索引地址：系列索引 数据通过神经网络训练好后，我们使用OpenCV读取并使用。 以下为OpenCV源码中modules/dnn/src/dnn.cpp中第5333行开始的内容： 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647Net readNet(const String&a

索引地址：系列索引 加载训练好的图像分类模型，然后进行推断，输出图片中可能的目标。 这个是darknet的一张测试图片： 使用的是googlenet Caffe模型。 一般需要三个文件： 模型参数：bvlc_googlenet.prototxt -> https://github.com/opencv/opencv_extra/blob/master/testdata/dnn/bvlc_

索引地址：系列索引 MNIST数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST)。训练集 (training set) 由来自 250 个不同人手写的数字构成，其中50%是高中学生，50%来自人口普查局 (the Census Bureau) 的工作人员。测试集(test set)也是同样比例的手写数字数

索引地址：系列索引 土狗可以分为：四眼、大黄、松狮、下司等等。 现在给你一只狗的图片，你给分辨出图片中有没有狗，如果有狗是不是土狗，如果是土狗是土狗中的哪一种。 svm(support vector machine,支持向量机)是分类器中最常用的一种。 线性数据 1234567891011121314151617181920212223242526272829303132333435363738

索引地址：系列索引 使用LSD算法检测图片中所有可能的直线并绘制出来 测试代码1 12345678910111213141516171819202122232425262728293031323334353637383940414243444546#include "opencv2/opencv.hpp"using namespace std;using namespace

索引地址：系列索引 就是使用级联检测器将画面中的人脸和眼睛表示出来，不过模型使用的是官方自带的 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808

索引地址：系列索引 HAAR级联检测器介绍见（四十八）Haar级联检测器 级联是所谓的淘金过程，淘一遍有沙不行换个箩再筛一遍呗。比如说我想检测耳朵，但是耳朵是依附在脸旁边的，如果此图中没有检测到脸那么就肯定没有耳朵。如果有脸那就继续检测。 12345678910111213141516171819202122232425262728293031323334353637383940414243444

索引地址：系列索引 BLOB Blob是图像中共享某些共同属性(例如灰度值)的一组连接的像素。在上图中，暗连通区域是Blob，Blob检测的目的就是识别和标记这些区域。 blob分析一般用于图像分割或连通性分析，OpenCV提供了一种方便的方法来检测Blob，并根据不同的属性对其进行过滤。 测试代码 1234567891011121314151617181920212223242526272

索引地址：系列索引 1963年12月30日E. Land作为人类视觉的亮度和颜色感知的模型在俄亥俄州提出了一种颜色恒常知觉的计算理论——Retinex理论。Retinex是一个合成词，它的构成是retina（视网膜）+cortex（皮层）→ Retinex。模仿人类视觉系统发展了Retinex算法，从单尺度Retinex算法（single scale retinex, SSR）改进成多尺度加权平均

索引地址：系列索引 角点和角点检测：角点检测 该方法是基于shi-tomas角点检测变化而来的一种特征提取方法，OpenCV创建该检测器的API与goodfeaturetotrack的API参数极其类似： 12345678Ptr<GFTTDetector> cv::GFTTDetector::create(int maxCorners = 1000,double qualityLeve