OpenCV已經(jīng)將圖像處理(識(shí)別)的算法寫(xiě)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(shuō)現(xiàn)在的車(chē)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(shí)別)的算法寫(xiě)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(shuō)現(xiàn)在的車(chē)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(gè)機(jī)械師，你必須理解。如果你是一個(gè)汽車(chē)制造商的工程師，你必須對(duì)它非常了解。簡(jiǎn)言之，這取決于具體的需要。

圖像識(shí)別算法都有哪些？

圖像識(shí)別算法：

1人臉識(shí)別（特征臉，F(xiàn)isher人臉?biāo)惴ǎ?，人臉檢測(cè)（J-V算法，mtcnn）

2車(chē)牌識(shí)別，車(chē)型識(shí)別（CNN）

3字符識(shí)別（CNN）].]。。。

…

無(wú)論什么識(shí)別算法：其實(shí)質(zhì)是圖像（多維矩陣）的分類(lèi)或擬合算法。

那么如何設(shè)計(jì)一個(gè)函數(shù)來(lái)輸入不同的矩陣，得到相應(yīng)的分類(lèi)結(jié)果和擬合結(jié)果呢？

一般方案是先對(duì)圖像進(jìn)行預(yù)處理（邊緣檢測(cè)、濾波、二值化、圖像縮放、歸一化等）

B提取特征。（進(jìn)一步降低預(yù)處理圖像的數(shù)據(jù)維數(shù)，如LBP特征、hog特征等）

C使用機(jī)器學(xué)習(xí)方法進(jìn)行分類(lèi)或擬合（SVM、BP、logistic回歸等）