跳转至

课程共享计划 回忆卷1

  1. 简述光圈和景深的关系；相机是如何调整光圈的；简述数码相机的原理。

  2. 光圈和景深的关系：

    • 光圈（Aperture）： 指的是相机镜头中的光圈孔径的大小。光圈的大小通常用f值表示，例如f/2.8、f/4等，其中较小的f值表示较大的光圈，而较大的f值表示较小的光圈。
    • 景深（Depth of Field，DOF）： 是指一张照片中被视为清晰的区域。较大的景深意味着照片中更多的区域都是清晰的，而较小的景深则使得只有一小部分区域是清晰的。
    • 关系： 光圈的大小直接影响景深。较大的光圈（小f值）产生较小的景深，而较小的光圈（大f值）则产生较大的景深。这是因为较大的光圈允许更多的光线通过，导致聚焦范围较小，而较小的光圈减少了光线的进入，导致更多区域保持清晰。
  3. 相机调整光圈的方法：
    • 光圈环： 大多数相机镜头上都有一个光圈环，通过旋转该环可以调整光圈大小。
    • 摄影模式： 在一些相机上，可以通过不同的摄影模式（如光圈优先模式或手动模式）来手动设置光圈值。
  4. 数码相机的工作原理：
    • 光学系统： 数码相机的镜头通过光学系统将场景中的光线聚焦到感光元件上（如CMOS或CCD芯片）。
    • 感光元件： 光线进入感光元件后，光能被转换为电信号，形成图像。
    • 数字信号处理： 数字相机将感光元件捕捉到的模拟信号转换为数字信号，然后通过数字信号处理器进行处理，包括白平衡、色彩校正、锐化等。
    • 存储和显示： 处理后的图像可以被存储在存储卡上，也可以通过LCD屏幕或取景器进行实时预览。后续可以通过连接到计算机或打印机进行进一步处理或输出。

### 2.

### 1. 计算机里灰度用几位表示，一共几个灰度梯度；

### 2. 写出至少五种颜色空间，并解释两种颜色空间每一维的含义；

### 3. 用于表示加色和减色的颜色空间是什么，解释这两个空间每一维的含义，并说明它们的应用场合。

  1. 灰度表示：
    • 在计算机中，灰度通常用8位（1字节）表示，取值范围为0到255。这意味着有256个不同的灰度级别，从纯黑色（0）到纯白色（255）。
  2. 颜色空间和各自含义：
    • RGB（红绿蓝）： 每个像素由红色（R）、绿色（G）、蓝色（B）三个分量组成。每个分量的取值范围通常为0到255，表示颜色的亮度。
    • HSV（色相、饱和度、明度）： 色相表示颜色的类型，饱和度表示颜色的纯度，明度表示颜色的亮度。HSV空间更符合人类对颜色的感知。
    • CMYK（青、品红、黄、黑）： 主要用于印刷，每个分量表示一种颜色的浓度，而黑色表示颜色的深度。
    • YUV（亮度、色度）： Y表示亮度信息，而UV表示颜色信息。这种颜色空间常用于视频编码。
    • LAB（CIE Lab）： L表示亮度，a表示红绿通道，b表示黄蓝通道。LAB是一种设备无关的颜色空间，对于色彩和亮度的感知更加一致。
  3. 加色和减色的颜色空间：
    • 加色空间： RGB是一个典型的加色空间。在RGB中，通过叠加不同强度的红、绿、蓝光可以形成各种颜色。每个分量表示一种颜色的亮度，叠加产生彩色。
    • 减色空间： CMYK是一个典型的减色空间。在CMYK中，通过混合不同浓度的青、品红、黄颜料可以减少光的反射，从而形成不同颜色。每个分量表示一种颜色的浓度。

应用场合：

  • 加色空间的应用场合： 用于显示设备（如电脑显示器、电视屏幕等），摄影领域等，因为这些场合中是通过发光或发色的方式来呈现图像的。

  • 减色空间的应用场合： 用于印刷行业，因为印刷是通过减少光的反射来呈现图像的，使用CMYK颜色空间可以更好地控制颜色和浓度，以适应印刷机的特性。

  • BMP 图像的图像数据（bitmap data）部分中，每一行的数据存储有什么要求？如果想要存储 12 34 56 78 9A BC（具体数据不是这个，忘了，不过没差- -），应该怎样存储？ （我不知道描述清楚了没有- -应该问的是四字节对齐的事情...）

  • 给出一个结构元和一个二值图像，问这个结构元和二值图像进行膨胀操作后的结果是什么，并简述膨胀操作的物理意义。

    1. 简述把灰度图像二值化的步骤；如果一张灰度图像的光照变化比较大，应该如何二值化？
  • 给出一张二值图像，求行进间编码，并简述你是怎么求出来的。

当一张灰度图像的光照变化比较大时，简单的全局阈值二值化方法可能无法很好地处理图像。在这种情况下，可以考虑使用自适应阈值二值化方法，例如局部自适应阈值二值化。这种方法允许根据图像的局部特征来确定每个像素的阈值，从而更好地处理光照变化较大的图像。

你可以使用一些常见的算法，如基于局部均值的方法（如Sauvola算法），基于局部高斯模型的方法（如Niblack算法），或者基于局部中值的方法（如Otsu算法）来进行局部自适应阈值二值化。

  1. 给一个 8 个梯度的灰度分布，求灰度均衡化后的结果，并简述步骤（我记得这题的数据和 ppt 上的好像是一样的）。

    1. 简述如何利用双线性插值求出某个点的灰度；

  3. 给一张 5 × 5 的灰度图，求用 3 × 3 的 mask 进行中值滤波后的结果，忽略图像边界。

  4. 简述用 ratio image 将 source 人脸的表情转移到 target 人脸上的步骤。

  5. 给出双边滤波的公式，简述双边滤波的基本思想，并解释公式里各符号的意义。

  6. 简述如何用 log algorithm 增强图像的可视性。

  7. 选择图像信息处理的一种应用，尽量详细地说明原理。