一、图像处理题目
1、给定0-1矩阵，求连通域。（遇到过N次，笔试面试都有，最好做到能徒手hack代码或者伪代码。）
https://blog.csdn.net/xuyangcao123/article/details/81023732
https://blog.csdn.net/zhuason/article/details/54981547
https://blog.csdn.net/wangyibo0201/article/details/51998273
2、写一个函数，求灰度图的直方图。
https://blog.csdn.net/eastmount/article/details/46312145
http://www.voidcn.com/article/p-eyyutkcc-bkq.html
3、写一个均值滤波（中值滤波）。
（均值滤波、方款滤波、高斯滤波、中值滤波）
https://blog.csdn.net/Eastmount/article/details/82216380
4、写出高斯算子，Sobel算子，拉普拉斯算子等，以及它们梯度方向上的区别。
（拉普拉斯算子：基本思想是当邻域的中心像素灰度低于它所在邻域内的其他像素的平均灰度时，此中心像素的灰度应该被进一步降低；当高于时进一步提高中心像素的灰度，从而实现图像锐化处理。）
Robert、Prewitt、Sobel：一阶微分算子
Lapacian：二阶微分（边缘定位能力更强、锐化效果更好）
Canny算子：非线性算子
Robert算子：一阶微分算子，Robert+阈值
Prewitt算子：
Sobel算子：
拉普拉斯算子：
https://blog.csdn.net/eastmount/article/details/46378783
https://blog.csdn.net/icamera0/article/details/50521442
5、常用的特征提取方法。
SIFT:尺度不变特征转换
SURF:
ORB:
HOG:方向梯度直方图
HAAR:
LBP:局部二值模板
https://blog.csdn.net/u011746554/article/details/70941268
6、常用的目标检测方法。
传统算法：
级联分类器框架：Haar/LBP/积分HOG/ACF feature + Adaboost
深度学习：
Faster R-CNN/YOLO/SSD算法
https://www.zhihu.com/question/53438706
https://juejin.im/entry/58e09844a22b9d00586c1a03
7、常用的边缘提取方法。
Prewitt、Sobel、Lapacian、Canny
（跟锐化有点相似）
https://zhuanlan.zhihu.com/p/48300590
https://zhuanlan.zhihu.com/p/35694372
https://blog.csdn.net/icamera0/article/details/50521442
8、常用的插值方法。
（最邻近插值，双线性二次插值，三次插值）
https://blog.csdn.net/Trent1985/article/details/45150677
9、常用的图像分割算法。
基于阈值的分隔方法：
基于边缘的分割方法：
基于区域的分割方法：
基于图论的分割方法：
基于能量泛函的分割方法：
https://blog.csdn.net/zouxy09/article/details/8532106
10、写一个图像resize函数（放大和缩小）。
https://blog.csdn.net/fengbingchun/article/details/17335477
11、彩色图像、灰度图像、二值图像和索引图像区别？（索引图像到底是啥？）
https://blog.csdn.net/ricky_hust/article/details/8886625
---彩色图像：RGB彩色图像
---灰度图像：三个通道的值相同
---二值图像：0、1值，0表示黑色，1表示白色
---索引图像是有一个256*3的调色板，图像最高只有256种颜色，图像矩阵的值为调色板的索引
12、深度学习中目标检测的常用方法，异同。
13、目标跟踪（运动目标检测）常用算法。
https://blog.csdn.net/x5675602/article/details/80264829
13、给定摄像头范围和图像大小求分辨率。
如何检测图片中的汽车，并识别车型，如果有遮挡怎么办？
数字识别的流程。
介绍神经网络、SVM、AdaBoost、kNN…（每一个都可能深入问各种细节）
写梯度下降代码。
卷积神经网络与神经网络的区别。
卷积层的作用、pooling层的作用，全连接层的作用。
过拟合和欠拟合分别是什么，如何改善。
1x1卷积和的作用。
计算卷积神经网络某一层参数量。
