诺瓦笔试

一 填空题

1 用到了|AB|=|A||B|。

题：A=（a1,a2,a2）ai是列向量。B的列是a1,a2,a3的组合。已知|A|，求|B|。

2 概率，两个独立的高斯分布的线性组合的期望和方差

3 概率,0-9数字随机选择三个，最大的数不是5的概率。

较为简单。

反面：1-C(5,2)/C(10,3)=11/12

或者正面来：(C(5,3)+C(4,1)*C(6,2)+C(4,3)+C(4,2)*C(6,1))/C(10,3)。

4 简单向量垂直的性质

5  CMYK的C和Y混合的颜色。

6 gamma变换的γ大于1的情况。

9 简单的卷积知识

10  简单的神经网络计算

二 逻辑题

1. 简单的推理题

2 有一块正方形蛋糕，左上角1/4切下，剩下3/4如果分配给4个人，形状一样。

也不算难。

三 综合题

1 简单的RGB转灰度，边缘提取，锐化和模糊的知识。

2  简单的空域滤波和频域滤波知识。

低通滤波可以做锐化吗?显然不能啊。

0 -1 0

-1 4 -1 

0 -1 0

和

-1 -1 -1 

-1 8 -1 

-1 -1 -1 

滤波的区别。

import cv2
from matplotlib import pyplot as plt
import numpy as np
a = cv2.imread("timg.jpg")
b = np.array([[0, -1, 0], [-1, 4, -1], [0, -1, 0]])
c = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])
d = cv2.filter2D(a, -1, b)
e = cv2.filter2D(a, -1, c)
plt.subplot(1, 3, 1)
plt.imshow(a, cmap='gray')
plt.subplot(1, 3, 2)
plt.imshow(d, cmap='gray')
plt.subplot(1, 3, 3)
plt.imshow(e, cmap='gray')
plt.show()

第一个对于提取水平竖直的边缘比较有效，而第二个几乎各个方向的都能提取。

注意边缘提取和锐化的区别：

边缘提取的kernel的和为0，而锐化则为1，其实锐化=原图+边缘图

import cv2
from matplotlib import pyplot as plt
import numpy as np
a = cv2.imread("timg.jpg")
b = np.array([[0, -1, 0], [-1, 4, -1], [0, -1, 0]])
c = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])
d = cv2.filter2D(a, -1, b)
e = cv2.filter2D(a, -1, c)
plt.subplot(1, 3, 1)
plt.imshow(a, cmap='gray')
plt.subplot(1, 3, 2)
plt.imshow(d, cmap='gray')
plt.subplot(1, 3, 3)
plt.imshow(e, cmap='gray')
plt.show()

3 想办法分离远近光灯。大概就是RGB转灰度然后滤波形态学处理噪点和孤立点，然后图像增强对比度，这样近光灯和远光灯的亮度就不同了，然后阈值分割即可。

4 算法题：

桌子上一堆红包，切两刀，分为三组，如果第一组和第三组的总金额相同，输出总金额（可以为空）。

要求c/c++。

这个思路不难，先比较左1和右1，如果左1<右1，比较左1+左2和右1，以此类推，直到两刀相遇，如果此时还不等，那就返回0。

复杂度为O(n)。

#include <iostream>
using namespace std;
int main(int argc, char const *argv[])
{int hb[]={2,3,5,6,2,1,8,9,1,4};int l=sizeof(hb)/sizeof(int);int *s=hb,*e=hb+l-1;int sum1=*s,sum2=*e;while(s<=e){if (sum1==sum2){cout<<sum1;exit(0);}else{if (sum1>sum2){e--;sum2+=*e;}else{s++;sum1+=*s;}}}cout<<0;return 0;
}

1s以内。

验证：

2+3=3+1+1=5。应该没啥问题。