Đề 7

Câu 1
a. Mô tả các bươc nhân chập 2D và ứng dụng?
 Nhân chập là thao tác cơ bản để thực hiện các bộ lọc trong miền không gian: tại mỗi vị trí
điểm ảnh của ảnh input, tính tổng tích của các điểm ảnh lân cận nằm trong nhân với các giá
trị phần tử của nhân và gán cho vị trí tương ứng của ảnh output.
 Nhân của phép nhân chập là một ma trận các số thực được thiết kế theo các quy tắc để
phục vụ cho mục đích của phép lọc ảnh sử dụng nhân đó.
 Ứng dụng: Phục vụ cho việc lọc ảnh
b. Trình bày kỹ thuật lọc trung bình(box/mean filter) và ứng dụng. Áp dụng bộ lọc trung bình.
 Nhân của phép lọc là 1 cửa sổ kích thước là WxH (W, H là các số lẻ). Tại mỗi vị trí điểm
ảnh input, tính giá trị trung bình của các điểm ảnh thuộc lân cận bao bởi nhân của phép lọc
và gán cho giá trị ở vị trí điểm ảnh output tương ứng.
 Đặc điểm:
 Đơn giản, thực hiện nhanh.
 Tạo ra các giá trị không thật.
 Mức độ làm mịn hạn chế.
 Ứng dụng:
 Lọc nhiễu (noise removing)
 Làm mịn ảnh
Đề 6
Câu 1.
a. Thế nào là histogram của ảnh? Mô tả các bước tính histogram của ảnh và đoạn giải mã lệnh
thực hiện việc đó.
 Là một biểu diễn trực quan (dạng hình ảnh) về tuần xuất xuất hiện của các giá trị
cường độ sáng (màu sắc) trong ảnh.
 Để tính histogram của ảnh ta phải thực hiện phương pháp đếm phân phối (đếm số lần
xuất hiện của các giá trị cường độ sáng trong ảnh)
 Giải mã lệnh:
 histogram[256];
 memset(histogram, 0, 256*sizeof(int));
 for(int i=0;i<img.rows;i++)
 for(int j=0;j<img.cols;j++)
 histogram[img.at<int>(i,j)] ++;
b. Lọc trung vị
 Nhân của phép lọc là 1 cửa sổ kích thước là WxH (W, H là các số lẻ). Tại mỗi vị trí
điểm ảnh input, tính giá trị trung bình của các điểm ảnh thuộc lân cận bao bởi nhân
của phép lọc và gán cho giá trị ở vị trí điểm ảnh output tương ứng
 Đặc điểm:
 đơn giản, thực hiện nhanh
 tạo ra các giá trị không thật
 mức độ làm mịn hạn chế
 Ứng dụng.
  Lọc nhiễu (noise removing)
 Làm mịn ảnh

Đề 5
Câu 1.
a. Thế nào là lọc ảnh? Nêu một số ứng dụng của lọc ảnh.
 Là 1 phép biến đổi ảnh từ trạng thái ban đầu sang một trạng thái khác nhằm tăng cường
chất lượng ảnh theo một tiêu chí cụ thể nào đó.
 Có 2 phép lọc ảnh:
 Lọc ảnh trong miền tần số:
+ Lọc thông thấp: Chỉ cho đi qua các tần số thấp, loại bỏ các tần số cao, có tác dụng
làm mờ ảnh, loại bỏ nhiễu
+ Lọc thông cao: Chỉ cho đi qua các tần số cao, loại bỏ các tần số thấp,làm ảnh sắc
nét hơn
+ Lọc dải thông: Chỉ giữ lại tần số trong một dải nhất định
+ Lọc chặn dải thông: Loại bỏ tần số trong một dải nhất định
 Lọc ảnh trong miền không gian:
Lọc ảnh trong miền không gian (spatial filter) là thao tác biến đổi ảnh bằng cách áp
dụng 1 ma trận gọi là nhân (kernel) hay mặt nạ (mask) lên 1 lân cận tại tất cả các vị
trí điểm ảnh đển cải thiện chất lượng của bức ảnh theo một tiêu chí nào đó: lọc
nhiễu, tăng cường độ sắc nét, độ sáng …
 Ứng dụng.
 Tăng giảm sáng tối
 Tăng giảm độ tương phản – độ sắc nét
 Làm mờ, làm mịn ảnh

b. Thế nào là lọc trung vị

 Nhân của phép lọc là 1 cửa sổ kích thước là WxH (W, H là các số lẻ). Tại mỗi vị trí điểm
ảnh input, tính giá trị trung bình của các điểm ảnh thuộc lân cận bao bởi nhân của phép lọc
và gán cho giá trị ở vị trí điểm ảnh output tương ứng
 Đặc điểm:
 đơn giản, thực hiện nhanh
 tạo ra các giá trị không thật
 mức độ làm mịn hạn chế
 Ứng dụng.
 Lọc nhiễu (noise removing)
 Làm mịn ảnh

Câu 2: Trình bày các hiểu biết về phương pháp phân lớp kNN và SVM?
1. kNN
 Phương pháp k-láng giềng gần nhất là một trong những thuật toán đơn giản nhưng
hiệu quả nhất trên thực tế. Nó cũng rất linh hoạt và được ứng dụng trong nhiều lĩnh
vực khác nhau, từ data mining, computer vision, pattern recognition cho tới protein,
hay để tính toán khoảng cách, đô thị. kNN thực hiện các quyết định dựa trên toàn bộ
tập dữ liệu huấn luyện.
 kNN cho việc phân lớp:
  Trường hợp 1: k = 1 hay luật nearest neighbor
 Trường họp 2: luật k-Nearest Neighbor
 Ứng dụng:
 Bài toán content retrieval dụa trên NN
 Biểu diễn Gene
 Tương tác protein-protein va dự đoán cấu trúc 3D
2. SVM
 Là phương pháp phân lớp nhị phân tìm một mặt tuyến tính tối ưu giữa hai lớp. Mặt
quyết định là một kết hợp trọng số của các vector hỗ trợ. Nói cách khác các vector hỗ
trợ quyết định bản chất của biên giữa hai lớp.
 SVM cho việc phân lớp có 3 bước:
 Trích chọn đặc điểm để biểu diễn mỗi đối tượng thành một điêm trong không gian
với số chiều lớn.
 Thuật toán SVM sẽ được sử dụng để tìm ra siêu phẳng phân lớp tối ưu
 Phân lớp cho một mẫu mới bằng cách sử dụng siêu phẳng đã tìm ra.

 Ứng dụng.