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。

opencv大部分算法使用了GPU嗎？

根據(jù)不同的需要，應(yīng)進(jìn)行不同的處理

1孔的像素顏色和周圍絕對不同。建議采用閾值分割和輪廓檢測

2倍一定會有梯度變化。本文提出了一種新的邊緣檢測算法和梯度信息的計(jì)算方法

如何利用opencv完成手勢識別算法？

opencv是一種圖像識別算法。底層是通過圖像像素的采集和計(jì)算。從理論上講，我們可以通過獲取圖像軌跡上特定特征像素的運(yùn)動數(shù)據(jù)來判斷手勢的上、下、左、右運(yùn)動。從而完成相關(guān)的邏輯開發(fā)。但如果你只是剛剛開始，很難估計(jì)。您可以直接購買一個手勢識別傳感器，并通過手勢識別傳感器的API在應(yīng)用層直接獲取和使用。目前，較便宜的傳感器約10元

目前，輪廓匹配的研究也在進(jìn)行中。輪廓匹配的前提是提取輪廓上的特征點(diǎn)并計(jì)算特征信息，然后根據(jù)特征信息進(jìn)行匹配。提取特征點(diǎn)的算法很多，如sift和surf等，都是在OpenCV中實(shí)現(xiàn)的。然后采用魯棒匹配算法進(jìn)行匹配。目前，我正在讀一篇論文“基于曲率特征的輪廓匹配算法”。匹配算法相對簡單。第一步是通過多邊形逼近輪廓提取輪廓上的有效點(diǎn)；第二步是計(jì)算輪廓上有效點(diǎn)的曲率；第三步是比較兩個輪廓曲率集的Hausdorff距離。本文采用一種簡化的方法計(jì)算Hausdorff距離法。