Список вопросов по курсу
“Технологии распознавания изображений и компьютерное зрение” 2026.
1. Этапы формирования изображения. Оптическая система, сенсор, изображение в виде файла данных.
2. Типы (цветное, оттенки серого, черно-белое) и форматы записи изображений.
3. Оптический спектр, длины волн видимого света. Спектр излучения абослютно-черного тела, спектр солнца. Цветовая температура. Поглощение света в атмосфере.
4. Отражающая способность. Спектр на изображении с учетом освещения, поглощения и отражающей способности.
5. Тристимулус. Цветовые схемы RGB и CMYK. Особенности применения, переход от одной схемы к другой.
6. Спектральная чувствительность человеческого глаза. Суммарно-разностные схемы. Болезни связанные с цветовосприятием (примеры нарушения цветовосприятия)
7. Оптические схемы, используемые для получения изображений. Фокусное расстояние. Матрицы для получения черно-белого и цветного изображений. Связь разрешения на объекте и разрешения на изображении.
8. Связь апертуры объектива, глубины резкости и фокусного расстояния.
9. Контраст изображения. МТF, методы измерения.
10. Функция отображения точки (PSF). Влияние на качество изображения.
11. Контраст изображения. Гамма – коррекция, применение.
12. Выравнивание гистограммы. Построение функции преобразования S(r)
13. Пространственная фильтрация. Маска изображения. Свертка изображения с маской. Низко, средне и высокочастотная фильтрация.
14. Типы пространственных фильтров: равномерный и Гауссов фильтр. Сравнение на примере высокочастотного фильтра с различным размером маски (3х3, 7х7, 31х31)
15. Виды шумов на изображении: Гауссов, периодический, соль-перец и д.р. и их функции распределения.
16. Применение арифметического, медианного, Гауссова, контргарамонического фильтра для удаления шумов.
17. Лапласиан, применение для повышения резкости изображения. Нерезкое маскирование. Примеры пространственных фильтров для реализации Лапласиана
18. Выделение линий на изображении. Применение градиента. Фильтр Собола. Выделение линий различной ориентации.
19. Сегментация изображений. Методы сегментации.
20. Перцептрон. Примение для классификации. Ограничения. Обучение.
2
1.
Модель нейрона. Функции
активации. Преимущества и недостатки
различных фунций активации.
22. Многослойные сети. Полносвязная сверточная сеть (FCNN).
23. Уравнение обратного распространения. Матричная запись уравнений
24. Методы обучения нейронных сетей.
25. Сверточная нейронная сеть. Особенности, преимущества.
26. Глубокая сверточная нейронная сеть. Пример применения на основе распознавания цифр.
27. Метод Отсусун.
1. Этапы формирования изображения. Оптическая система, сенсор, изображение в виде файла данных.
Процесс формирования цифрового изображения разделяется на три последовательных этапа преобразования энергии и данных.
1. Оптическая система (Световой этап)
Задача — построение действительного оптического изображения объекта на плоскости сенсора.
Сбор света: Объектив собирает фотоны, отраженные от объекта.
Фокусировка: Линзы преломляют лучи так, чтобы они сошлись в одной точке (фокусе).
Фильтрация: Прохождение через диафрагму (ограничение потока) и оптические фильтры (ИК-фильтр(оптический элемент, который устанавливается перед матрицей цифровой камеры для блокировки инфракрасного излучения), антиалиасинговый фильтр (оптический фильтр низких частот, устанавливаемый непосредственно перед матрицей камеры), фильтр Байера для цветных матриц).
Результат: Распределение освещенности (непрерывная аналоговая картинка) на поверхности матрицы.
2. Сенсор (Фотоэлектрический этап)
Задача — преобразование энергии фотонов в электрические сигналы.
Накопление заряда: Каждый пиксель матрицы поглощает фотоны и генерирует электроны (фотоэффект). Количество накопленного заряда пропорционально яркости света в данной точке.
Считывание: Заряды последовательно считываются с матрицы и преобразуются в напряжение.
Квантование (АЦП): Аналого-цифровой преобразователь превращает значения напряжения в дискретные числа (уровни яркости).
Результат: Массив «сырых» цифровых данных (RAW), где каждому пикселю соответствует числовое значение интенсивности.
3. Формирование файла изображения (Этап обработки)
Задача — интерпретация данных сенсора и сохранение их в стандартном формате.
Дебайеризация (для цветных систем): Вычисление полного RGB-цвета для каждой точки на основе данных соседних пикселей.
Коррекция: Применение баланса белого, гамма-коррекции, повышение резкости и шумоподавление.
Сжатие: Кодирование данных для уменьшения объема (без потерь — PNG/TIFF, или с потерями — JPEG).
Метаданные: Добавление служебной информации (EXIF: параметры съемки, дата, модель камеры).
Результат: Готовый файл данных (например, .jpg), пригодный для отображения и хранения.