1. 画图解释图像卷积滤波的基本原理，并进一步简述常见的图像平滑滤波算法。 2. 简述边缘检测的基本原理，以及Sobel、LoG和Canny算子的原理差异。 3. 简述图像直方图的基本概念，及使用大津算法进行图像分割的基本原理。 4. 简述Harris算子对角点的定义，进行角点检测的基本原理，并说明引入角点响应函数的意义。 5. 简述Hough变换的基本原理(包括参数空间变换及参数空间划分网格统计)。 6. 简述SIFT原理(重点是尺度空间和方向直方图原理)及ORB算子原理(重点是FAST和BRIEF)。

1. 对连续型特征，可以用哪个函数可视化其分布？（给出你最常用的一个即可），并根据代码运行结果给出示例。（10） 2. 对两个连续型特征，可以用哪个函数得到这两个特征之间的相关性？根据代码运行结果，给出示例。（10） 3. 如果发现特征之间有较强的相关性，在选择线性回归模型时应该采取什么措施。（10） 4. 当采用带正则的模型以及采用随机梯度下降优化算法时，需要对输入（连续型）特征进行去量纲预处理。课程代码给出了用标准化（StandardScaler）的结果，请改成最小最大缩放（MinMaxScaler）去量纲 （10），并重新训练最小二乘线性回归、岭回归、和Lasso模型（30）。 5. 代码中给出了岭回归（RidgeCV）和Lasso（LassoCV）超参数（alpha_）调优的过程，请结合两个最佳模型以及最小二乘线性回归模型的结果，给出什么场合应该用岭回归，什么场合用Lasso，什么场合用最小二乘。（30）

进阶： 1. 以Lena为原始图像，通过OpenCV实现平均滤波，高斯滤波及中值滤波，比较滤波结果。 2. 以Lena为原始图像，通过OpenCV使用Sobel及Canny算子检测，比较边缘检测结果。 3. 在OpenCV安装目录下找到课程对应演示图片(安装目录\sources\samples\data)，首先计算灰度直方图，进一步使用大津算法进行分割，并比较分析分割结果。 4. 使用米粒图像，分割得到各米粒，首先计算各区域(米粒)的面积、长度等信息，进一步计算面积、长度的均值及方差，分析落在3sigma范围内米粒的数量。 扩展作业： 5. 使用棋盘格及自选风景图像，分别使用SIFT、FAST及ORB算子检测角点，并比较分析检测结果。 (可选)使用Harris角点检测算子检测棋盘格，并与上述结果比较。

1. 简述混合高斯模型的基本原理，以及通过混合高斯模型进行背景建模的基本思想。 2. 解释光流计算中的恒定亮度假设，进一步简述L-K光流估计方法的基本原理。

计算机视觉 1. 视觉系统都有哪些构成要素? 以机械臂视觉控制系统为例，说明视觉系统的构成要素。 2. 尝试从模仿人类视觉处理流程的角度，阐述本对课程内容组织的理解。进一步在网上搜索，找到自己认为学习过程中最值得参考的1-2本书(不要太厚) 3. 什么是光通量和辐照度？说明几个常见光源的光通量，以及几个常见照明环境的辐照度。 4. 结合颜色空间示意图，简述HSI颜色空间中各通道的物理意义，并结合图像实例说明。 5. 说明彩色图像传感器及γ校正的基本原理。

1. 在测试视频(OpenCV安装目录\sources\samples\data)上，使用基于混合高斯模型的背景提取算法，提取前景并显示(显示二值化图像，前景为白色)。 2. 在1基础上，将前景目标进行分割，进一步使用不同颜色矩形框标记，并在命令行窗口中输出每个矩形框的位置和大小。 3. 安装ImageWatch，并在代码中通过设置断点，观察处理中间结果图像。 扩展： 4. 使用光流估计方法，在前述测试视频上计算特征点，进一步进行特征点光流估计。