A、视杆细胞
B、瞳孔
C、视锥细胞
D、视神经
A、模拟图像
B、黑白图像
C、彩色图像
D、数字图像
A、像素
B、位
C、点
D、分辨率
A、采样
B、量化
C、灰度化
D、二值化
A、红、黄、蓝
B、红、黄、绿
C、蓝、绿、黄
D、红、绿、蓝
A、CMYK
B、YUV
C、HSV
D、RGB
A、达芬奇
B、Willam
H、
F、 Talbot
C、Joseph N. Niepce
D、Russell A、 Kirsch
A、块运算
B、逻辑运算
C、代数运算
D、点运算
A、图像除法
B、图像乘法
C、图像加法
D、图像减法
A、直方图均衡
B、伪彩色
C、对比度展宽
D、均值滤波
A、基于阈值的方法
B、基于区域的方法
C、基于边缘检测的方法
D、基于视觉观察的方法
A、减少图像的信息量
B、增加数据量
C、降低分辨率
D、去除图像中的冗余信息
A、相邻像素之间的差值称为图像梯度
B、水平梯度图中竖向的边缘会比较清楚
C、边缘梯度值要比平滑纹理梯度值小
D、垂直梯度图中,水平方向的边缘会比较清楚
A、视频时离散的
B、我们常见的视频一般是20帧/秒
C、视频是基于“视觉暂留”现象
D、视频是图像序列
A、光流法
B、梯度直方图
C、背景差分
D、差分
A、卷积层
B、反向池化层
C、全连接层
D、前向池化层
A、卷积层可以作为神经网络的隐藏层
B、卷积核的参数值是人为指定的
C、卷积核的尺寸是由人为指定的
D、特征图是为卷积层的最终输出
A、降低特征图的分辨率
B、实现不同尺度特征的提取
C、实现特征分类
D、解决卷积计算量过大的问题
A、全连接层
B、池化层
C、卷积层
D、ReLU函数