5678_Visão Computacional_ Introdução à Filtragem

A pré-processamento de imagens é importante em inteligência artificial porque:

• melhora a qualidade das imagens para análise.

• aumenta o tamanho dos dados para processamento.

• elimina a necessidade de algoritmos complexos.

• reduz o tempo de treinamento dos modelos.

Quais são os filtros mencionados no exemplo visual de processamento de imagem?

• Filtro de Sobel e Filtro de Gaussiano

• Filtro de Mediana e Filtro de Laplaciano

• Filtro de Média e Filtro de Alta Frequência

• Filtro de Baixa Passagem e Filtro de Realce

Quais das seguintes opções são transformações listadas no exemplo visual de processamento de imagem?

• Redimensionamento, Rotação, Corte

• Redimensionamento, Espelhamento, Filtro

• Rotação, Filtro, Ajuste de Cor

• Corte, Espelhamento, Ajuste de Cor

Qual filtro linear que suaviza imagens e reduz o ruído. É utilizado em processamento de imagens, eletrônica e telecomunicações digitais.?

• Gaussiano

• Média

• Mediana

• Laplaciano

Qual técnica de processamento de imagens é usada para converter uma imagem colorida em uma imagem em preto e branco?

• Binarização

• Brilho

• Contraste

• Codificação Gama

Qual é o efeito do Filtro de Média?

• Reduz o ruído em uma imagem

• Aumenta o contraste da imagem

• Adiciona ruído à imagem

• Inverte as cores da imagem

O que controla a suavização no Filtro Gaussiano?

• O desvio padrão do filtro

• A cor da imagem

• O tamanho do arquivo

• A resolução da tela

Qual filtro é eficaz contra ruído 'sal e pimenta'?

Evaluate responses using AI:

OFF

Complete a equação da magnitude do gradiente: Magnitude = √(Gx² + __).

• Gy²

• Gz²

• Gx²

• G²

Qual é a fórmula para calcular a direção do gradiente?

• A direção do gradiente é dada pela fórmula: ∇f(x, y) = (∂f/∂x, ∂f/∂y), onde ∇f é o vetor gradiente da função f em relação às variáveis x e y.

• A direção do gradiente é dada pela fórmula: ∇f(x, y) = (∂f/∂y, ∂f/∂x), onde ∇f é o vetor gradiente da função f em relação às variáveis x e y.

• A direção do gradiente é dada pela fórmula: ∇f(x, y) = (∂f/∂x - ∂f/∂y), onde ∇f é o vetor gradiente da função f em relação às variáveis x e y.

• A direção do gradiente é dada pela fórmula: ∇f(x, y) = (∂f/∂x + ∂f/∂y), onde ∇f é o vetor gradiente da função f em relação às variáveis x e y.