Quiz: Manipulation et conversion d'images en Python — 12 perguntas

Perguntas e respostas detalhadas

1. Quelle est la conséquence de convertir une image en tableau numpy 3D de dimensions (hauteur, largeur, 3) pour sa manipulation et sa visualisation en Python ?

Elle réduit la qualité de l’image en supprimant certaines couleurs, rendant la visualisation plus rapide.
Elle augmente la taille du fichier de l’image en mémoire, ce qui peut ralentir le traitement.
Elle permet d’accéder directement à chaque pixel via ses composantes RGB, facilitant la modification et l’analyse de l’image.
Elle convertit automatiquement l’image en niveaux de gris pour une meilleure analyse.

Elle permet d’accéder directement à chaque pixel via ses composantes RGB, facilitant la modification et l’analyse de l’image.

Explicação

La conversion d'une image en tableau numpy de dimensions (hauteur, largeur, 3) permet d’accéder directement à chaque pixel via ses composantes RGB, facilitant ainsi la manipulation, l’analyse et la modification de chaque pixel individuel dans l’image.

2. Quelle est la structure caractéristique du tableau de nombres obtenu après conversion d'une image en utilisant `imread` dans le contexte de manipulation d'images en Python ?

Un tableau 2D où chaque pixel est une valeur d'intensité en niveaux de gris
Un tableau 4D avec des dimensions (hauteur, largeur, 3, 2) pour les composantes RVB et alpha
Un tableau 3D de dimensions (hauteur, largeur, 3), chaque pixel étant un triplet RGB
Un tableau 1D contenant toutes les valeurs de pixels en ordre séquentiel

Un tableau 3D de dimensions (hauteur, largeur, 3), chaque pixel étant un triplet RGB

Explicação

Le tableau obtenu après conversion d'une image en couleur en Python via `imread` est une matrice tridimensionnelle de dimensions (hauteur, largeur, 3), où chaque pixel est représenté par un triplet [R, V, B] indiquant ses composantes de couleur rouge, vert et bleu.

3. Comment doit-on appliquer la fonction plt.imshow() pour afficher une image en niveaux de gris à partir d'un tableau numpy représentant cette image ?

En utilisant plt.imshow(M, mode='grayscale')
En utilisant plt.imshow(M, cmap='colormap')
En utilisant plt.imshow(M, cmap='gray')
En utilisant plt.imshow(M, color='gray')

En utilisant plt.imshow(M, cmap='gray')

Explicação

Pour afficher une image en niveaux de gris avec matplotlib, il faut utiliser la fonction plt.imshow() en précisant le paramètre cmap='gray'. Cela indique que la colormap doit représenter les niveaux de gris. Les autres options ne sont pas des paramètres valides ou ne produisent pas le résultat attendu.

4. En quoi la structure du tableau Mim diffère-t-elle ou ressemble-t-elle à celle d’un tableau en niveaux de gris ?

Mim est une matrice 2D où chaque pixel est un seul chiffre d’intensité, contrairement à un tableau RGB où chaque pixel est un triplet.
Mim est une matrice 3D avec une dimension finale de 3, représentant les triplets RGB, alors qu’un tableau en niveaux de gris est une matrice 2D d’intensités lumineuses.
Mim et un tableau en niveaux de gris ont tous deux trois dimensions, mais Mim encode la couleur alors que le tableau en niveaux de gris encode l’intensité lumineuse.
Mim est une matrice 3D avec une dimension de 3 pour les composantes de couleur, tandis qu’un tableau en niveaux de gris n’a qu’une seule dimension correspondant à l’intensité de luminosité.

Mim est une matrice 3D avec une dimension finale de 3, représentant les triplets RGB, alors qu’un tableau en niveaux de gris est une matrice 2D d’intensités lumineuses.

Explicação

La structure du tableau Mim est une matrice tridimensionnelle où la dernière dimension de taille 3 contient les triplets [R, V, B], ce qui est spécifique à une image couleur. En revanche, un tableau en niveaux de gris est une matrice 2D où chaque pixel est représenté par une seule valeur d’intensité lumineuse. La principale différence est donc la dimension et le contenu : Mim est 3D avec 3 composantes couleur, alors que le tableau en niveaux de gris est 2D avec une seule valeur par pixel.

5. Qui a formulé la signification des triplets RGB dans le contexte de la représentation couleur en images numériques ?

Vladimir K. Zworykin
Louis Daguerre
Gregor Mendel
La société Colorimètre et les standards de la normalisation informatique

La société Colorimètre et les standards de la normalisation informatique

Explicação

La signification des triplets RGB comme représentation de la couleur dans les images numériques a été largement standardisée par des acteurs de la normalisation dans l’industrie de l’image, notamment dans le cadre des standards NTSC et d’autres normes internationales, ce qui est associé à des entités comme la société Colorimètre et à la standardisation par IBM et d’autres. Vladimir K. Zworykin a été un pionnier de la télévision couleur, mais la formulation précise de la signification des triplets RGB comme standard dans l'informatique est liée à la normalisation industrielle et aux standards adoptés dans la télévision et l’informatique. Mendel et Daguerre sont liés à la génétique et à la photographie, respectivement, sans rapport avec la formulation des triplets RGB dans le traitement numérique.

6. Que fait la fonction 'triplet_zero' lorsqu'elle est appelée avec un indice k ?

Elle met à zéro toutes les composantes du triplet.
Elle inverse les valeurs des trois composantes du triplet.
Elle supprime complètement le triplet pour chaque pixel.
Elle conserve uniquement la composante du triplet d'indice k et met à zéro les deux autres.

Elle conserve uniquement la composante du triplet d'indice k et met à zéro les deux autres.

Explicação

La fonction 'triplet_zero' met à zéro toutes les composantes du triplet sauf celle d’indice k, qui est conservée. Elle ne supprime pas le triplet ni n’inverse ses valeurs.

7. Quand la technique du négatif d’une image a-t-elle été généralement établie dans la pratique du traitement numérique d’image ?

Après 2010
Au début des années 1960
Dans les années 1980
Au début des années 2000

Dans les années 1980

Explicação

La technique du négatif d’une image a été largement établie et popularisée avec le développement du traitement numérique d’image dans les années 1980, lorsque les outils informatiques ont permis sa mise en œuvre efficace dans la manipulation d’images numériques.

8. Quelle est la signification de la conversion en niveaux de gris 1 dans le traitement d'images ?

Elle inverse chaque composante de couleur en soustrayant sa valeur de 255 pour obtenir une image négative.
Elle utilise une pondération spécifique des composantes R, V, B pour créer une image en niveaux de gris.
Elle applique une interpolation pour réduire la taille de l'image tout en conservant ses couleurs.
Elle consiste à prendre la moyenne arithmétique des composantes R, V, B de chaque pixel pour obtenir une image en niveaux de gris.

Elle consiste à prendre la moyenne arithmétique des composantes R, V, B de chaque pixel pour obtenir une image en niveaux de gris.

Explicação

La conversion en niveaux de gris 1 utilise la moyenne simple de R, V, B pour chaque pixel, ce qui est une méthode de conversion basique mais efficace pour obtenir une image en niveaux de gris.

9. Quel est le rôle principal de la conversion d'une image en niveaux de gris ?

Réduire la taille du fichier image en supprimant des données de couleur
Simplifier l'image en mettant en évidence la luminosité sans les couleurs
Coloriser une image en ajoutant des teintes
Augmenter la résolution de l'image pour plus de détails

Simplifier l'image en mettant en évidence la luminosité sans les couleurs

Explicação

La conversion en niveaux de gris vise à représenter l'image uniquement en termes d'intensité lumineuse, ce qui facilite l'analyse de la luminosité et la segmentation, sans se préoccuper de la couleur. Elle ne concerne pas l'augmentation de la résolution, la colorisation ou la compression du fichier.

10. Quelle est la principale conséquence de l'utilisation de l'interpolation au plus proche voisin lors du redimensionnement d'une image ?

L'image présente une pixellisation visible, avec des effets de blocs.
L'image devient floue et perde en netteté.
L'image est fortement débruitée, avec une meilleure clarté.
La résolution de l'image augmente, améliorant la qualité visuelle.

L'image présente une pixellisation visible, avec des effets de blocs.

Explicação

L'interpolation au plus proche voisin lors du redimensionnement d'une image entraîne une pixellisation visible, avec des effets de blocs ou d'artefacts, car cette méthode ne calcule pas de moyenne ou d'interpolation douce, mais sélectionne simplement le pixel le plus proche, ce qui dégrade la finesse de l’image.

11. Quelle est la propriété principale qui caractérise la réduction par moyenne locale d'une image ?

Elle utilise la transformée de Fourier pour compresser l'image
Elle sélectionne uniquement le pixel le plus lumineux dans chaque sous-ensemble
Elle calcule la moyenne des pixels dans chaque sous-ensemble p×p pour réduire l'image
Elle applique une interpolation bilinéaire pour redimensionner l'image

Elle calcule la moyenne des pixels dans chaque sous-ensemble p×p pour réduire l'image

Explicação

La réduction par moyenne locale consiste précisément à segmenter l'image en sous-ensembles p×p et à remplacer chaque sous-image par la moyenne des pixels qu'elle contient, ce qui conserve une représentation fidèle de la luminosité moyenne dans chaque zone.

12. Comment peut-on utiliser l'histogramme des niveaux de gris pour améliorer la segmentation d'une image ?

En calculant la moyenne des niveaux de gris pour ajuster la luminosité globale de l'image.
En détectant la valeur seuil où l'histogramme présente un minimum pour séparer deux classes de pixels.
En identifiant la valeur de niveau de gris la plus fréquente pour définir un seuil de segmentation.
En normalisant l'histogramme pour réduire la gamme des niveaux de gris avant traitement.

En identifiant la valeur de niveau de gris la plus fréquente pour définir un seuil de segmentation.

Explicação

L'histogramme permet d'identifier la fréquence de chaque niveau de gris. La valeur la plus fréquente (le pic) peut servir à définir un seuil de segmentation, en séparant les pixels en deux classes selon qu'ils sont au-dessus ou en dessous de cette valeur, ce qui est une méthode courante en traitement d'image.

Revisar com flashcards

Memorize as respostas com 24 flashcards sobre Manipulation et conversion d'images en Python.

Manipulation d'images Python — définition ?

Processus d'importation, modification et affichage d'images avec Python.

Conversion en tableau — rôle ?

Transformer une image en matrice numérique pour traitement.

Afficher une image — méthode ?

Utiliser plt.imshow() pour visualiser un tableau d'image.

Veja os flashcards →

Estude a ficha de revisão

Leia a ficha de revisão completa sobre Manipulation et conversion d'images en Python.

Veja a ficha de revisão →

Similar courses

Crie seus próprios quizzes

Importe seu curso e a IA gera quizzes com correções em 30 segundos.

Gerador de quizzes