đề thi và đáp án xử lý ảnh trong công nghiệp

Vi điều khiển là một máy tính được tích hợp trên một chip, nó thường được sử dụng để điều khiển các thiết bị điện tử. Vi điều khiển, thực chất, là một hệ thống bao gồm một vi xử lý có hiệu suất đủ dùng và giá thành thấp (khác với các bộ vi xử lý đa năng dùng trong máy tính) kết hợp với các khối ngoại vi như bộ nhớ, các module vàora, các module biến đổi số sang tương tự và tương tự sang số,... Ở máy tính thì các module thường được xây dựng bởi các chip và mạch ngoài. Vi điều khiển thường được sử dụng để xây dựng các hệ thống nhúng. Nó cũng được sử dụng trong các thiết bị điện, điện tử như máy giặt, lò vi sóng, điện thoại, đầu đọc DVD, thiết bị đa phương tiện hay dây chuyền sản xuất tự động,... 403 PowerPC CPU PPC 403GCX 405 PowerPC CPU PPC 405EP PPC 405GPCR PPC 405GPr PPC NPe405HL 440 PowerPC BookE CPU PPC 440GP PPC 440GX PPC 440EPEPxGRx PPC 440SPSPe Họ vi điều khiển Atmel Dòng 8051 (8031, 8051, 8751, 8951, 8032, 8052, 8752, 8952) Dòng Atmel AT91 (Kiến trúc ARM THUMB) Dòng AT90, Tiny Mega – AVR (Atmel Norway design) Dòng Atmel AT89 (Kiến trúc Intel 8051MCS51) Dòng MARC4 Họ vi điều khiển Cypress MicroSystems CY8C2xxxx (PSoC) Họ vi điều khiển Freescale Semiconductor. Từ năm 2004, những vi điều khiển này được phát triển và tung ra thị trường bởi Motorola. Dòng 8bit 68HC05 (CPU05) 68HC08 (CPU08) 68HC11 (CPU11) Dòng 16bit 68HC12 (CPU12) 68HC16 (CPU16) Freescale DSP56800 (DSPcontroller)

Số hiệu: BM1/QT-PĐBCL-RĐTV Trang 1/5

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH

KHOA CƠ KHÍ CHẾ TẠO MÁY

BỘ MÔN CƠ ĐIỆN TỬ

-ĐÁP ÁN CUỐI KỲ HK I NĂM HỌC 2018-2019 Môn: XỬ LÝ ẢNH CÔNG NGHIỆP

Mã môn học: IIPR422529 -

Câu 1: (3đ)

Xây dựng và cài đặt thuật toán cân bằng histogram tự động (2đ)

Tại sao cân bằng histogram lại làm cho ảnh đẹp hơn? (1đ)

Trong xác suất, tích phân của hàm mật độ là hàm phân phối Công thức trên có w là biến liên tục,

ta không thể lập trình nó Ta phải dùng công thức rời rạc:

0

)(với k= 0,1,2,…,L-1

void HistogramEqualization(Mat imgin, Mat imgout)

Mat w1 = getStructuringElement(MORPH_ELLIPSE, Size(81, 81));

morphologyEx(imgin, imgout, MORPH_TOPHAT, w1);

r = imgout.at<uchar>(x, y);

if (r == L - 1) {

floodFill(imgout, Point(y, x), CV_RGB(color, color, color));

dem++;

color++;

} }

r = imgout.at<uchar>(x, y);

if (r > 0)

a[r]++;

} int max = 0;

RU'CSNG DAI HOC SU' PHAM KY THUAT

THANH PHO HO CHI MINH

KHOA CO KHI CHE TAO MAY

BO MON C O D IEN TtT

DAP AN CUOI KY HK I NAM HOC 2019-2020 Mon: Xff LY ANH CONG NGHlEP

MS mon hoc: IIPR422529

Be so: 01 Be thi co 02 trang Ng^ythi: 16/12/2019 Thai gian: 75 phut

Buoc phep su dung tai lieu giay

Cau 2: (3d)

Xay dung va cai dat thuat toan loai bo cac hat gao nho hon 90% hat gao lan nhat, tuc la trong anh chi con lai nhirng hat gao lan

Trang 1/5

Dap an:

void RemoveSmallRice(Mat imgin, Mat imgout)

{

// B1

Mat w l = getStructuringElement(MORPH_ELLIPSE, Size(81, 81));

morphologyEx(imgin, imgout, MORPH_TOPHAT, w l);

# CONV => RELU => POOLmodel.add(Conv2D(50, kernel_size=5, padding="same")) model.add(Activation("relu"))

model.add(MaxPooling2D(pool_size:=(2, 2), strides=(2, 2)))

# Flatten => RELU layers model add(Flatten()) model.add(Dense(500)) model.add(Activation("relu"))

# a softmax classifier

model.add(Dense(classes)) model.add(Activation("softmax"))

a Hay ve so do khoi cua mang nof-ron chap tren

b Cho biet so luong tham so cua cac bo loc trong cac lop chap (co tmh nut bias)

c Cho biet so luong trong so cua lap ket noi day du (co tinh nut bias)

Dap an:

Trang 3/5

activation_l (Activation) (None, 20, 28, 28) 0

uax_pooling2d_l (MaxPooling2 (None, 20, 14, 14) 0

conv2d_2 (Conv2D) (None, 50, 14, 14) 25050

activation_2 (Activation) (None, 50, 14, 14) 0

nax_pooling2d_2 (MaxPooling2 (None, 50, 7, 7) 0

flatten_l (Flatten) (None, 2450) 0

dense_l (Dense) (None, 500) 1225500

activation_3 (Activation) (None, 500) 0

dense_2 (Dense) (None, 10)

activation_4 (Activation) (None, 10)

a Determine the size of the output image if zero-padding is 0 and stride is 1 (0.5 points)

b Compute the output image as the convolution o f the input image and the filter (1.5 points)

HET -Ghi chu: Can bo coi thi khong g ia i thick de thi.

Thong qua bQ mon

(ky va ghi ro ho ten)

Ngay 23 thang 12 nam 2019

GV lam dap an

(ky va ghi ro ho ten)

T I O /

Trang 5/5

T R U IN G DAI HOC SU' PHAM KY THUAT

thAnh ph6 ho chi' minh

KHOA CO KHI CHE TAO MAY

BO MON CO DIEN TU”

BE THI CUOI KY HK I NAM HOC 2019-2020 Mon: XU LY ANH CONG NGHIfiP

Ma mon hoc: IIPR422529

Be so: 01 Be thi co 02 trang Ngaythi: 16/12/2019 Thai gian: 75 phut

Buoc phep sir dung tai lieu giay

Cau 1: (2d)

Xay dung va cai dat thuat toan lam tang do net cua anh bang mat na Laplace (2d)

Tai sao mat na Laplace lai lam tang do net cua anh? (0.5d)

# CONV => RELU => POOLmodel.add(Conv2D(50, kernel_sizer-5, padding="same")) model add( Act i vati on (" re 1 u"))

model.add(MaxPooling2D(pool size~(2, 2), strides= (2 2)))

H Flatten => R£LU layers

,i n o d e 1 a d d (F1 a t ten ()) model add(Den.se( 5 Of))) mode! add(Aoiivation(v'reIn"))

A a soltmax classifier model ,add( Dense(classes)) model add(Activation("softmax'’))

a Hay ve so' do khoi cua mang no-ron chap tren.

b Cho bi€t s6 lugng tham so cua cac bo loc trong cac lap chap (co tinh nut bias)

c Cho biet so lugng trong so cua lop ket noi day du (co tinh nut bias)

HET -Ghi chu: Can bo coi thi khong giai thick de thi.

Oman dau ra cua hoc phan (ve kien thuc) Noi dong idem fra

fG 2.11: Nam duac cac phuang phap xic ly anh co ban Cau 1,3, 4

[G 2.2]: Tim duac phw ongphap giai quyet mot so bai loan

x u ly anh bang each ket hop mot hoac nhieu phuang phap

Cau 2

[G 3]: Hieu duoc cac thudl ngu tieng Anh co ban dung trong

xu ly anh

Cau 4

Ngay 8 thang 12 nam 2019

T hong qua bo mon

(ky va ghi ro ho ten)

C-Qui-cna 7