Question |
Answer |
Formaty plików graficznych: czym różnią się JPEG PNG TIFF BMP start learning
|
|
JPEG kompresja stratna dobre do zdjęć mały plik, PNG bezstratny obsługa przezroczystości dobre do grafiki, TIFF często bezstratny do archiwizacji i druku, BMP zwykle bez kompresji bardzo duży
|
|
|
Do czego służą formaty NEF i RAW start learning
|
|
Zapis surowych danych z matrycy do lepszej obróbki ekspozycji balansu bieli i dynamiki niż JPEG
|
|
|
Jakie zastosowanie ma format GeoTIFF start learning
|
|
Raster z georeferencją i układem współrzędnych używany w GIS np ortofoto modele wysokości mapy
|
|
|
Jakie jest rozwinięcie nazwy OpenCV Library start learning
|
|
Open Source Computer Vision Library
|
|
|
W jakiej kolejności OpenCV przechowuje kanały barwne obrazu kolorowego start learning
|
|
|
|
|
|
start learning
|
|
Kanał przezroczystości określa stopień nieprzezroczystości piksela
|
|
|
Ile bitów na 1 piksel w standardowym obrazie kolorowym start learning
|
|
24 bity na piksel czyli 8 bitów na kanał razy 3
|
|
|
Dlaczego przy wyświetlaniu w matplotlib obrazu wczytanego przez OpenCV stosuje się plt. imshow(image[:,:,:-1]) i jaki byłby efekt plt. imshow(image) start learning
|
|
Bo OpenCV daje BGR a matplotlib oczekuje RGB więc bez odwrócenia kanałów kolory będą błędne np czerwony z niebieskim zamienione
|
|
|
Jaki będzie efekt dodania stałej wartości jasności do każdego piksela obrazu start learning
|
|
Cały obraz się rozjaśni lub ściemni i może pojawić się obcięcie wartości na granicach zakresu przez co znikną detale
|
|
|
Jaki będzie efekt mnożenia obrazu przez stałą wartość start learning
|
|
Zmiana skali jasności i kontrastu powyżej 1 rozjaśnia i zwiększa kontrast poniżej 1 przyciemnia i zmniejsza kontrast możliwe obcięcie wartości
|
|
|
Co to jest histogram obrazu start learning
|
|
Rozkład liczby pikseli względem poziomów jasności w skali szarości lub osobno dla kanałów w kolorze
|
|
|
Co to jest equalizacja histogramu i jaki ma efekt start learning
|
|
Przekształcenie jasności aby rozkład był bardziej równomierny zwykle zwiększa kontrast i uwidacznia szczegóły czasem wzmacnia szum
|
|
|
|
start learning
|
|
Zamiana obrazu na binarny na podstawie progu jasności piksele powyżej progu stają się białe a poniżej czarne
|
|
|
Co to jest progowanie adaptacyjne i jakie ma zalety start learning
|
|
Próg liczony lokalnie z sąsiedztwa działa lepiej przy nierównym oświetleniu cieniach i gradientach jasności
|
|
|
Jaki jest efekt wycięcia fragmentu image1 o indeksach wiersze 2000 do 2599 kolumny 1000 do 2699 wszystkie kanały start learning
|
|
Powstaje obraz będący wycinkiem ROI z oryginału o podanym zakresie współrzędnych
|
|
|
Jak można uzyskać poszczególne kanały z obrazu kolorowego RGB start learning
|
|
Indeksowanie trzeciego wymiaru np R to kanał 0 G to kanał 1 B to kanał 2
|
|
|
Co to jest erozja i dylatacja i do czego mogą być wykorzystywane start learning
|
|
Erozja zmniejsza jasne obszary usuwa drobne elementy i szum, dylatacja powiększa jasne obszary wypełnia dziury i łączy przerwy, używane do czyszczenia masek i przygotowania segmentacji
|
|
|
Co to jest morfologiczne otwarcie i zamknięcie obrazu start learning
|
|
Otwarcie to erozja potem dylatacja usuwa małe jasne obiekty, zamknięcie to dylatacja potem erozja wypełnia małe ciemne dziury i domyka przerwy
|
|
|
Co to jest element strukturalny start learning
|
|
Kernel maska definiująca kształt i rozmiar operacji morfologicznej np kwadrat koło krzyż
|
|
|
Do czego służy klasyfikator kaskadowy Viola Jones start learning
|
|
Do szybkiej detekcji obiektów klasycznie twarzy na podstawie cech Haar i kaskady klasyfikatorów
|
|
|
Czy sieci neuronowe są dostępne w OpenCV czy można je trenować i czy można robić inferencję start learning
|
|
Jest moduł DNN do uruchamiania wytrenowanych modeli, trening zwykle robi się poza OpenCV w frameworkach, inferencja w OpenCV jest możliwa
|
|
|
|
start learning
|
|
Tensor wejściowy dla sieci tworzony z obrazu po skalowaniu i normalizacji zwykle w układzie N C H W
|
|
|
Jakie znaczenie mają parametry modelu typu rozmiar wejścia skala średnia swapRB i jak je uwzględnić start learning
|
|
Opisują preprocessing identyczny jak w treningu trzeba ustawić rozmiar wejścia normalizację odejmowanie średniej i kolejność kanałów inaczej wyniki będą złe
|
|
|
|
start learning
|
|
Do detekcji obiektów zwraca ramki bounding box klasy i pewność
|
|
|
Ile klas obiektów można wykryć za pomocą YOLO start learning
|
|
Zależy od konkretnego modelu i danych treningowych przykładowo model na COCO ma 80 klas
|
|
|
|
start learning
|
|
|
|
|
Czym jest confidence threshold w detekcji sieciami neuronowymi start learning
|
|
Minimalny próg pewności poniżej którego odrzuca się detekcje mniej fałszywych alarmów ale ryzyko utraty słabszych obiektów
|
|
|
Czy w OpenCV można przetwarzać strumienie video i jak uzyskać dostęp do kamery laptopa start learning
|
|
Tak przez VideoCapture i odczyt klatek w pętli, kamera laptopa zwykle jako indeks 0 w VideoCapture(0)
|
|
|