NEW
Font size
WorksheetsXử lý ảnh
Total questions: 50
Worksheet time: 25mins
Ảnh số thường được biểu diễn dưới dạng ma trận gồm:
Pixel
Vector
Scalar
Histogram
Kích thước ảnh (image size) được xác định bởi:
Độ phân giải + định dạng ảnh
Số hàng và số cột pixel
Số kênh màu
Tần số lấy mẫu
Ảnh grayscale có bao nhiêu kênh?
1
2
3
4
Thang mức xám 8-bit thường có giá trị pixel trong khoảng:
0–100
0–128
0–255
0–1024
Kỹ thuật nào dưới đây giúp làm rõ chi tiết vùng tối của ảnh?
Histogram Equalization
Gaussian Blur
Edge Detection
Downsampling
Kích thước file ảnh phụ thuộc vào yếu tố nào sau đây không nhiều nhất?
Số pixel
Số kênh
Độ phân giải
Tốc độ CPU
Biểu đồ Histogram của ảnh biểu diễn:
Phân bố mức xám/màu
Tần số lấy mẫu
Số chiều của ma trận ảnh
Kích thước file
Quá trình giảm kích thước ảnh gọi là:
Upsampling
Downsampling
Filtering
Thresholding
Màu sắc thường được biểu diễn trong mô hình RGB. “B” ở đây là:
Brightness
Blue
Black
Brown
Trong Python, thư viện phổ biến nhất để xử lý ảnh là:
NumPy
Matplotlib
OpenCV
Pandas
Lệnh cv2.imread("img.jpg") trả về gì?
Mảng NumPy 2D hoặc 3D
File ảnh nhị phân
Chuỗi byte
Một object class
Đối số cv2.IMREAD_GRAYSCALE trong cv2.imread() dùng để:
Đọc ảnh màu
Đọc ảnh mức xám
Đọc ảnh alpha channel
Nén ảnh
Hàm cv2.imshow("title", img) có tác dụng:
Hiển thị ảnh trên cửa sổ GUI
Vẽ ảnh lên canvas HTML
Xuất ảnh ra file
Vẽ đồ thị histogram
Để chờ nhấn phím bất kỳ và đóng cửa sổ hiển thị, ta dùng:
cv2.closeAll()
cv2.waitKey(0) + cv2.destroyAllWindows()
cv2.exit()
cv2.end()
Hàm cv2.imwrite("out.jpg", img) dùng để:
Ghi ảnh ra file
Đọc ảnh
Hiển thị ảnh
Chuyển ảnh sang mảng NumPy
img.shape trong OpenCV thường trả về:
(rows, cols)
(rows, cols, channels)
(channels, rows, cols)
Số pixel
Để chuyển ảnh màu sang ảnh xám, dùng:
cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.gray(img)
cv2.toGray(img)
cv2.convert(img)
Thứ tự kênh màu mặc định của OpenCV là:
RGB
BGR
GRB
Trong OpenCV-Python, ảnh được lưu dưới dạng:
PIL Image
NumPy ndarray
TensorFlow tensor
List
Lệnh cv2.resize(img, (200, 100)) sẽ:
Cắt ảnh
Phóng to/thu nhỏ ảnh về 200x100 pixel
Đổi màu ảnh
Lật ảnh
Bộ lọc Gaussian chủ yếu dùng để:
Làm mờ ảnh
Phát hiện cạnh
Tăng độ sáng
Phóng to ảnh
Bộ lọc trung vị (Median Filter) thường hiệu quả với:
Nhiễu muối tiêu (Salt-and-Pepper Noise)
Nhiễu Gaussian
Làm sắc nét ảnh
Biến đổi màu sắc
Hàm cv2.GaussianBlur(img, (5,5), 0) có kernel size là:
3x3
5x5
7x7
9x9
Kỹ thuật Canny Edge Detection dùng để:
Làm mịn ảnh
Phát hiện cạnh
Làm mờ ảnh
Chuyển sang grayscale
Toán tử Sobel dùng trong:
Phát hiện biên
Nén ảnh
Chuyển đổi màu
Làm mờ
Toán tử Laplacian thuộc loại:
Bộ lọc làm mờ
Bộ lọc biên
Bộ lọc sắc nét
Biến đổi Fourier
Morphological operations trong xử lý ảnh gồm:
Erosion, Dilation, Opening, Closing
Scaling, Rotation, Translation
Histogram, Filtering, Thresholding
Trong phân ngưỡng Otsu, giá trị threshold được:
Chọn thủ công
Tự động tối ưu
Luôn = 128
Luôn = 255
Hàm cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) tạo ra:
Ảnh nhị phân
Ảnh grayscale
Ảnh màu
Ảnh làm mờ
Kích thước kernel trong lọc trung vị phải là:
Số chẵn
Số lẻ
Số nguyên tố
Tùy ý
Phép xoay ảnh trong OpenCV dùng hàm:
cv2.rotate() hoặc cv2.getRotationMatrix2D() + cv2.warpAffine()
cv2.transpose()
cv2.flip()
cv2.affineRotate()
Phép co giãn ảnh là:
Scaling
Translation
Rotation
Shearing
Phép biến đổi affine duy trì:
Tính song song của đường thẳng
Góc vuông
Chiều dài
Diện tích tuyệt đối
Hàm cv2.flip(img, 1) sẽ:
Lật ngang
Lật dọc
Lật cả ngang và dọc
Không lật
Biến đổi Fourier (DFT) được dùng để:
Biểu diễn ảnh trong miền tần số
Tăng cường màu sắc
Làm mờ ảnh
Giảm kích thước ảnh
Tần số thấp trong ảnh tương ứng với:
Biên, chi tiết nhỏ
Vùng mịn, nền ảnh
Nhiễu
Độ sáng
Bộ lọc thông cao (High-pass filter) dùng để:
Giữ chi tiết, loại bỏ nền
Giữ nền, bỏ chi tiết
Làm mờ ảnh
Tăng cường màu
Hàm trong OpenCV để biến đổi Fourier:
cv2.dft()
cv2.fft()
numpy.fourier()
cv2.fourier()
Trong DFT, dịch tâm phổ (shift) để:
Đưa tần số thấp vào trung tâm
Giảm nhiễu
Tăng độ phân giải
Tăng tốc xử lý
Biến đổi Cosine rời rạc (DCT) thường được dùng trong:
Nén ảnh JPEG
Nhận dạng khuôn mặt
Tách biên
Canny
Thuật toán phát hiện góc nổi tiếng trong xử lý ảnh là:
Harris Corner
Canny
Sobel
Laplacian
ORB, SIFT, SURF là các kỹ thuật:
Phát hiện đặc trưng
Làm mờ ảnh
Biến đổi màu
Histogram
cv2.HoughLines() được dùng để:
Tìm cạnh thẳng
Tìm biên cong
Tìm histogram
Lọc nhiễu
cv2.HoughCircles() dùng để phát hiện:
Đường tròn
Góc
Đường thẳng
Đa giác
Trong OpenCV, Haar Cascade Classifier thường dùng cho:
Nhận diện khuôn mặt
Làm mờ ảnh
Nén ảnh
Biến đổi màu
Kỹ thuật Template Matching được sử dụng để:
Tìm mẫu con trong ảnh lớn
Tăng độ phân giải
Xử lý histogram
Làm sắc nét
Mặt nạ (mask) trong xử lý ảnh là:
Ma trận nhị phân quy định vùng xử lý
Bộ lọc Gaussian
Phép xoay ảnh
Ảnh gốc
Trong phân vùng ảnh, phương pháp phổ biến là:
Thresholding, Region Growing, Clustering
Histogram, Scaling, Rotation
Filtering, Translation, Shearing
DFT, DCT, IDCT
OpenCV có thể kết hợp với thư viện nào để vẽ biểu đồ histogram?
NumPy
Matplotlib
Pandas
TensorFlow
Trong deep learning, OpenCV thường dùng để:
Tiền xử lý ảnh (resize, normalize, augment)
Huấn luyện mạng CNN
Tối ưu hàm loss
Sinh dữ liệu ngẫu nhiên
