. b) StereoSGBM. c) GrabCut. d) Detección de bordes.

¿Qué paso inicial es necesario para usar el algoritmo GrabCut en una imagen?. a) Aplicar un filtro Gaussiano. b) Definir un rectángulo alrededor del área de interés. c) Convertir la imagen a escala de grises. d) Aplicar una transformada de Fourier.

¿Qué parámetros de StereoSGBM controlan la suavidad de la disparidad?. a) P1 y P2. b) blockSize y minDisparity. c) uniquenessRatio y disp12MaxDiff. d) speckleWindowSize y speckleRange.

¿Qué describe el parámetro minNeighbors en detectMultiScale()?. a) La escala mínima para detectar un rostro. b) El número mínimo de ventanas superpuestas necesarias para validar una detección. c) El número máximo de caras que se pueden detectar en una imagen. d) La resolución mínima de la imagen para realizar detecciones.

¿Qué algoritmo se utiliza en MediaPipe para detectar landmarks faciales?. a) Redes Neuronales Convolucionales (CNN). b) Algoritmos Haar Cascade. c) Transformadas de Fourier. d) Algoritmos basados en Hough.

¿Por qué las cascadas de Haar no son robustas frente a rotaciones?. a) Porque solo detectan características en orientaciones específicas. b) Porque no incluyen información de color. c) Porque solo funcionan con imágenes en escala de grises. d) Porque requieren una resolución constante en las imágenes.

¿Qué es un "pose landmarker" en MediaPipe?. a) Un modelo que detecta puntos clave del cuerpo en imágenes y videos. b) Una herramienta para clasificar rostros en diferentes categorías. c) Un filtro para mejorar la calidad de la imagen. d) Un algoritmo para identificar objetos en movimiento.

¿Qué técnica de preprocesado se utiliza comúnmente para reducir el ruido en imágenes?. a) Transformada de Hough. b) Transformada de Fourier. c) Suavizado Gaussiano. d) Filtrado Sobel.

¿Qué implica el concepto de "análisis de imágenes"?. a) Modificar imágenes con transformaciones geométricas. b) Convertir imágenes a escala de grises. c) Extraer objetos y características relevantes de una escena. d) Aplicar filtros para mejorar bordes.

¿Por qué es importante la segmentación en visión por computador?. a) Mejora la calidad visual de las imágenes. b) Reduce el tamaño de los datos a procesar. c) Aísla regiones de interés para un análisis más específico. d) Convierte las imágenes en matrices binarias.

¿Cuál es el propósito principal de cv2.cvtColor() en OpenCV?. a) Modificar el tamaño de las imágenes. b) Convertir imágenes entre diferentes formatos de color. c) Detectar contornos en imágenes. d) Reducir la resolución de una imagen.

¿Qué pasa si intentas escribir una imagen con cv2.imwrite() en un formato que no soporta el canal alfa?. a) El canal alfa se descarta automáticamente. b) Se lanza un error. c) La imagen se convierte a escala de grises. d) El canal alfa se mezcla con los valores RGB.

Qué método se utiliza para combinar múltiples imágenes en un solo archivo?. a) cv2.concat(). b) numpy.hstack() y numpy.vstack(). c) cv2.merge(). d) cv2.combine().

¿Qué significa el flag cv2.IMREAD_ANYDEPTH al leer una imagen?. a) Convierte la imagen a escala de grises automáticamente. b) Permite cargar imágenes con su profundidad de bits original. c) Reduce la resolución de la imagen. d) Convierte la imagen en una matriz binaria.

¿Cuál es la principal diferencia entre cv2.VideoWriter_fourcc() y cv2.VideoCapture()?. a) El primero se usa para leer videos y el segundo para escribirlos. b) El primero especifica el códec y el segundo captura fotogramas. c) Ambos tienen la misma función, pero se usan en contextos diferentes. d) El primero crea archivos de video sin comprimir.

¿Qué significa cv2.EVENT_FLAG_CTRLKEY en el contexto de eventos de ratón?. a) Detecta si el botón central del ratón está pulsado. b) Detecta si la tecla Ctrl está pulsada durante un evento de ratón. c) Detecta una doble pulsación del botón izquierdo del ratón. d) Detecta si el ratón se mueve.

¿Qué diferencia hay entre HoughLines() y HoughLinesP() en OpenCV?. a) HoughLines() detecta líneas rectas, mientras que HoughLinesP() detecta curvas. b) HoughLines() devuelve líneas completas y HoughLinesP() devuelve segmentos de línea. c) HoughLines() es más eficiente computacionalmente que HoughLinesP(). d) No hay diferencias funcionales entre ambos.

¿Qué característica tienen los kernels que detectan bordes en imágenes?. a) Sus valores suelen sumar 1. b) Sus valores suelen sumar 0. c) Generan imágenes más suaves. d) Solo funcionan con imágenes en escala de grises.

¿Qué operación realiza cv2.GaussianBlur() en una imagen?. a) Detecta bordes en la imagen. b) Aumenta el contraste de la imagen. c) Suaviza la imagen reduciendo el ruido. d) Convierte la imagen a escala de grises.

¿Qué describe mejor la "disparidad" en visión por computador?. a) La diferencia en brillo entre dos imágenes. b) La diferencia en posición de un objeto entre dos vistas. c) La distancia en píxeles entre dos bordes detectados. d) La relación entre el tamaño de un objeto y su distancia a la cámara.

¿Qué significa uniquenessRatio en el algoritmo StereoSGBM?. a) Controla el número máximo de iteraciones. b) Es el margen porcentual por el cual el mejor valor debe superar al segundo mejor. c) Define la suavidad de la disparidad. d) Determina la resolución mínima del mapa de disparidad.

¿Cómo se define un "foreground" en el algoritmo GrabCut?. a) Una región con bordes bien definidos. b) Una región dentro de un rectángulo que contiene el objeto de interés. c) Una región con menor contraste que el fondo. d) Una región seleccionada manualmente por el usuario.

¿Por qué se utiliza un clasificador Haar Cascade?. a) Para identificar bordes de objetos. b) Para detectar características clave como ojos y rostros en tiempo real. c) Para segmentar el fondo de la imagen. d) Para realizar transformadas de Fourier en imágenes.

¿Qué representa el parámetro scaleFactor en detectMultiScale()?. a) La reducción de escala aplicada a cada iteración del detector. b) El tamaño máximo permitido para una detección. c) La cantidad de detecciones superpuestas necesarias para validar una detección. d) La resolución mínima requerida para la detección.

¿Qué ventaja tiene MediaPipe frente a otros métodos para detectar poses humanas?. a) Es más rápido gracias a su implementación optimizada. b) Es compatible con múltiples plataformas y dispositivos. c) Ofrece coordenadas tridimensionales además de dos dimensiones. d) Todas las anteriores.

¿Qué modelo de MediaPipe es más adecuado para detectar poses en tiempo real con baja latencia?. a) Pose Landmarker (Heavy). b) Pose Landmarker (Lite). c) Pose Landmarker (Full). d) Hand Landmarker.