图像处理方面的笔试面试题目及回答总结整理21~40

目录

21.二维高斯滤波能否分解成一维操作

22.图像去噪算法

23.HOG 算法

24.高斯滤波

25.均值滤波

26.中值滤波

27.双边滤波

28.图像中的低频信息和高频信息

29.直方图均衡化

30.相机标定方法与流程

31.分水岭算法

32.RANSAC算法

33.Bundle Adjustment（BA）算法

34.L-M 算法

35.SIFT算法

36.SURF 算法

37.ORB 算法

38.LSD 算法

39. LBP 算法

40. KCF算法

---

21.二维高斯滤波能否分解成一维操作

答：可以分解。

二维高斯滤波分解为两次一维高斯滤波，高斯二维公式可以推导为X轴与Y轴上的一维高斯公式。

即使用一维高斯核先对图像逐行滤波，再对中间结果逐列滤波。

22.图像去噪算法

目前比较经典的图像去噪算法主要有以下三种：
 
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ÿ