Course数字图像处理 Week2习题(Image and Video Processing: From Mars to Hollywood with a Stop at the Hospital)

本文主要是介绍Course数字图像处理 Week2习题(Image and Video Processing: From Mars to Hollywood with a Stop at the Hospital),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Week2习题——Image and Video Processing: From Mars to Hollywood with a Stop at the Hospital

1.Suppose we have an image with 256 different gray levels. All the gray values appear an equal number of times.Will variable-length coding lead to any compression in this image without additional processing?

假设我们有一幅有256个不同灰度的图像。所有灰色值出现的次数相等。可变长度编码会导致在没有额外处理的情况下对图像进行压缩吗?

Yes

No

解释: 可变长度编码即Haffman Coding,主要对于出现灰度次数不同进行编码,出现次数最多的用较短的数字进行编码,而出现次数少的则用稍微长的进行编码,达到最好的压缩率,所有灰度值出现的次数相同,不进行处理,不可以进行压缩。

2.How can lossless image compression be achieved for the image in Question 1?

如何对问题1中的图像进行无损压缩?

A.Lossless compression will never be achieved for such image.

这种图像永远无法实现无损压缩

B.Via predictive coding.

通过预测编码

C.Erasing pixels.

 擦除像素

D.Performing a DCT.

执行DCT(离散余弦变换)

3.How many unique sets of Huffman codes can you construct for an image with only 3 different pixel values (e.g., all the image is composed of 0s, 255s, and 128s)?

对于只有3个不同像素值的图像(例如,所有的图像都是由0、255和128组成的),你能构造多少个独特的霍夫曼编码集?

A.Infinity

B.3

C.2

D.5

0 10 11

解释: 三个不同的像素值编码集可以是1 00 01,或者 0 10 11,共两种

4.For an image with intensities 21, 95, 169 and 243; and respective probabilities 3/8, 1/8, 1/8, and 3/8; the length of the corresponding variable-length code created by the Huffman coding procedure are

对于强度为21,95,169和243的图像;以及各自的概率3/8,1/8,1/8,3/8;由霍夫曼编码过程创建的相应的变长代码的长度为

A.2, 2, 2, 2

B.1, 3, 3, 2

C.1, 4, 4, 1

D.1, 2, 2, 1

解释: 如图在这里插入图片描述

5.The main source of error (lossy compression) in JPEG is

JPEG格式的主要误差来源(有损压缩)是

The variable-length (Huffman) coding.

The division into 8x8 blocks.

The DCT.

The quantization.

解释: 量化的过程会产生误差,在量化器中,被分为有限个灰度值,进行处理

6.In lossless image compression, prediction can be based on any pixel in the image.

在无损图像压缩中,预测可以基于图像中的任何像素。

False

True

解释: 因为编码要和解码对应,所以解码的时候只能看到当前像素之前的灰度值,无法看到未来的,所以,编码阶段只能在前面灰度值已知情况来推断后面像素的情况

7.A reason for using DCT (instead of Fourier, for example) in JPEG is

在JEPG中没有使用傅里叶而是使用离散余弦变换的一个原因是

A.No particular reason

没有特殊原因

B.It is simpler to compute

它计算容易

C.Its favorable periodicity property

它更具有周期性

D.It is real while Fourier is complex

傅里叶变换是复数,DCT是实数

解释:

8.Since we must encode all pixels in the image, JPEG needs at least a bit per pixel and therefore in a 256 levels image (8 bits), it can only achieve up to 8:1 compression.

假设我们对图像的每个像素编码,JPEG需要至少每个像素使用1bit,因此在256个灰度级(8bits)图像中可以达到8:1的压缩率

True

False

解释:

9.In JPEG, if we double the quantization step, then we double the compression ratio.

在JPEG中,如果我们将量化矩阵使用两次处理,我们可以达到两倍的压缩率

True

False

解释:

10.Without JPEG or a similar compression technique, digital cameras will no be as popular as they are today.

没有JPEG或者简单的压缩技术,数码相机将不会像今天这么流行

True

False

这篇关于Course数字图像处理 Week2习题(Image and Video Processing: From Mars to Hollywood with a Stop at the Hospital)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/247533

相关文章

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

lvgl8.3.6 控件垂直布局 label控件在image控件的下方显示

在使用 LVGL 8.3.6 创建一个垂直布局,其中 label 控件位于 image 控件下方,你可以使用 lv_obj_set_flex_flow 来设置布局为垂直,并确保 label 控件在 image 控件后添加。这里是如何步骤性地实现它的一个基本示例: 创建父容器:首先创建一个容器对象,该对象将作为布局的基础。设置容器为垂直布局:使用 lv_obj_set_flex_flow 设置容器

Apple quietly slips WebRTC audio, video into Safari's WebKit spec

转自:http://www.zdnet.com/article/apple-quietly-slips-webrtc-audio-video-into-safaris-webkit-spec/?from=timeline&isappinstalled=0 http://www.zdnet.com/article/apple-quietly-slips-webrtc-audio-video-

第六章习题11.输出以下图形

🌏个人博客:尹蓝锐的博客 希望文章能够给到初学的你一些启发~ 如果觉得文章对你有帮助的话,点赞 + 关注+ 收藏支持一下笔者吧~ 1、题目要求: 输出以下图形

【C++ Primer Plus习题】12.2

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "String.h"using namespace std;int main(){String s1(" and I am a

《计算机视觉工程师养成计划》 ·数字图像处理·数字图像处理特征·概述~

1 定义         从哲学角度看:特征是从事物当中抽象出来用于区别其他类别事物的属性集合,图像特征则是从图像中抽取出来用于区别其他类别图像的属性集合。         从获取方式看:图像特征是通过对图像进行测量或借助算法计算得到的一组表达特性集合的向量。 2 认识         有些特征是视觉直观感受到的自然特征,例如亮度、边缘轮廓、纹理、色彩等。         有些特征需要通

《数字图像处理(面向新工科的电工电子信息基础课程系列教材)》P98

更改为 差分的数学表达式从泰勒级数展开式可得: 后悔没听廖老师的。 禹晶、肖创柏、廖庆敏《数字图像处理(面向新工科的电工电子信息基础课程系列教材)》 禹晶、肖创柏、廖庆敏《数字图像处理》资源二维码

c++习题30-求10000以内N的阶乘

目录 一,题目  二,思路 三,代码    一,题目  描述 求10000以内n的阶乘。 输入描述 只有一行输入,整数n(0≤n≤10000)。 输出描述 一行,即n!的值。 用例输入 1  4 用例输出 1  24   二,思路 n    n!           0    1 1    1*1=1 2    1*2=2 3    2*3=6 4

MonoHuman: Animatable Human Neural Field from Monocular Video 翻译

MonoHuman:来自单目视频的可动画人类神经场 摘要。利用自由视图控制来动画化虚拟化身对于诸如虚拟现实和数字娱乐之类的各种应用来说是至关重要的。已有的研究试图利用神经辐射场(NeRF)的表征能力从单目视频中重建人体。最近的工作提出将变形网络移植到NeRF中,以进一步模拟人类神经场的动力学,从而动画化逼真的人类运动。然而,这种流水线要么依赖于姿态相关的表示,要么由于帧无关的优化而缺乏运动一致性