CHIUSE - Paniere Di Elaborazioni Delle Immagini Prof Callegari

lOMoARcPSD|1732056
Paniere di Elaborazioni delle Immagini - Prof. Callegari
Disegno (Università telematica e-Campus)
StuDocu non è sponsorizzato o supportato da nessuna università o ateneo.

Scaricato da Stefania Rao (stefy.rao@gmail.com)
lOMoARcPSD|1732056
Set Domande
ELABORAZIONE DI IMMAGINI
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Docente: Callegari Christian
Generato il 03/01/2019 14:13:26

N° Domande Aperte 155
Scaricato da Stefania Rao (stefy.rao@gmail.com) N° Domande Chiuse 232
lOMoARcPSD|1732056
Set Domande: ELABORAZIONE DI IMMAGINI

Indice
Indice Lezioni .......................................................................................................................... p. 2
Lezione 003 ............................................................................................................................. p. 4
Lezione 004 ............................................................................................................................. p. 5
Lezione 005 ............................................................................................................................. p. 6
Lezione 007 ............................................................................................................................. p. 9
Lezione 008 ............................................................................................................................. p. 10
Lezione 009 ............................................................................................................................. p. 12
Lezione 010 ............................................................................................................................. p. 13
Lezione 011 ............................................................................................................................. p. 14
Lezione 012 ............................................................................................................................. p. 15
Lezione 013 ............................................................................................................................. p. 16
Lezione 014 ............................................................................................................................. p. 17
Lezione 015 ............................................................................................................................. p. 18
Lezione 016 ............................................................................................................................. p. 19
Lezione 017 ............................................................................................................................. p. 20
Lezione 018 ............................................................................................................................. p. 21
Lezione 019 ............................................................................................................................. p. 22
Lezione 020 ............................................................................................................................. p. 23
Lezione 021 ............................................................................................................................. p. 25
Lezione 022 ............................................................................................................................. p. 27
Lezione 023 ............................................................................................................................. p. 29
Lezione 024 ............................................................................................................................. p. 30
Lezione 025 ............................................................................................................................. p. 31
Lezione 026 ............................................................................................................................. p. 32
Lezione 027 ............................................................................................................................. p. 33
Lezione 028 ............................................................................................................................. p. 34
Lezione 029 ............................................................................................................................. p. 35
Lezione 030 ............................................................................................................................. p. 36
Lezione 031 ............................................................................................................................. p. 37
Lezione 032 ............................................................................................................................. p. 39
Lezione 033 ............................................................................................................................. p. 40
Lezione 034 ............................................................................................................................. p. 41
Lezione 035 ............................................................................................................................. p. 42
Lezione 036 ............................................................................................................................. p. 43
Lezione 037 ............................................................................................................................. p. 44
Lezione 038 ............................................................................................................................. p. 45
Lezione 039 ............................................................................................................................. p. 46

© 2016 - 2019 Università Telematica eCampus - Data Stampa 03/01/2019 14:13:26 - 2/58
lOMoARcPSD|1732056

Lezione 040 ............................................................................................................................. p. 47

Lezione 041 ............................................................................................................................. p. 49
Lezione 042 ............................................................................................................................. p. 50
Lezione 043 ............................................................................................................................. p. 51
Lezione 044 ............................................................................................................................. p. 52
Lezione 045 ............................................................................................................................. p. 53
Lezione 046 ............................................................................................................................. p. 54
Lezione 048 ............................................................................................................................. p. 57

lOMoARcPSD|1732056

Lezione 003
01. I recettori di immagine nell'occhio umani si chiamano
Piramidi e cilindretti
Coni e Cilindretti
Piramidi e bastoncelli
Coni e bastoncelli
02. Le bande di mach sono
regioni ad intensità uniforme
regioni a quantizzazione uniforme
nessuna delle altre
regioni a riflettanza uniforme
03. Fornire una definizione rigorosa di immagine?
04. Quali sono le tipologie di recettori presenti nell'occhio umano? A cosa sono maggiormente sensibili?
05. Descrivere la struttura dell'occhio umano

lOMoARcPSD|1732056

Lezione 004
01. Quali quantità sommate sono pari a 1
riflettanza e trasmittanza
riflettanza, assorbanza e trasmittanza
contrasto e illuminazione
assorbanza e trasmittanza
02. I colori che percepiamo sono determinati da
la luce riflessa
la luce rifratta
la luce assorbita
nessuna delle altre
03. Il colore di ciascun pixel dell'immagine digitale è dato da
colore medio delle regioni adiacenti a quella corrispondente al pixel
colore medio della corrispondente regione
nessuna delle altre
colore medio della corrispondente regione approssimato al livello di grigio più vicino tra quelli disponibili
04. La risoluzione di un'immagine determina
numero dei pixel
numero e dimnesione dei pixel
nessuna delle altre
dimensione dei pixel
05. La scala di grigi di un'immagine è determinata da
assorbanza e trasmittanza
riflettanza e illuminazione
riflettanza, assorbanza e trasmittanza
06. Le immagini digitali sono
continue e quantizzate
campionate e quantizzate
campionate e non quantizzate
continue e non quantizzate
07. Cosa si intende per campionamento e quantizzazione?
08. Quale è la definizione matematica della scala di grigio di un'immagine?
09. Come si ottiene un'immagine digitale?

lOMoARcPSD|1732056

Lezione 005
01. I pixel con vicinanza N_8 sono quelli di coordinate
N_4 ? N_D
(x + 1, y + 1), (x ? 1, y + 1), (x + 1, y + 1), (x ? 1, y ? 1);
(x + 1, y + 1), (x , y + 1), (x + 1, y + 1), (x , y ? 1);
(x + 1, y), (x ? 1, y), (x, y + 1), (x, y ? 1)
02. I pixel con vicinanza N_4 sono quelli di coordinate
(x + 1, y), (x ? 1, y), (x, y + 1), (x, y ? 1)
nessuna delle altre
(x + 1, y + 1), (x ? 1, y + 1), (x + 1, y + 1), (x ? 1, y ? 1);
(x + 1, y + 1), (x , y + 1), (x + 1, y + 1), (x , y ? 1);
03. I pixel con vicinanza N_D sono quelli di coordinate
(x + 1, y + 1), (x , y + 1), (x + 1, y + 1), (x , y ? 1);
(x + 1, y), (x ? 1, y), (x, y + 1), (x, y ? 1)
nessuna delle altre
(x + 1, y + 1), (x ? 1, y + 1), (x + 1, y + 1), (x ? 1, y ? 1);
04. L'intervallo dinamico di un immagine è il rapporto tra
valore di riflettanza più alto e quello più basso rappresentato
valore di contrasto più alto e quello più basso rappresentato
valore di intensità più alto e quello più basso rappresentato
valore di luminanza più alto e quello più basso rappresentato
05. Il numero di bit, b, necessario per rappresentare una immagine M × N a L livelli di grigio è
ML log(N)
MNL
nessuna delle altre
MN
06. La risoluzione può essere misurata in
pixel*pixel
nessuna delle altre
punti per pollice
pollici*pollici
07. un path dal pixel p al pixel q di coordinate (x_p, y_p) e (x_q, y_q)
è una sequenza di n + 1 pixel aventi coordinate: (x_0, y_0) (x_1, y_1) . . . , (x_n, y_n)
è dato dalla distanza di manatthan tra p e q
nessuna delle altre
è dato dalla distanza euclidea tra p e q

lOMoARcPSD|1732056

08. Il rumore è dato da
nessuna delle altre
Errore di misura del sensore
errore della rappresentazione a monitor
Trasmissione simultanee
09. Due pixel, p e q, di S sono detti connessi in S
se la loro distanza Euclidea è minore di quella L_8
se esiste un path
se esiste un path a costo minimo
se esiste un path composto da pixel in S
10. Una distanza gode della seguente proprietà
nessuna delle altre
D(p, q) ? D(p, z) + D(z, q)
D(p, q) = D(p, z) + D(z, q)
D(p, q) > D(p, z) + D(z, q)
11. La distanza norma 2 è
la distanza di manhattan
nessuna delle altre
||x_p ? x_q| + |y_p ? y_q||
la distanza Euclidea
12. Il bordo esterno di una regione
è costituito dai pixel del background adiacenti al bordo interno
non si definisce
equivale al bordo interno
nessuna delle altre
13. Il bordo di una regione R é
nessuna delle altre
Il complemento della regione
l'insieme di punti di R adiacenti a punti nel complemento di R
L'insieme dei punti a massimo contrasto in un'immagine
14. Cosa si intende per bordo?
15. Cosa si intende per path?
16. Quali sono le principali relazioni tra pixel?
17. Quali sono le tre proprietà della distanza?
18. Quali sono le principali relazioni tra regioni?
19. Definire la distanza e fornirne alcuni esempi
20. Cosa si intende per vicinanza?

lOMoARcPSD|1732056

21. Cosa si intende per adiacenza? Fornire qualche esempio
22. Cosa si intende per componenti connesse?

lOMoARcPSD|1732056

Lezione 007
01. La trasformazione per ottenere il negativo di un'immagine a L livello di grigio è
s = L - 1 -r
s=L-1+r
s=L-r
nessuna delle altre
02. Le tecniche di trasformazione spaziale
processano un pixel alla volta
sono più efficienti di quelle nel dominio della frequenza dal punto di vista computazionale
sono equivalenti a quelle nel dominio della frequeza
sono migliori di quelle nel dominio della frequenza
03. s = T (r) è una trasformazione di intensità detta
stretching
thresholding
mappatura
negativo
04. la trasformazione detta stretching del contrasto
agisce solo sulle immagini binarie
equivale al thresholding
diminuisce l'intensità dei punti chiari e vice versa
nessuna delle altre
05. la trasformazione detta thresholding
trasforma un'immagine a colori in una in bianco e nero
diminuisce il contrasto
trasforma l'immagine in un'immagine binaria
nessuna delle altre
06. la maschera di filtraggio
è la maschera di contrasto che si applica durante il filtraggio delle immagini
non esiste
è l'operazione del relativo filtraggio spaziale
è una trasformazione di contrasto
07. Cosa si intende per maschera spaziale? Fornire alcuni esempi
08. Illustrare la trasformazione che permette di ottenere il negativo di un'imagine
09. Cosa si intende per trasformazioni di intensità?
10. Cosa si intende per filtraggio spaziale?
11. Qual è la differenza tra tecniche di elaborazione puntuali e locali? Il Thresholding che tipo di tecnica è?
12. In quali "domini" possiamo elaborare le immagini?

lOMoARcPSD|1732056

Lezione 008
01. Le trasformazioni di potenza possono essere espresse dall'equazione
nessuna delle altre
s = c (r+e)?
s = c (1+e)?
s=c?r
02. Le trasformazioni di potenza risultano utili per
creare il negativo di un'immagine
migliorare la visualizzazione delle immagini
aumentare la gamma di un'immagine
aumentare le dimensioni di un'immagine
03. Le trasformazioni logaritmiche ottengono
hanno la forma s = c (r+e)?
Diminuiscono il contrasto
un effetto di espansione/compressione della gamma di intensità
sono equivalenti alle trasformazioni di potenza
04. la selezione mediante piani di bit
si basa sull'identificazione di immagini i cui pixel sono espressi dallo stesso numero di bit
nessuna delle altre
permettono di creare il negativo dell'immagine, selezionando i 3 piani meno significativi
si basa sull'identificazione dei piani dell'immagine a intensità costante
05. Per aumentare il contrasto in maniera "selettiva"
si possono usare le trasformazioni lineari a tratti
si possono usare le trasformazioni lineari a pixel
nessuna delle altre
si possono usare le trasformazioni di potenza
06. nella selezione mediante piani di bit
ogni piano corrispondente all'immagine originale a cui è applicato un filtro di tipo thresholding con soglia pari al valor medio della gamma di intensità orginale
ogni piano mantiene la gamma di intensità dell'immagine originale
la maggior parte del rumore è contenuta nel piano corrispondente al bit ipù significativo
la maggior parte dell'informazione è contenuta nel piano corrispondente al bit ipù significativo
07. nella selezione mediante piani di bit
l'immagine originale può essere ricostruita utilizzando un numero minore di bit, ottenendo un risparmio sull'occupazione di memoria
l'immagine originale non può essere ricostruita
nessuna delle altre
l'immagine originale può essere ricostruita utilizzando i tre piani corrispondenti ai bit meno significativi, ottenendo un risparmio sull'occupazione di memoria
08. Cosa sono le selezioni mediante piani di bit?
09. Spiegare le trasformazioni di potenza

lOMoARcPSD|1732056

10. Illustrare le principali trasformazioni di intensità

lOMoARcPSD|1732056

Lezione 009
01. Un'istogramma "concentrato" nella parte destra del range di intensità corrisponde a
un'immagine ad alto contrasto
un'immagine a basso contrasto
un'immagine scura
un'immagine chiara
02. L'equalizzazione di un istogramma si ottiene applicando la trasformazione
nessuna delle altre
Scalatura e traslazione dell'istogramma originale
Normalizzazione e traslazione dell'istogramma originale
Normalizzazione e scalatura dell'istogramma originale
03. L'equalizzazione di istogrammi mira a
rendere l'istogramma di un'immagine simile a uno dato
rendere l'istogramma di un'immagine uniforme
comprimere l'immagine
nessuna delle altre
04. L'equalizzazione di istogrammi si applica
nel dominio frequenziale
solo alle immagini a colori
nel dominio spaziale
nel dominio trasformato
05. La trasformazione spaziale relativa all'equalizzazione di un istogramma è
(L-1) integrale tra 0 e r di (pr(w)dw)
(L-1) pr(w)/ps(w)
MN integrale tra 0 e r di (pr(w)dw)
nessuna delle altre
06. Spiegare come è fatto l'istogramma di un'immagine ad alto contrasto
07. Cosa si intende per equalizzazione di un'istogramma?
08. Fornire la derivazione teorica della formula per l'equalizzazione di un istogramma?

lOMoARcPSD|1732056

Lezione 010
01. l'equalizzazione di istogramma
è il secondo step per la trasformazione specifica di istogramma
è il primo step per la trasformazione specifica di istogramma
nessuna delle altre
non è per niente legata alla specifica di istogramma
02. la specifica di istogramma mira a
rendere l'istogramma di un'immagine simile a uno dato
nessuna delle altre
comprimere l'immagine
rendere l'istogramma di un'immagine uniforme
03. la specifica di istogramma implica
il calcolo di una trasformazione inversa
il calcolo dell'istogramma dell'immagine di input
tutte le altre
la conoscenza dell'istogramma di output desiderato
04. Illustrare la differenza tra specifica e equalizzazione di istogramma
05. Fornire la derivazione teorica della formula per la specifica di istogramma?
06. Cosa si intende per specifica di istogramma?

lOMoARcPSD|1732056

Lezione 011
01. l'elaborazione locale dell'istogramma serve per migliorare
solo una porzione dell'immagine
solo una porzione dell'istogramma
nessuna delle altre
solo alcune componenti frequenziali
02. Le tecniche basate su media/varianza richiedono
nessuna delle altre
semplicemente l'immagine
il calcolo dell'istogramma dell'immagine di input
il calcolo dell'istogramma dell'immagine di output
03. l'elaborazione tramite le statistiche dell'immagine
si possono usare anche per migliorare il contrasto localmente
si possono usare solo per migliorare il contrasto globalmente
servono per effettuare la specifica dell'istogramma
servono per equalizzare l'istogramma
04. quale tecnica risulta opportuna per migliorare un'immagine con un buon livello di dettaglio nella parte scura e uno scarso livello di dettaglio nella parte
chiara
tecniche locali basate sulle statistiche dell'immagine
sharpening
specifica di istogramma
equalizzazione di istogramma
05. Cosa sono I metodi di miglioramento dell'imagine basati sulle statistiche dell'istogramma
06. Cosa si intende per elaborazione locale di un istogramma?
07. Fornire un esempio qualitativo di applicazione di miglioramento locale dell'imagine

lOMoARcPSD|1732056

Lezione 012
01. Nell'operazione di convoluzione
bisogna "ribaltare" il filtro
nessuna delle altre
si applica direttamente il filtro all'immagine
si effettua la moltiplicazione degli elementi diagonali del filtro con i pixe e si lasciano inalterati gli altri
02. Il padding
è necessario prima della correlazione
tutte le altre
è necessario anche nel caso 1D
è necessario prima della convoluzione
03. Nell'operazione di correlazione
si effettua la moltiplicazione degli elementi diagonali del filtro con i pixe e si lasciano inalterati gli altri
nessuna delle altre
si applica direttamente il filtro all'immagine
bisogna "ribaltare" il filtro
04. Per definire un filtro spaziale bisogna necessariamente specificare
nessuna delle altre
solo se si tratta di convoluzione o correlazione
solo l'operazione da effettuare
solo i coefficienti della maschera
05. Le operazioni che posso effettuare con un filtro spaziale sono esclusivamente
convoluzione e correlazione
nessuna delle altre
correlazione
convoluzione
06. L'operazione di convoluzione e correlazione
nessuna delle altre
sono complementari
sono l'una l'inverso dell'altra
sono equivalenti
07. Cosa si intende per filtraggio spaziale?
08. Descrivere l'operazione di convoluzione nel caso 1D e 2D
09. Descrivere l'operazione di correlazione nel caso 1D e 2D

lOMoARcPSD|1732056

Lezione 013
01. lo sharpening
si basa sulla media pesata
si basa sull'operazione di derivazione
si basa sull'operazione di convoluzione
si basa sull'operazione di integrazione
02. I filtri basati sul laplaciano
nessuna delle altre
evidenziano i dettagli
non sono isotropici
riducono il rumore
03. i filtri a media pesata
servono per lo sharpening
sono analoghi al laplaciano
evidenziano il rumore
nessuna delle altre
04. lo smoothing
è l'opposto dello sharpening
equivale al thresholding
si può realizzare con il laplaciano
evidenzia i contorni
05. Un filtro è isotropico se
se può essere ribaltato prima dell'applicazione
nessuna delle altre
se è una derivata seconda
ruotare e filtrare è equivalente a filtrare e ruotare
06. Definire l'operatore Laplaciano e derivarne l'equazione discreta nel caso 2D
07. Descrivere lo sharpening tramite operatore Laplaciano
08. Discutere la caratteristica di isotropicità dell'operatore Laplaciano

lOMoARcPSD|1732056

Lezione 014
01. il filtraggio highboost
è un caso di unsharp mask
serve per esaltare i livelli chiari
serve per esaltare i livelli scuri
serve per esaltare i colori
02. il fltro unsharp mask
prevede la sfocatura dell'immagine
ottiene la sfocatura dell'immagine
è il contrario dello sharpening dell'immagine
tutte le altre
03. il fltro unsharp mask
effettua lo sharpening dell'immagine
nessuna delle altre
04. Il gradiente
serve per lo smoothin
nessuna delle altre
è analogo al laplaciano
si basa sulle derivate seconde
05. Un metodo basati sul gradiente
si basa sull'operazione di derivazione
si basa sull'operazione di integrazione
si basa sull'operazione di convoluzione
06. Discutere I metodi basati sul gradiente
07. Perché talvolta serve combinare più metodi spaziali insieme?
08. Definire il gradiente di un'immagine

lOMoARcPSD|1732056

Lezione 015
01. Il fenomeno dell'aliasing
non esiste nel caso 2D
dipende dalle dimensioni dell'immagine originale
nessuna delle altre
dipende dalla dimensione del filtro
02. L'impulso nel caso 2D
mantiene la proprietò di sifting
nessuna delle altre
è non nullo sempre
assume valori non nulli in 2 punti
03. Fornire la definizione di trasformata di Fourier 2D
04. Fornire la definizione di impulso 2D
05. Descrivere il campionamento 2D

lOMoARcPSD|1732056

Lezione 016
01. l'aliasing si può ridurre
aumentando il contrasto dell'immagine
sfocando la scena da acquisire
applicando l'unsharp masking
equalizzando lo spettro
02. l'effetto Moirè
dipende dal filtro di sharpening
dipende dal filtro di smoothing
nessuna delle altre
dipende dalla dimensione del pixel
03. i jaggy si verificano più facilmente
nelle immagini con contorni ben definiti
nelle immagini sfocate
nelle immagini a colori
nessuna delle altre
04. l'aliasing può dipendere da
rimpicciolimento dell'immagine
ingrandimento dell'immagine
tutte le altre
sottocampionamento
05. L'aliasing spaziale
non dipende dal campionamento
si verifica quando il "dettaglio" dell'immagine e minore rispetto a un pixel del sistema di acquisizione
è tipico dei casi in cui il numero di frame al secondo è troppo basso
nessuna delle altre
06. Spiegare l'effetto Moirè
07. Fornire la definizione di DFT
08. Spiegare il fenomeno dell'aliasing spaziale e fornire alcuni esempi

lOMoARcPSD|1732056

Lezione 017
01. L'equazione che descrive il filtraggio nel dominio della frequenza
g(x,y) = IDFT(H(u,v))
g(x,y) = IDFT(H(u,v)F(u,v))
g(x,y) = DFT(H(u,v)F(u,v))
nessuna delle altre
02. la funzione di trasferimento del filtro in frequenza è normalmente
non simmetrica
simmetrica
dispari
pari
03. Per avere un'immagine di output reale (nel filtraggio in frequenza) si deve avere
H reale e simmetrica
H reale e f reale
H simmetrica e reale e f reale
f reale
04. Un filtro passa basso
sfoca l'immagine
nessuna delle altre
schiarisce l'immagine
migliora il dettaglio
05. Un filtro passa alto
migliora il dettaglio
nessuna delle altre
sfoca l'immagine
schiarisce l'immagine
06. Il filtraggio nel dominio della frequenza
agisce sullo spettro dell'immagine di input
agisce solo sulle frequenze diverse da 0
nessuna delle altre
agisce sull'istogramma dell'immagine
07. Spiegare come funziona il principio del filtraggio del dominio della frequenza
08. Discutere I filtri passa-basso e I filtra passa-alto
09. Spiegare perché nell'applicazione dei filtra passa-alto viene sommata una costante

lOMoARcPSD|1732056

Lezione 018
01. il fenomeno del ringing si evidenzia
nel dominio spaziale
nel dominio trasformato
nei filtri pari
nei filtri dispari
02. il fenomeno del ringing è dovuto
alle discontinuità introdotte dal padding in frequenza
alle discontinuità dell'immagine
nessuna delle altre
alle discontinuità introdotte dal padding spaziale
03. l'errore di wraparound, date due funzioni di A valori ciascuna si può evitare con un padding lungo
2A-1
A-1
2A
04. l'errore di wraparound
è dovuto alla vicinanza dei periodi
tutte le altre
si può evitare con lo zero padding
riguarda la convoluzione circolare di funzioni periodiche
05. Fornire l'enunciato del teorema della convoluzione 2D
06. Spiegare il fenomeno del ringing
07. Definire l'errore di wraparound e l'uso del padding per evitarlo

lOMoARcPSD|1732056

Lezione 019
01. lo zero padding introduce
una parte nera
nessuna delle altre
una parte a intensità media
una parte bianca
02. la moltiplicazione di un'immagine per 1^(x+y)
serve per rendere pari la trasformata
nessuna delle altre
serve per rendere dispari la trasformata
serve per centrare la trasformata
03. la moltiplicazione di un'immagine per (-1)^(x+y)
serve per centrare la trasformata
serve per rendere dispari la trasformata
nessuna delle altre
serve per rendere pari la trasformata
04. I filtri zero-phase shift
lasciano inalterato il rapporto tra parte reale e parte immaginaria
trattano in maniera identica parte reale e parte immaginaria
non hanno effetto sulla fase
tutte le altre
05. Un filtro passa alto si può ottenere
con la differenza di filtri gaussiani
con la somma di filtri gaussiani
con un filtro gaussiano
nessuna delle altre
06. Cosa si intende per filtri zero-phase shift?
07. Spiegare la corrispondenza tra filtraggio nel dominio spaziale e quello nel dominio della frequenza
08. Fornire I vari step della procedura di filtraggio nel dominio della frequenza

lOMoARcPSD|1732056

Lezione 020
01. Il livello di dettaglio quando si usa un filtro low-pass
aumenta all'aumentare della frequenza di cut-off
diminuisce all'aumentare del raggio del cerchio sullo spettro
diminuisce all'aumentare della frequenza di cut-off
nessuna delle altre
02. i filtri low-pass ideali
tagliano tutte le frequenze superiori alla frequenza di cut-off
non sono realizzabili
tutte le altre
prevedono una transizione brusca tra H(u,v)=1 e H(u,v)=0
03. i filtri low-pass di Butterworth
nessuna delle altre
04. i filtri low-pass gaussiani
nessuna delle altre
05. La potenza catturata da un fitro low-pass ideale
nessuna delle altre
06. La sfocatura
nessuna delle altre
07. Il filtro di Butterworth tende al filtro ideale
al dimuire dell'ordine
all'aumentare dell'ordine
all'aumentare della dimensione
al diminuire della dimensione
08. Cosa si intende per filtri low-pass di Butterworth? Descriverli
09. Cosa si intende per filtri low-pass ideale? Descriverli

lOMoARcPSD|1732056

10. Cosa si intende per filtri low-pass Guassiani? Descriverli

lOMoARcPSD|1732056

Lezione 021
01. l'operazione di thresholding applicata dopo un filtro high-pass
migliora i contorni
tutte le altre
riduce eventuali macchie di acquisizione
crea um'immagine binaria
02. i filtri high-pass ideali
tagliano tutte le frequenze inferiori alla frequenza di cut-off
tutte le altre
03. la distorsione dei contorni, in caso di filtraggio high-pass,
nessuna delle altre
04. i contorni, in caso di filtraggio high-pass, sono maggiormente evidenziati
nessuna delle altre
05. i filtri high-pass gaussiani
nessuna delle altre
06. i filtri high-pass di Butterworth
nessuna delle altre
07. il filtraggio low-pass migliora le prestazione nel caso di
riconoscimento delle impronte digitali
foto di precisione
nessuna delle altre
riconoscimento automatico del testo
08. Cosa si intende per filtri high-pass Guassiani? Descriverli
09. Cosa si intende per filtri high-pass ideale? Descriverli

lOMoARcPSD|1732056

10. Cosa si intende per filtri high-pass di Butterworth? Descriverli

lOMoARcPSD|1732056

Lezione 022
01. Il filtraggio omomorfico agisce separatamente su
contrasto e riflettanza
illuminazione e riflettanza
parte reale e parte immaginara
02. l'enhancement dell'immagine con il laplaciano in frequenza è dato da
antitrasformata dell'immagine laplaciana
antitrasformata del prodotto dell'immagine per l'immagine laplaciana
nessuna delle altre
antitrasformata della somma dell'immagine e dell'immagine laplaciana
03. i laplaciano nel dominio della frequenza può essere implementato con il filtro
=4 *pi^2 * (u^2 + v^2)
=-4 *pi * (u^2 + v^2)
=-4 *pi^2 * (u + v)
=-4 *pi^2 * (u^2 + v^2)
04. I filtri basati sul laplaciano nel dominio della frequenza
non sono isotropici
evidenziano i dettagli
riducono il rumore
nessuna delle altre
05. il fltro unsharp mask nel dominio della frequenza
effettua lo sharpening dell'immagine
nessuna delle altre
06. Il filtraggio omomorfico
definisce un filtro
nessuna delle altre
definisce una maschera
può includere filtri di varia natura
07. Il filtraggio omomorfico prevede di calcolare
l'integrale dell'immagine
la derivata dell'immagine
nessuna delle altre
il logaritmo dell'immagine
08. Cosa si intende per filtro di enfasi dell'alta frequenza
09. Descrivere l'unsharp mask nel dominio della frequenza

lOMoARcPSD|1732056

10. Descrivere il filtraggio omomorfico

lOMoARcPSD|1732056

Lezione 023
01. Un filtro notch elimina banda in pratica è
un filtro elimina banda con banda molto larga
un filtro spaziale
nessuna delle altre
un filtro elimina banda con banda molto stretta
02. Un campo di applicazione "classico" dei filtri notch è
la riduzione del rumore
l'eliminazione dell'effetto Moirè
lo smoothing
nessuna delle altre
03. Un filtro notch elimina banda piò essere scritto come
produttoria di filtri passa alto
sommatoria di di filtri passa alto
differenza tra una filtro passa alto e un passa basso
differenza di filtri passa alto
04. Un campo di applicazione "classico" dei filtri notch è
la riduzione del rumore
nessuna delle altre
lo smoothing
lo sharpening
05. Descrivere I filtri di smoothing nello spazio e nella frequenza e fare un esempio
06. Descrivere le differenze e le analogie tra il filtraggio nel dominio spaziale e nel dominio della frequenza
07. Cosa si intende per passa-banda
08. Descrivere un filtro notch
09. Presentare alcuni esempi di utilizzo dei filtri notch
10. Descrivere I filtri di sharpening nello spazio e nella frequenza e fare un esempio

lOMoARcPSD|1732056

Lezione 024
01. il gamut è
nessuna delle altre
la gamma dei colori visibili a occhio nudo
la gamma di colori prodotta dai monitor RGB
l'intera gamma dei colori
02. i recettori dell'occhio detti coni
recepiscono tutti il colore allo stesso modo
nessuna delle altre
si possono dividere in basa al colore che percepiscono
recepiscono solo l'intensità della luce
03. Nella sintesi additiva dei colori la mescolanca di rosso verde blu da come risultato
nessuna delle altre
il nero
il magenta
il bianco
04. I colori primari sono
rosso verde blu
giallo magenta e ciano
rosso giallo e blu
nessuna delle altre
05. Descrivere l'esperimento di color matching
06. Definire il GAMUT
07. Definire lo standard CIE del colore
08. Descrivere la sintesi additiva e sottrattiva dei colori

lOMoARcPSD|1732056

Lezione 025
01. I colori web safe sono
tutte le altre
i colori RGB sicuri
216
rappresentati con 6 cifre esadecimali
02. Nel modello RGB full color il nero è dato da
(0,0,0)
(127,127,127)
(256,256,256)
(255,255,255)
03. Il modello RGB
nessuna delle altre
è principalmente utilizzato nelle stampanti
è equivalente al modello CMY
è quello che meglio approssima il modo di descrivere i colori di un uomo
04. Nel modello RGB full color il bianco è dato da
(255,255,255)
(0,0,255)
nessuna delle altre
(0,0,0)
05. Nel modello RGB un'immagine è formata da
un'unica immagine con profondità del pixel pari a 24 bit
due immagini monocromatiche e da una maschera di solore
tre immagini monocromatiche
nessuna delle altre
06. Il modello RGB è rappresentato da
un cerchio in coordinate cartesiane
un triangolo nello spazio colore
un cubo
nessuna delle altre
07. Cosa sono i colori web safe?
08. Definire il modello RGB
09. Come si può acquisire un'immagine RGB?

lOMoARcPSD|1732056

Lezione 026
01. Nel modello HSI, la tonalità è data da
distanza dal bianco
distanza dall'asse veticale
angolo rispetto a un punto di riferimento (da definire)
nessuna delle altre
02. il modello CMY
è principalmente utilizzato nei monitor
si può ottenere per differenza dal modello RGB
è equivalente al modello RGB
03. Il modello HSI
nessuna delle altre
è equivalente al modello CMY
è principalmente utilizzato nelle stampanti
04. Nel modello HSI, la saturazione è data da
angolo rispetto all'asse del rosso
nessuna delle altre
distanza dall'asse verticale
distanza dal bianco
05. Le componenti nello spazio HSI sono
nessuna delle altre
asse di intensità verticale, lunghezza del vettore verso un punto di colore e angolo con asse del rosso
asse di saturazione verticale, lunghezza del vettore verso un punto di colore e angolo con asse del rosso
asse di tonalità verticale, lunghezza del vettore verso un punto di colore e angolo con asse del rosso
06. Definire il modello CMY
07. Definire il modello HSI
08. Ricavare le formule di conversione HSI/RGB e RGB/HSI

lOMoARcPSD|1732056

Lezione 027
01. La tecnica di ripartizione di intensità può produrre
tutte le altre
un'immagino bianco/nero
un'immagine binaria
un'immagine a K colori
02. le trasformazioni da intensità a colori sono utilizzate principalmente
per le tecniche di visualizzazione
tutte le altre
per le tecniche di stampa
per le tecniche di acquisizione
03. Le immagini a falsi colori sono in realtà
immagini a scala di grigi
immagini HSI
immagini RGB
immagini binarie RGB
04. Nel caso più semplice, la ripartizione di intensità produce
un solo canale della corrispettiva immagine HSI
nessuna delle altre
un'immagine binaria
un solo canale della corrispettiva immagine RGB
05. Discutere la tecnica di ripartizione delle intensità
06. Cosa si intende per immagini a falsi colori
07. Discutere la trasformazione da intensità a colore

lOMoARcPSD|1732056

Lezione 028
01. Supponiamo di applicare una maschera spaziale che assegna a ogni pixel il valor medio della regione di prossimità. Applicando la maschera a ogni
componente di un'immagine a colori o al vettore pixel a colori si ottiene lo stesso risultato
si ottiene un risultato "scalato" di un fattore k
si ottengono risultati distinti
si ottiene un risultato praticamente analogo
si ottiene lo stesso risultato
02. le tecniche di trasformazione del colore
agiscono sulle singole componenti di colore
scambiano i colori con i loro complementari
valgono solo per le immagini a falsi colori
nessuna delle altre
03. Le tecniche che applicano i metodi "monocromatici" alle singole componenti di colore
sono più efficienti di quelle che lavorano a livello vettoriale
sono sempre più veloci computazonalmente
nessuna delle altre
hanno sempre un equivalente vettoriale
04. per migliorare l'intensità di un'immagine full color
il risultato è migliore agendo con il modello HSI
bisogna necessariamente agire sulla componente intensità del modello HSI
nessuna delle altre
agire con il modello HSI è più veloce
05. la componente intensità del modelli HSI
nessuna delle altre
ha una discontuinità in corrsipondenza del verde
ha una discontuinità in corrsipondenza del rosso
non ha discontuinità
06. Come si può realizzare una regolazione dell'intensità di un'immagine full color utilizzando i vari modelli di colore? Quale risulta più conveniente?
07. In quale modello di colore si preferisce applicare le trasformazioni di colore
08. Quali sono le tipologie di elaborazione di immagini full-color

lOMoARcPSD|1732056

Lezione 029
01. lo sharpening di un'immagine full color
deve essere ottenuto sulle singole componenti
nessuna delle altre
si può ottenere con una maschera che prende il valor medio
si può ottenere con il metodo del laplaciano
02. per migliorare il contrasto in un'immagine full color si può
modificare l'intensità dei singoli colori con la funzione negativo
modificare l'intensità dei singoli colori con una funzione "z"
modificare l'intensità dei singoli colori con una funzione "s"
nessuna delle altre
03. effettuare lo sharpening di un'immagine full color con una maschera spaziale applicata alle tre componenti RGB
produce un effetto diverso rispetto ad applicare la maschera all'intensità del modell HSI
produce un effetto diverso rispetto ad applicare la maschera alla tonalità del modell HSI
produce lo stesso effetto rispetto ad applicare la maschera alla tonalità del modell HSI
produce lo stesso effetto rispetto ad applicare la maschera all'intensità del modell HSI
04. l'immagine complementare di un'immagine full color
si può ottenere prendendo il negativo delle singole componenti di colore
nessuna delle altre
si può ottenere ponendo a zero la componente saturazione
si può ottenere prendendo il negativo della componente saturazione
05. Come si può realizzare lo smoothing di un'immagine full-color?
06. Come si può realizzare lo sharpening di un'immagine full-color?
07. Cosa si intende per ripartizione del colore

lOMoARcPSD|1732056

Lezione 030
01. Fare un esempio di funzioni per la regolazione dell'intensità di un'immagine monocromatica e del caso a colori (con i vari modelli di colore)
02. Spiegare la differenza tra immagine false color e full color
03. Fare un esempio di funzioni per la negativo/complementare di un'immagine monocromatica e del caso a colori (con i vari modelli di colore)
04. Fare un esempio di funzioni per lo smoothing di un'immagine monocromatica e del caso a colori. Si ottiene lo stesso risultato?
05. Supponiamo di applicare una maschera spaziale che assegna a ogni pixel il valor medio della regione di prossimità. Applicando la maschera a ogni
componente di un'immagine a colori o al vettore pixel a colori si ottiene lo stesso risultato? Dimostrarlo
06. Fare un esempio di funzioni per lo sharpening di un'immagine monocromatica e del caso a colori. Si ottiene lo stesso risultato?

lOMoARcPSD|1732056

Lezione 031
01. Nell'individuazione dei punti isolati di discontinuità si può utilizzare
il laplaciano
il valor medio
la derivata seconda
la derivata prima
02. la segmentazione prende in ingresso un'immagine e produce in uscita
la classificazione dell'immagine
degli attributi dell'immagine
nessuna delle altre
porzioni dell'istogramma normalizzato
03. la segmentazione può essere descritta formalmente come un processo di
partizionamento dell'immagine nel dominio spaziale
partizionamento dell'immagine nel dominio della frequenza
nessuna delle altre
partizionamento dell'istogramma dell'immagine
04. Nell'individuazione dei punti isolati di discontinuità si può utilizzare
un filtro passa alto
un filtro passa basso
un filtro spaziale
nessuna delle altre
05. Per l'individuazione di punti isolati di discontuinità, il laplaciano deve essere
isotropico
simmetrico
asimmetrico
non isotropico
06. gli edge sono
una variazione di contrasto
una tecnica di segmentazione
nessuna delle altre
un tipo di discontinuità
07. i punti isolati sono
una variazione di contrasto
un tipo di discontinuità
nessuna delle altre
una tecnica di segmentazione
08. Descrivere formalmente la segmentazione di immagini
09. Come si possono individuare punti isolati di discontinuità?

lOMoARcPSD|1732056

10. Quali sono i principali tipi di discontinuità?

lOMoARcPSD|1732056

Lezione 032
01. Nell'individuazione di linee di discontinuità orizzontali si può utilizzare
un laplaciano isotropico
una maschera laplaciana a valori positivi nella riga centrale e negativi altrove
una maschera laplaciana con valore positivo nella posizione centrale e negativi altrove
una maschera laplaciana a valori positivi nella colonna centrale e negativi altrove
02. Nell'individuazione di linee di discontinuità si può utilizzare
la derivata seconda
il laplaciano
il valor medio
la derivata prima
03. il processi di individuazione degli edge è reso critico da
derivata prima con valori negativi
nessuna delle altre
rumore
contorni non rettilinei
04. la localizzazione degli edge può essere fatta tramite
fronte di discesa della derivata seconda
zero-crossing della derivata prima
nessuna delle altre
zero-crossing della derivata seconda
05. L'applicazione del laplaciano per l'individuazione di linee di discontinuità produce
linee a spessore doppio
linee doppie
linee di spessore corretto
nessuna delle altre
06. Nell'individuazione di linee di discontinuità si può utilizzare
un filtro spaziale
nessuna delle altre
un filtro passa basso
un filtro passa alto
07. Come si possono individuare le linee di discontinuità?
08. Spiegare il problema della doppie linee nell'individuazione delle linee di discontinuità con il laplaciano
09. Quali sono gli step del processo di individuazione degli edge

lOMoARcPSD|1732056

Lezione 033
01. le maschere 2x2 per il calcolo del gradiente non permettono di
individuare la zona chiara
individuare la magnitudo del'edge
nessuna delle altre
individuare la direzione del'edge
02. le maschere di sobel
offrono prestazioni leggermente migliori di quelle di prewitt, ma sono computazionalmente più complesse
sono equivalente a quelle di prewitt
permettono di indentificare edge diagonali
nessuna delle altre
03. l'individuazione degli edge può essere realizzata tramite
laplaciano
nessuna delle altre
gradiente
sharpening
04. le maschere di sobel
permettono di indentificare edge diagonali
sono equivalente a sfocare leggermente l'immagine di cui si calcola la derivata parziale
sono equivalente a quelle di prewitt
nessuna delle altre
05. Perché le maschere 2x2 non sono sufficienti per l'individuazione degli edge?
06. Cosa sono gli operatori di Sobel e come vengono utilizzati?
07. Descrivere il metodo del gradiente per individuare gli edge?

lOMoARcPSD|1732056

Lezione 034
01. il thresholding dell'immagine migliora l'individuazione degli edge se applicata
prima del gradiente
dopo il gradiente
sia prima che dopo il gradiente
mai
02. l'individuazione degli edge può essere tramite gradiente può essere migliorata applicando
thresholding
conversione B/N dell'immagine
sharpening dell'immagine
nessuna delle altre
03. la sfocatura dell'immagine migliora l'individuazione degli edge se applicata
dopo il gradiente
sia prima che dopo il gradiente
prima del gradiente
mai
04. l'individuazione degli edge può essere tramite gradiente può essere migliorata applicando
sfocatura dell'immagine
conversione B/N dell'immagine
sharpening dell'immagine
nessuna delle altre
05. In quale modo smoothing e thresholding possono aiutare nell'individuazione degli edge?
06. Descrivere vantaggi e limiti del processo di edge detection basati sul gradiente
07. Quali differenze ci sono tra applicare smoothing+gradiente+thresholding e gradiente+thresholding?

lOMoARcPSD|1732056

Lezione 035
01. nel metodo di Marr-Hildreth, la componente laplaciana
sfoca l'immagine
rende il metodo isotropico
effettua lo sharpening
individua i punti di edge
02. Il terzo step del metodo di Marr-Hildreth
calcola i punti di zero-crossing
calcola il laplaciano
campiona l'immagine
effettua la convoluzione tra immagine e gaussiana
03. Nel metodo di Marr-Hildreth, le maschere del LoG possono essere ottenute
campionando la convoluzione dell'immagine per la gaussina
campionando la gaussiana
nessuna delle altre
campionando il LoG
04. Il metodo di Marr-Hildreth funziona in tutte le direzioni
perché basato sulla derivata prima
come il metodo del gradiente
perché il LoG è isotropico
nessuna delle altre
05. nel metodo di Marr-Hildreth, la componente gaussiana
sfoca l'immagine
individua gli edge
effettua lo sharpening
individua i punti di edge
06. Spiegare a livello pratico perché è utile inserire una soglia nell'algoritmo del calcolo degli zero crossing
07. Descrivere il metodo di Marr-Hildreth
08. Definire il LoG

lOMoARcPSD|1732056

Lezione 036
01. Rispetto al metodo di Marr-Hildreth, il metodo di Canny
è computazionalmente più presente
presenta meno edge spurii
è più efficace
tutte le altre
02. Il secondo step del metodo di Canny
calcola magnitudo e angolo del gradiente
sfoca l'immagine
applica non-maxima suppression
campiona l'immagine
03. Il primo step del metodo di Canny
campiona l'immagine
sfoca l'immagine
04. la sogliatura del metodo di Canny è una sogliatura
che produce due set di edge
tutte le altre
con isteresi
a doppia soglia
05. per i punti di edge deboli l'algoritmo di Canny prevede
di considerarli come edge veri
di valutarli tramite un ulteriore processo
di considerarli come falsi positivi
di non considerarli
06. Il terzo step del metodo di Canny
sfoca l'immagine
campiona l'immagine
07. Descrivere i tre obiettivi del metodo di Canny
08. Spiegare il doppio thresholding con isteresi del metodo di Canny
09. Descrivere il metodo di Canny

lOMoARcPSD|1732056

Lezione 037
01. Nel metodo di edge linking con elaborazione locale, due punti sono collegati se
se giacciono sulla stessa linea
se la magnitudo è simile a quella del punto di edge
se magnitudo e direzione sono simili
se fanno parte di una linea chiusa
02. Nel metodo di edge linking con elaborazione nelle regioni, i bordi risultano
uguali a quelli reali
inspessiti rispetto a quelli reali
nessuna delle altre
un'approssimazione di quelli reali
03. Nel metodo di edge linking con elaborazione locale, due punti sono collegati se
nessuna delle altre
si passa attraverso un'immagine binaria basata su magnitudo e angolo dei pixel dell'immagine di edge
si passa attraverso un'immagine binaria basata su magnitudo e angolo dei pixel dell'immagine di input
si passa attraverso un'immagine binaria basata su magnitudo e angolo dei pixel dell'immagine laplaciana
04. Nel metodo di edge linking con elaborazione nelle regioni, i bordi risultano da
combinazione di curve
nessuna delle altre
combinazione di poligono
interpolazione dei punti di edge tramite iperboli
05. Descrivere il metodo di edge linking con approssimazione polinomiale
06. Descrivere il metodo di edge linking con elaborazione locale
07. Spiegare perché è necessario uno step di edge linking

lOMoARcPSD|1732056

Lezione 038
01. La trasformata di hough
è un operatore globale
è un operatore locale
è una maschera di smoothing
è una maschera di sharpening
02. Spiegare cosa si intende per spazio dei parametri
03. Fornire un'idea del campo di applicazione della trasformata di Hough
04. Fornire un esempio di «idea» della trasformata di Hough (come il caso della retta)

lOMoARcPSD|1732056

Lezione 039
01. la trasformata di hough permette di indivduare gli edge
nessuna delle altre
a partire dall'immagine binaria dei contorni
a partire dall'immagine originale
a partire dall'immagine laplaciana
02. L'individuazione degli edge tramite trasformata di Hough
fa uso anche di altri metodi di edge detection
è una tecnica di edge detection
permette di individuare edge rettilinei
nessuna delle altre
nessuna delle altre
permette di raggruppare, ad esempio, rette basandosi sulla direzione
non permette di raggruppare, ad esempio, curve basandosi sulla direzione
non permette di raggruppare, ad esempio, rette basandosi sulla direzione
è indipendente dal metodo di edge detection utilizzato
deve essere applicata dopo il metodo di Canny
deve essere applicata dopo il metodo di Marr-Hildreth
deve essere applicata dopo il metodo del gradiente
05. Descrivere la trasformata di Hough
06. Cosa si intende per suddivisione del piano ??
07. Spiegare l'applicazione della trasformata di Hough all'edge linking

lOMoARcPSD|1732056

Lezione 040
01. Nelle immagini a colori la segmentazione
è più intuitiva nel dominio HSI
offre prestazioni migliori nel piano HSI
nessuna delle altre
può essere effettuata solo nel dominio RGB
02. Nell'individuazione degli edge nelle immagini a colori, il calcolo del gradiente "vettoriale"
offre prestazioni uguali al calcolo del gradiente sulle singole componenti
offre prestazioni migliore del calcolo del gradiente sulle singole componenti
risulta troppo complesso
offre prestazioni peggiori del calcolo del gradiente sulle singole componenti
serve per individuare regioni con colori in un dato range
permette di individuare i colori primari nel modello RGB
equivale a separare i piani di diversi colori
nessuna delle altre
04. Nelle immagini a colori RGB la segmentazione
nessuna delle altre
separa l'immagine in piani di intensità distinta
permette di individuare i tre colori primari
non è effettuabile, data la natura vettoriale delle immagini
offre prestazioni migliori nel piano HSI
può essere effettuata solo nel dominio RGB
nessuna delle altre
offre prestazioni migliori nel modello RGB
06. L'individuazione degli edge nelle immagini a colori
deve essere eseguita sulle singole componenti di colore e poi combinata insieme
non può essere eseguita tramite il metodo del gradiente
può essere eseguita tramite il metodo del gradiente
deve essere eseguita sulle singole componenti HSI e poi combinata insieme
07. Nell'individuazione degli edge nelle immagini a colori, il calcolo del gradiente sulle singole componenti
offre prestazioni uguali al calcolo del gradiente vettoriale
risulta troppo complesso
offre prestazioni peggiori del calcolo del gradiente vettoriale
offre prestazioni migliore del calcolo del gradiente vettoriale
08. Illustrare la procedure per l'individuazione degli edge nelle immagini a colori
09. Illustrare i concetti di base della segmentazione delle immagini a colori nel dominio RGB

lOMoARcPSD|1732056

10. Illustrare i concetti di base della segmentazione delle immagini a colori nel dominio HSI

lOMoARcPSD|1732056

Lezione 041
01. Nella compressione delle immagini si mira a
ridurre la dimensione in pixel dell'immagine
ridurre la ridondanza
nessuna delle altre
ridurre il numero di livelli di intensità
02. la ridondanza relativa dei dati dipende da
informazione irrilevante dell'immagine originale
ridondanza spaziale dell'immagine originale
codifica dell'immagine originale
rapporto di compressione
03. il rapporto di compressione
è il rapporto tra codifica dell'immagine originale e compressa
è il rapporto tra numero di livelli di intensità dell'immagine originale e compressa
è il rapporto tra risoluzione dell'immagine originale e compressa
è il rapporto tra dimensione dell'immagine originale e compressa
04. la ridondanza nelle immagine può essere
ridondanza della codifica
informazione irrilevante
ridondanza spaziale
tutte le altre
05. Descrivere i 3 tipi di ridondanza che abbiamo nelle immagini
06. Quale differenza c'è tra dati e informazione?
07. Definire rapporto di compressione e ridondanza relativa

lOMoARcPSD|1732056

Lezione 042
01. nella compressione dei cartoni animati si può sfruttare
nessuna delle altre
informazione inutile
ridondanza spaziale
ridondanza della codifica
02. un codice a lunghezza variabile può essere utile in
può essere utile nel caso di immagini con regioni a intensità costanta
può essere utile nel caso di strutture nascoste nell'immagine
immagini con pochi livelli di intensità distinti
nessuna delle altre
03. i codici run-length
può essere utile nel caso di strutture nascoste nell'immagine
nessuna delle altre
può essere utile in caso di informazione irrilevante
può essere utile nel caso di immagini con regioni a intensità costanta
04. un codice a lunghezza variabile è inutile in
nessuna delle altre
immagini a colori con pochi colori
immagini con solo 3 livelli di grigio
può essere utile nel caso di immagini con tante regioni a intensità costanta
05. In quali contesti può essere utile ridurre l'informazione irrilevante in un'immagine?
06. Fornire un semplice esempio di applicazione del codice a lunghezza variabile
07. Fornire un semplice esempio in cui applicare un codice a lunghezza variabile non risulta efficace

lOMoARcPSD|1732056

Lezione 043
01. L'entropia di un'immagine è una misura della quantità di ... dell'immagine
informazione
livelli di grigio
pixel
colori
02. dati k eventi, l'informazione è massima per
evento certo
evento impossibile
eventi equiprobabili
nessuna delle altre
03. il rapporto segnale rumore
è maggiore nelle immagini a scala di grigio
è maggiore nelle immagini a colori
dipende dal quadrato della somma tra rumore e immagine
è una misura di fedeltà dell'immagine compressa
04. L'uso dei criteri oggettivi nella valutazione della fedeltà di un metodo di compressione
è idoneo solo per immagini RGB
è computazionalmente troppo oneroso per cui si ricorre spesso a criteri soggettivi
nessuna delle altre
è meglio dell'uso di criteri soggettivi
05. Nella valutazione della fedeltà della compressione sono migliori i criteri soggettivi o quelli oggettivi?
06. Quale differenza c'è nella valutazione della fedeltà della compressione tra i criteri soggettivi e quelli oggettivi?
07. Definire l'entropia di una sorgente di informazione

lOMoARcPSD|1732056

Lezione 044
01. il codice di Huffman
codifica una stringa di caratteri alla volta
è lossless
nessuna delle altre
assegna codici di lunghezza uguale a tutti i simboli
02. la codifica di huffman
si basa sulla costruzione di una sorta di dizionario
è quasi ottimale nel caso di codifica di un simbolo alla volta
assegna codici più lunghi ai simboli men probabili
tutte le altre
03. la codfica di Huffman
nessuna delle altre
è a lunghezza variabile
04. un codec è un device/software che effettua
correlazione e correlazione inversa
convoluzione e convoluzione inversa
codifica e decodifica
compressione e decompressione
05. il codice di Huffman
richiede la conoscenza delle probabilità di occorrenza dei simboli di sorgente
nessuna delle altre
06. Fornire e descrivere lo schema generale di un sistema di compressione
07. Descrivere la codifica di Huffman
08. Data una sorgente a 6 simboli con relative probabilità 0.1, 0.4, 0.06, 0.1, 0.04, 0.3 fornire un esempio di codifica di Huffman

lOMoARcPSD|1732056

Lezione 045
01. la codifca di golomb
è uno degli step richiesti dal codec di Huffman
è computazionalmente più semplice della codifica di Huffman
nessuna delle altre
02. La codifica di Golomb richiede
nessuna delle altre
il calcolo di una somma e di un modulo
il calcolo di un quoziente e di una somma
il calcolo di un quoziente e di un modulo
03. la codifica aritmetica
calcola una dizionario di tutti i simboli dell'alfabeto
genera codici a blocco
teoricamente raggiunge il limite di Shannon
nessuna delle altre
04. la codifica aritmetica
non raggiunge il limite di Shannon
calcola una dizionario di tutti i simboli dell'alfabeto
genera codici non a blocco
nessuna delle altre
05. Descrivere la codifica aritmetica
06. Descrivere la codifica di Golomb
07. Descrivere la codifica di Golomb-esponenziale

lOMoARcPSD|1732056

Lezione 046
01. Prima di tutto il JPEG trasforma l'immagine in ingresso in un'immagine
HSI
RGB
CMY
YUV
02. nel JPEG, la codifica run-length è applicata a
tutte le componenti quantizzate
componenti AC
tutte le componenti trasformate
componenti DC
03. Tra le differenze introdotte da JPEG2000 rispetto a JPEG c'è
Trasformata a seno discreto
Trasformata di Fourier
trasformata wavelet
nessuna delle altre
04. La modalità JPEG ottimale per i siti web
sequenziale
lossless
progressiva
gerarchica
05. Il JPEG elimina principalmente
dati ad alta frequenza
nessuna delle altre
dati colore
dati a bassa frequenza
06. la codifica entropica applicata nel JPEG
Golomb
nessuna delle altre
Huffman
aritmetica
07. nel JPEG i coefficienti DC sono codificati
DPCM
con codifica aritmetica
LZW
run-length

lOMoARcPSD|1732056

08. La modalità di default del JPEG è
gerarchica
lossless
sequenziale
progressiva
09. i coefficienti delle matrici usate nella fase di quantizzazione sono basati su
probabilità a priori dei livelli di intensità
studi psicofisici
Trasformata a coseno discreto
codifica entropica
10. Il JPEG offre prestazioni migliori su
nessuna delle altre
immagini binarie RGB
immagini a colori
immagini a scala di grigio
11. Tra le altre fasi, Il JPEG ha una fase di
nessuna delle altre
codifica entropica
12. Il JPEG si basa, tra le altre, su
il fatto che i dati cambiano lentamente nell'immagine
nessuna delle altre
13. Il JPEG si basa, tra le altre, su
nessuna delle altre
14. L'aspetto "a blocchi" delle immagini jpeg fortemente compresse è dovuto a
la trasformata DCT viene eseguita su blocchi 8x8 dell'immagine
fase di quantizzazione
la trasformata DCT viene eseguita indipendentemente sui vari blocchi dell'immagine
nessuna delle altre

lOMoARcPSD|1732056

15. la maggior parte di "perdita" nel JPEG si ha durante la fase di
codifica entropica
nessuna delle altre
quantizzazione
16. Spiegare a cosa è dovuto l'aspetto «a blocchi» delle immagini JPEG troppo compresse
17. Illustrare i principali step della compressione JPEG
18. Spiegare in quali fasi la compressione JPEG causa la perdita di informazione
19. Illustrare la fase di quantizzazione nella codifica JPEG
20. Dettagliare la codifica entropica usata nella codifica JPEG
21. Cosa si intende per DPCM nella codifica JPEG e quando si usa?
22. Spiegare la modalità sequenziale della codifica JPEG
23. Spiegare la modalità progressiva della codifica JPEG
24. Illustrare alcune delle differenze introdotte da JPEG2000 rispetto a JPEG
25. Mostrare lo schema a blocchi della codifica JPEG

lOMoARcPSD|1732056

Lezione 048
01. il watermarking robusto deve essere
privato
resistente, tra l'altro a stampa e scansione
pubblico
indipendente dal range di colori
02. la tecnica LSB
sostituisce il primo bit del livello di intensità di ogni pixel
sostituisce l'ultimo byte del livello di intensità di ogni pixel
sostituisce il primo byte del livello di intensità di ogni pixel
sostituisce l'ultimo bit del livello di intensità di ogni pixel
03. la steganografia consiste nel
apporre un watermark sull'immagine
nessuna delle altre
nascondere un messaggio in un'immagine
apporre una firma digitale sull'immagine
04. La steganografia può essere
nessuna delle altre
iniettiva o generativa
diretta o indiretta
attiva o passiva
05. la steganografia sfrutta
il range di colori
la ridondanza
nessuna delle altre
la compressione
06. la steganografia iniettiva
inserisce il messaggio nei metadata dell'immagine
genera un'imamgine in cui inserire il messaggio
inserisce il messaggio in un'immagine pre-esistente
nessuna delle altre
07. il messaggio steganografico
nessuna delle altre
viene trasmesso in chiaro
viene firmato digitalmente
viene anche criptato

lOMoARcPSD|1732056

08. il watermarking può essere
visibile
in un file di "accompagnamento2 dell'immagine
nessuna delle altre
nella firma digitale
09. il watermarking deve essere
nessuna delle altre
facilmente rimovibile
resistente agli attacchi
invisibile
10. il watermarking può essere
privato o pubblico
attivo o passivo
iniettivo o generativo
diretto o indiretto
11. il watermarking può essere applicato
nella fase di quantizzazione
nel dominio della trasformata
durante la codifica entropica
nessuna delle altre
12. Definire la steganografia e fornire qualche esempio
13. Definire il watermark e fornire qualche esempio
14. Descrivere le differenze tra steganografia e watermark

Powered by TCPDF (www.tcpdf.org)

Lingua

CHIUSE - Paniere Di Elaborazioni Delle Immagini Prof Callegari

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

CHIUSE - Paniere Di Elaborazioni Delle Immagini Prof Callegari

Titolo originale:

Caricato da

Copyright:

lOMoARcPSD|1732056

Paniere di Elaborazioni delle Immagini - Prof. Callegari

Disegno (Università telematica e-Campus)

StuDocu non è sponsorizzato o supportato da nessuna università o ateneo.

Generato il 03/01/2019 14:13:26

Set Domande: ELABORAZIONE DI IMMAGINI

Scaricato da Stefania Rao (stefy.rao@gmail.com)

Set Domande: ELABORAZIONE DI IMMAGINI

Lezione 040 ............................................................................................................................. p. 47

Scaricato da Stefania Rao (stefy.rao@gmail.com)

Set Domande: ELABORAZIONE DI IMMAGINI

02. Le bande di mach sono

regioni ad intensità uniforme

regioni a quantizzazione uniforme

nessuna delle altre

regioni a riflettanza uniforme

03. Fornire una definizione rigorosa di immagine?

05. Descrivere la struttura dell'occhio umano

Scaricato da Stefania Rao (stefy.rao@gmail.com)

Set Domande: ELABORAZIONE DI IMMAGINI

riflettanza, assorbanza e trasmittanza

02. I colori che percepiamo sono determinati da

nessuna delle altre

03. Il colore di ciascun pixel dell'immagine digitale è dato da

colore medio delle regioni adiacenti a quella corrispondente al pixel

colore medio della corrispondente regione

nessuna delle altre

04. La risoluzione di un'immagine determina

numero dei pixel

numero e dimnesione dei pixel

nessuna delle altre

dimensione dei pixel

05. La scala di grigi di un'immagine è determinata da

riflettanza, assorbanza e trasmittanza

06. Le immagini digitali sono

campionate e non quantizzate

continue e non quantizzate

07. Cosa si intende per campionamento e quantizzazione?

08. Quale è la definizione matematica della scala di grigio di un'immagine?

09. Come si ottiene un'immagine digitale?

Scaricato da Stefania Rao (stefy.rao@gmail.com)

Set Domande: ELABORAZIONE DI IMMAGINI

(x + 1, y + 1), (x ? 1, y + 1), (x + 1, y + 1), (x ? 1, y ? 1);

(x + 1, y + 1), (x , y + 1), (x + 1, y + 1), (x , y ? 1);

(x + 1, y), (x ? 1, y), (x, y + 1), (x, y ? 1)

02. I pixel con vicinanza N_4 sono quelli di coordinate

(x + 1, y), (x ? 1, y), (x, y + 1), (x, y ? 1)

nessuna delle altre

(x + 1, y + 1), (x ? 1, y + 1), (x + 1, y + 1), (x ? 1, y ? 1);

(x + 1, y + 1), (x , y + 1), (x + 1, y + 1), (x , y ? 1);

03. I pixel con vicinanza N_D sono quelli di coordinate

(x + 1, y + 1), (x , y + 1), (x + 1, y + 1), (x , y ? 1);

(x + 1, y), (x ? 1, y), (x, y + 1), (x, y ? 1)

nessuna delle altre

(x + 1, y + 1), (x ? 1, y + 1), (x + 1, y + 1), (x ? 1, y ? 1);

04. L'intervallo dinamico di un immagine è il rapporto tra

valore di riflettanza più alto e quello più basso rappresentato

valore di contrasto più alto e quello più basso rappresentato

valore di intensità più alto e quello più basso rappresentato

valore di luminanza più alto e quello più basso rappresentato

nessuna delle altre

06. La risoluzione può essere misurata in

nessuna delle altre

punti per pollice