Quiz: Manipulation et Visualisation d'Images en Python — 9 Fragen

1. Comment appliquer la fonction appropriée pour importer une image et la visualiser en couleur en utilisant Python avec matplotlib ?

A. Utiliser imread() directement dans plt.plot() pour charger et afficher l'image.

B. Utiliser plt.imread() pour charger l'image, puis plt.imshow() pour l'afficher et plt.show() pour rendre visible.

C. Utiliser matplotlib.image pour importer l'image, puis plt.plot() pour la visualiser.

D. Utiliser plt.show() pour charger l'image, puis plt.imshow() pour l'afficher.

Answer: (B)

Erklärung

La méthode correcte consiste à utiliser plt.imread() pour charger l'image dans un tableau numpy, puis plt.imshow() pour la visualiser en couleur, et enfin plt.show() pour afficher la fenêtre. Les autres options sont incorrectes car elles omettent une étape ou utilisent une fonction inappropriée pour la visualisation.

2. Quelle fonction de matplotlib permet d'importer une image en tant que tableau numpy ?

A. imshow()

B. imread()

C. savefig()

D. plt()

Answer: (B)

Erklärung

La fonction `imread()` du module `matplotlib.image` permet d'importer une image et de la convertir en tableau numpy. Les autres fonctions ont des usages différents : `imshow()` pour afficher, `savefig()` pour sauvegarder un graphique.

3. En quelle année la fonction imread du module matplotlib.image a-t-elle été officiellement ajoutée ou documentée dans la bibliothèque matplotlib ?

A. 2012

B. 2016

C. 2014

D. 2010

Answer: (A)

Erklärung

La fonction imread dans matplotlib.image a été introduite et documentée dans la version 1.1.0 de matplotlib, publiée en 2012. La réponse correcte est donc 2012, ce qui correspond à cette version.

4. Quelle est la dimension typique du tableau numpy représentant une image en couleur en Python ?

A. (hauteur, largeur)

B. (hauteur, largeur, 3)

C. (3, hauteur, largeur)

D. (largeur, hauteur, 3)

Answer: (B)

Erklärung

Le tableau numpy d'une image couleur est généralement tridimensionnel avec la troisième dimension représentant les trois composantes RGB, donc (hauteur, largeur, 3).

5. Que représente chaque triplet `[R, V, B]` dans le tableau Mim ?

A. Les coordonnées géographiques du pixel

B. Les composantes de couleur rouge, vert, bleu du pixel

C. Les valeurs d'intensité lumineuse et de saturation

D. Les dimensions physiques du pixel en mm

Answer: (B)

Erklärung

Chaque triplet `[R, V, B]` représente les composantes de couleur pour le pixel, avec R pour rouge, V pour vert, et B pour bleu, codées sur 8 bits entre 0 et 255.

6. Quelle méthode permet de connaître la taille (dimensions) du tableau numpy représentant l'image ?

A. dim()

B. size()

C. shape()

D. length()

Answer: (C)

Erklärung

La méthode `shape()` retourne les dimensions du tableau numpy, ce qui est essentiel pour connaître la taille de l'image en hauteur, largeur et la profondeur des couleurs.

7. En quelle année la fonction `imread()` de matplotlib a-t-elle été officiellement documentée ?

A. 2010

B. 2012

C. 2008

D. 2015

Answer: (B)

Erklärung

La fonction `imread()` du module `matplotlib.image` a été largement documentée dans la documentation officielle de matplotlib à partir de 2012, facilitant l'importation d'images.

8. Quelle opération permet d'afficher une image à partir de son tableau numpy en Python ?

A. plt.show()

B. plt.display()

C. plt.imshow()

D. imshow() seule

Answer: (C)

Erklärung

`plt.imshow()` permet d'afficher une image à partir d'un tableau numpy, et `plt.show()` doit être appelé ensuite pour rendre l'image visible.

9. Quel est l’intérêt de convertir une image en tableau numpy pour la manipulation en Python ?

A. Elle permet d’enregistrer l’image en format texte

B. Elle facilite la manipulation pixel par pixel, ou par blocs, pour modification ou traitement

C. Elle crée automatiquement une version en noir et blanc

D. Elle compresse l’image pour une meilleure transmission

Answer: (B)

Erklärung

Convertir une image en tableau numpy permet la manipulation directe et efficace des pixels, facilitant des opérations comme modification de couleurs, filtres, ou transformations.