OpenCV已經(jīng)將圖像處理(識別)的算法寫成函數(shù)了，那我們還有必要去學(xué)習(xí)這些算法嗎？這取決于你的目的。比如說現(xiàn)在的車這么先進(jìn)好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需

OpenCV已經(jīng)將圖像處理(識別)的算法寫成函數(shù)了，那我們還有必要去學(xué)習(xí)這些算法嗎？

這取決于你的目的。比如說現(xiàn)在的車這么先進(jìn)好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需要知道。如果你是一個機(jī)械師，你必須理解。如果你是一個汽車制造商的工程師，你必須對它非常了解。簡言之，這取決于具體的需要。

有c 基礎(chǔ)的初學(xué)者想要一個月內(nèi)用基于c 的opencv實現(xiàn)從底層寫起車牌識別可能嗎？

有些是困難的，但也有可能。難點(diǎn)不在代碼上，因為每個部分都有現(xiàn)成的解決方案、模型和源代碼，但是組裝它們可能還需要訓(xùn)練神經(jīng)網(wǎng)絡(luò)本身，這就需要對所選的C框架和機(jī)器學(xué)習(xí)有一定的了解。例如，opencv或Dlib可以用于視頻捕獲和代碼框架，yolo2可以用于實時車輛和車牌檢測，Tesseract可以用于車牌識別

如果攝像機(jī)不移動，背景和車輛之間的差異很明顯，編寫一個簡單的車輛識別算法應(yīng)該不難識別出攝像機(jī)捕捉到的每一幀視頻，并在圖像矩陣中判斷出車頭的坐標(biāo)。每幀的時間間隔是固定的，所以我們可以計算車速

這是我個人的想法。如果有什么問題，我們可以互相溝通