图像处理面试题(图像处理与画质提升面试经验)
图像处理面试题(图像处理与画质提升面试经验)操作系统,进程,线程,互斥,死锁计算机网络协议,UDP TCP/IP等竞赛经历对公司的看法:创业板,挺大,有潜力数据结构常见结构与算法,归并排序,快速排序,链表,队列,栈,查找等,
- 个人介绍环节
教育背景
实践活动
项目经历
兴趣爱好
竞赛经历
对公司的看法:创业板,挺大,有潜力
- 课程基础
数据结构常见结构与算法,归并排序,快速排序,链表,队列,栈,查找等,
计算机网络协议,UDP TCP/IP等
操作系统,进程,线程,互斥,死锁
- 项目原理解释
svm原理,决策树算法,卷积神经网络原理,K-means和dbscan算法原理
- 图像基础
色彩模式:RGB(三原色),HSV(色相,饱和度,明度)
饱和度:指色彩的鲜艳程度,也称作纯度。在hue-saturation-value(HSV)色彩模型下,饱和度是色彩的3个属性之一,另外两个属性为色相(hue)和明度(value);在此模型下色相的取值范围为0°到360°,饱和度和明度取值范围为0到100%。在色彩学中,原色饱和度最高,随着饱和度降低,色彩变得暗淡直至成为无彩色,即失去色相的色彩。作为信息的载体,色彩不仅依附于设计形式,还作为一个主体来完成信息传达的过程。对于艺术设计来说,色彩的运用与设计是其重要的部分,在实际应用中,依据饱和度高低值将色彩分为低饱和度对比、中饱和度对比和高饱和度对比3个基本种类以及饱和度组合对比一个衍生种类。
白平衡:纠正色温,还原拍主体的色彩,使在不同光源条件下拍摄的画面同人眼观看的画面色彩相近。
色温:色温是照明光学中用于定义光源颜色的一个物理量。即把某个黑体加热到一个温度,其发射的光的颜色与某个光源所发射的光的颜色相同时,这个黑体加热的温度称之为该光源的颜色温度,简称色温,单位用K表示。
色温低的光偏黄,比如白炽灯、2800K左右,色温高的光偏蓝,比如紫光灯,9000K以上。一般认为,标准白色光色温为6500K,CRT所发出的白光约为5500K,所以稍微改变三基色的混合比例,即可模拟出增减色温的效果,利用色温的原理实现的摄影、摄像、显示等设备的变化的过程称为色温效应。
景深:景深(DOF),是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。
光圈:光圈是一个用来控制光线透过镜头,进入机身内感光面光量的装置,它通常是在镜头内。大光圈的镜头,F数小,光圈数小;小光圈的镜头,F数大。
- 常见图像处理算法
二值化:二值化操作即利用分割阈值u,将图片分为前景后景两部分。OSTU大律法认为使得前景像素和背景像素灰度方差g最大的阈值即为最佳分割阈值。
滤波:高斯滤波和中值滤波,高斯滤波即使用二维高斯函数作为滤波函数,中值滤波即使用邻域的中位数作为滤波函数。
高斯滤波器为线性滤波器,可以有效消除高斯噪声。由于高斯函数离中值越近权重越大,因此相对于均值滤波器更加柔和,对边缘的保留效果更好。
去噪:均值滤波算法:也称线性滤波,主要思想为邻域平均法,即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声,但容易引起图像模糊,可以对其进行改进,主要避开对景物边缘的平滑处理。
中值滤波:基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域,一般为方形邻域,也可以为圆形、十字形等等,然后将邻域中各像素的灰度值排序,取其中间值作为中心像素灰度的新值,这里领域被称为窗口,当窗口移动时,利用中值滤波可以对图像进行平滑处理。其算法简单,时间复杂度低,但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。
Wiener维纳滤波:使原始图像和其恢复图像之间的均方误差最小的复原方法,是一种自适应滤波器,根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。
傅立叶变换: 图像的二维傅立叶变换可以观察图像的频谱,再进行逆变换即可复原图像。
前景分离:目前主流的前景分离为深度学习算法。这里只使用了最基本的阈值分离法,分别为RGB三个通道设置不同阈值,将小于阈值的像素作为背景,大于阈值的作为前景。
图像分割:同k-means和dbscan算法。
- Linux系统常见命令
Sudo:开启用户权限
Vim:打开文本编辑器来编辑文本
apt-get install:下载包
Gcc:编译C语言程序
g :编译C 语言程序
Tar:解压压缩包
Ping:发送流量包
Wget:下载浏览器里的文件
Tcpdump:抓包
su root:开启系统权限
ls:列出目录下的文件
cd: 切换目录