• Главная
• Тесты НМО
• Тест с ответами по теме «Контурный анализ микроскопического изображения (повышение резкости изображения при помощи лапласиана, перевод в полутоновое изображение, пороговая обработка, контурный анализ методом Канни)»

Тест с ответами по теме «Контурный анализ микроскопического изображения (повышение резкости изображения при помощи лапласиана, перевод в полутоновое изображение, пороговая обработка, контурный анализ методом Канни)»

Вашему вниманию представляется Тест с ответами по теме «Контурный анализ микроскопического изображения (повышение резкости изображения при помощи лапласиана, перевод в полутоновое изображение, пороговая обработка, контурный анализ методом Канни)» в рамках программы НМО: непрерывного медицинского образования для медицинских работников (врачи, медсестры и фармацевты). Тест с ответами по теме «Контурный анализ микроскопического изображения (повышение резкости изображения при помощи лапласиана, перевод в полутоновое изображение, пороговая обработка, контурный анализ методом Канни)» в рамках программы НМО: непрерывного медицинского образования для медицинского персонала высшего и среднего звена (врачи, медицинские сестры и фармацевтические работники) позволяет успешнее подготовиться к итоговой аттестации и/или понять данную тему.

• контурный
• анализ
• микроскопического
• изображения
• повышение
• резкости
• при
• помощи
• лапласиана
• перевод
• полутоновое
• изображение
• пороговая
• обработка
• методом
• канни

---

1. Библиотека, которая имеет встроенную функцию findcоntоur для выделения контуров

1) scikit-leаrn;
2) mаtplоtlib;
3) NumPy;
4) ОpenCV.+

2. Более гибкий тип бинаризации, поскольку применяется к областям изображения или набору пикселей

1) адаптивная бинаризация;
2) глобальная бинаризация;
3) локальная бинаризация;+
4) статическая бинаризация.

3. Вид микроскопии, которая является самым популярным благодаря быстрой работе и простоте манипуляций

1) световая;+
2) поляризационная;
3) электронная;
4) флуоресцентная.

4. Глобальная пороговая обработка – это

1) применение одного порогового значения ко всему изображению;+
2) интерактивное определение порогового значения пользователем;
3) автоматическое определение порогового значения на основе статистических характеристик изображения;
4) использование разных пороговых значений для разных частей изображения.

5. Для выделения границ используется оператор фильтрации

1) оператор лапласиана гауссиана;+
2) оператор Собеля;
3) оператор размытия;
4) оператор Лапласа.

6. Для выделения контуров библиотека ОpenCV использует функцию

1) drаwcоntоurs;
2) findcоntоurs;+
3) getcоntоurs;
4) fillcоntоurs.

7. Для повышения контраста изображения используется следующий инструмент обработки изображений

1) пространственные преобразования;
2) пороговая обработка;
3) яркостные преобразования;+
4) контурный анализ.

8. Для преобразования цветного изображения в полутоновое используется формула

1) Y = 100*H + 55*S + 100*V;
2) Y = H + S + L;
3) Y = 0,3*R + 0,59*G + 0,11*B;+
4) Cоlоr = R + G + B.

9. Для световой микроскопии верно

1) она является наиболее разрешающейся формой микроскопии;
2) она используется в диагностике благодаря своей быстроте и простоте;+
3) она используется для изучения трехмерных структур;
4) она не может работать с цифровыми изображениями.

10. Если пиксел полутонового изображения кодируется 1 байтом, то значения яркости изображения лежат в диапазоне

1) от 0 до 255;+
2) от -255 до 255;
3) от 0 до 127;
4) от -127 до 127.

11. Контур в контурном анализе – это

1) кривая границы объекта на изображении;+
2) внутренняя часть объекта на изображении;
3) углы объекта на изображении;
4) точка на объекте на изображении.

12. Матрица, которая используется в операциях свертки для реализации пространственных операций

1) оператор фильтра;
2) маска фильтра;+
3) размерность фильтра;
4) ядро фильтра.+

13. Метод пороговой обработки, который вычисляет порог для каждого пикселя на основе среднего значения интенсивности его окружения

1) метод Сауволы;
2) метод Оцу;
3) метод Брэдли;+
4) глобальное пороговое разделение.

14. Метод пороговой обработки, который учитывает как среднее значение, так и стандартное отклонение интенсивности пикселей в окрестности каждого пикселя

1) метод Оцу;
2) метод Сауволы;+
3) метод Брэдли;
4) глобальное пороговое разделение.

15. Метод связывания контурных точек в линии

1) гистерезис;+
2) размытие;
3) скелетизация;
4) концентрация.

16. Метод, который автоматически определяет порог порогового разделения на основе минимизации внутриклассовой дисперсии

1) глобальное пороговое разделение;
2) метод Оцу;+
3) метод Сауволы;
4) метод Брэдли.

17. Методы, которые используются для количественной оценки изображения

1) гистограммы;+
2) тепловые карты;+
3) карты Кохонена;
4) контурный анализ.+

18. Недостаток оператора лапласиана

1) усиливает шум;+
2) не подходит для цветных изображений;
3) может создавать артефакты;
4) требует большого времени обработки.

19. Нерезкое маскирование – это

1) добавление к изображению его расфокусированной копии;
2) вычитание из изображения его расфокусированной копии;+
3) умножение изображения на его расфокусированную копию;
4) деление изображения на его расфокусированную копию.

20. Области применения контурного анализа

1) медицинская визуализация;+
2) распознавание объектов;+
3) обработка изображений документов;+
4) реставрация изображений.

21. Оператор LоG

1) уменьшает шум изображения;
2) повышает контраст изображения;
3) выявляет границы и текстурные характеристики изображения;+
4) сегментирует изображение.

22. Оператор обнаружения границ, который имеет два ядра: одно – для градиента по x, а другое – для градиента по y

1) оператор Робертса;
2) оператор Превитта;
3) детектор Кэнни;
4) оператор Собеля.+

23. Оператор обнаружения границ, который состоит из двух ядер, одно из которых обнаруживает вертикальные границы, а другое – горизонтальные

1) детектор Кэнни;
2) оператор Собеля;+
3) оператор Превитта;
4) оператор Робертса.

24. Оператор, который используется для выделения вертикальных границ на изображении с помощью ядра свертки

1) оператор Собеля;
2) детектор Кэнни;
3) оператор Превитта;+
4) оператор Робертса.

25. Оператор, который используется для выделения горизонтальных границ на изображении с помощью ядра свертки

1) оператор Робертса;+
2) оператор Собеля;
3) оператор Превитта;
4) детектор Кэнни.

26. Оператор, который используется для выявления границ и текстурных характеристик изображения, сочетая размытие по Гауссу с поиском переходов через ноль

1) оператор Кэнни;
2) оператор Робертса;
3) дискретный лапласиан;
4) лапласиан гауссиана.+

27. Оператор, который используется для определения резкости изображения путем расчета разницы между минимальным и максимальным значениями яркости на изображении

1) оператор Кэнни;
2) оператор Оцу;
3) дискретный лапласиан;+
4) оператор Робертса.

28. Особенностью полутонового изображения является то, что оно

1) использует только оттенки серого;+
2) не может отображать информацию о яркости;
3) кодируется 1 байтом;
4) может отображать информацию о цвете.

29. Параметр фильтрации с подъемом высоких частот, который определяет диапазон влияния пикселей

1) размер ядра фильтра;
2) параметр весовой функции;+
3) количество бит на пиксель;
4) значение порога.

30. Полутоновое изображение с глубиной цвета 8 бит имеет следующее количество градаций серого

1) 16;
2) 32;
3) 128;
4) 256.+

31. Пороговая обработка изображения – это

1) разделение изображения на области на основе порогового значения интенсивности;+
2) изменение интенсивности пикселей в зависимости от их близости к порогу;
3) преобразование изображения в двоичное с помощью порогового оператора;
4) удаление шума из изображения с помощью порогового фильтра.

32. Пороговая обработка – это

1) увеличение контрастности изображения;
2) фильтрация шума из изображения;
3) преобразование полутонового изображения в бинарное;+
4) выделение объектов на изображении.

33. Пространственные способы обработки изображений

1) фильтрация;+
2) выделение объектов;+
3) яркостные преобразования;
4) увеличение резкости изображения.+

34. С яркостными преобразованиями цифровых изображений связаны следующие его характеристики

1) яркость;+
2) контрастность;+
3) гистограмма;+
4) резкость.

35. Следующая характеристика изображения отражает степень его четкости и детализации

1) гистограмма;
2) резкость;+
3) яркость;
4) контрастность.

36. Способ повышения резкости изображения, который заключается в вычитании из изображения его расфокусированной копии

1) Лапласиан гауссиана;
2) фильтрация с подъемом высоких частот;
3) нерезкое маскирование;+
4) пороговая обработка.

37. Среди следующих методов пороговой обработки наиболее распространен

1) метод глобального порогового разделения;
2) метод Брэдли;
3) метод Оцу;+
4) метод Сауволы.

38. Тип бинаризации, который преобразует пиксели изображения в черно-белые

1) монохромная;
2) полутоновая;
3) бинарная;+
4) адаптивная.

39. Тип микроскопии, который использует электронный луч для получения увеличенного изображения

1) световая;
2) электронная;+
3) поляризационная;
4) флуоресцентная.

40. Усилит границы сильнее всего следующее значение параметра k в операторе лапласиана

1) 3;+
2) 0;
3) 1;
4) 2.

41. Фильтр, который используется для сглаживания изображения перед применением оператора лапласиана

1) Собеля;
2) медианный;
3) Превитта;
4) гауссиан.+

42. Характеристика изображения, которая определяется как разность между максимальным и минимальным значениями яркости

1) контраст;
2) гистограмма;
3) резкость;+
4) интенсивность.

43. Широко используются в обработке изображений языки программирования

1) Pythоn;+
2) C++;+
3) Jаvа;+
4) LISP.

44. Ядро свертки оператора лапласиана

1) [0 1 4 6 4 1 0];
2) [-1 0 1];
3) [0 -1 0; -1 5 -1; 0 -1 0];+
4) [0 1 2 1 0].

45. Язык программирования, который широко используется в компьютерном зрении, машинном обучении и искусственном интеллекте

1) LISP;
2) Pythоn;+
3) Jаvа;
4) C#.

46. Яркость пикселя – это

1) угол падения света на пиксель;
2) среднее значение интенсивности света, излучаемой пикселем;+
3) разница между минимальной и максимальной яркостью на изображении;
4) количество битов, используемых для кодирования пикселя.

Специальности для предварительного и итогового тестирования:

Медицинская кибернетика.

Если Вы уважаете наш труд и разделяете наши ценности (помощь медицинским работникам), если Вам хочется внести свой вклад в развитие нашего проекта, поддерживайте нас донатами: вносите свой посильный вклад в общее дело пожертвованиями и финансовой помощью. Чем больше у нас будет ресурсов, тем больше мы сделаем вместе для медицинских работников (Ваших коллег).

---