Test sobre Fundamentos del Procesamiento de Imágenes

Pregunta 1: La matriz de transformación para escalado incorpora los factores de escala 'sx' y 'sy' en su diagonal principal.

A. Ano

B. Ne

Explicación: La imagen titulada 'Matriz de transformación para escalado' muestra una matriz donde los elementos en la diagonal principal son 'sx' y 'sy', representando los factores de escala en los ejes X e Y respectivamente.

Pregunta 2: Según los materiales de estudio, ¿qué operación describe el 'Escalado redimensionado' en relación con la matriz de transformación y el vector de posición de pixel?

A. Es la suma de la matriz de transformación con el vector de posición de pixel.

B. Es la resta del vector de posición de pixel a la matriz de transformación.

C. Es el producto de la matriz de transformación con modificaciones en el espacio (0,0), (1,1) y el vector de posición de pixel.

D. Es la división del vector de posición de pixel entre la matriz de transformación.

Explicación: El material de estudio define el escalado redimensionado como 'el producto de la matriz de transformación con modificaciones en el espacio (0,0), (1,1) y el vector de posición de pixel'.

Pregunta 3: Al calcular un histograma para una imagen a color utilizando cv2.calcHist, el canal con índice [0] se usa para obtener el histograma del color azul.

A. Ano

B. Ne

Explicación: Los materiales de estudio indican que para una imagen a color, el canal [0] corresponde al color azul, el canal [1] al color verde y el canal [2] al color rojo.

Pregunta 4: ¿Cuál de las siguientes afirmaciones sobre la multiplicación y división de imágenes con OpenCV es correcta según el material de estudio?

A. La multiplicación de imágenes se realiza exclusivamente con la función `cv2.substract()`.

B. La división de imágenes se lleva a cabo utilizando la función `cv2.divide()`.

C. Tanto la multiplicación como la división requieren que las imágenes tengan dimensiones y número de canales diferentes.

D. La función `cv2.multiply()` se utiliza para realizar la multiplicación entre dos imágenes.

Explicación: Según el material de estudio, la división de imágenes se realiza con `cv2.divide(imagen1, imagen2)`. Además, se muestra en el código un ejemplo explícito de `resultadoMultiplicacion = cv2.multiply(img1, img2)`. La afirmación sobre `cv2.substract()` para multiplicación es incorrecta ya que el código de ejemplo claramente utiliza `cv2.multiply()` para esa operación, aunque haya una inconsistencia textual. Las operaciones aritméticas como la suma, resta, multiplicación y división generalmente requieren que las imágenes tengan las mismas dimensiones y número de canales, no diferentes.

Pregunta 5: Los materiales de estudio indican que el umbral automático de Otsu y los umbrales adaptativos (ADAPTIVE_THRESH_MEAN_C, ADAPTIVE_THRESH_GAUSSIAN_C) son los únicos tipos de umbralización disponibles en Python.

A. Ano

B. Ne

Explicación: Los materiales de estudio mencionan explícitamente otros tipos de umbralización además de Otsu y los adaptativos. Estos incluyen THRESH_BINARY, THRESH_BINARY_INV, THRESH_TOZERO o THRESH_TOZERO_INV, y el umbral fijo, todos aplicables en Python.