开发工具配置Androidstudio版本2.3.3下载地址：http://www.android-studio.org/OpenCV3.3下载地址:https://opencv.org/opencv-

jetpack3.2自带了opencv3.3，但是只提供了python2.7的编译版本，所以也只能在python2.7下使用，我本来以为有什么更简单的方法链接到python3中，但是遍查资料也没人说过这个东西

1.前言开始用最新版的OpenCV进行人脸识别的小伙伴也许已经发现了，人脸识别的最新API变化了。这也正是人脸识别等contrib模块没有放到主仓库的原因：不稳定，仍在开发中。当然这次的变化也预示着一些好的事情，毕竟自从OpenCV2.4时期人脸识别模块加入到OpenCV之后就几乎没怎么变过，这次变化说明又有人开始为OpenCV的人脸识别模块贡献代码了。而且还不仅于此，感兴趣的小伙伴可以去gith

用C++开发安装环境：Windows8安装的OpenCV版本：OpenCV3.3安装所需的其他软件：VS2015用Python开发使用命令：pipinstallopencv-contrib-python-ihttps

如果您只需要Windows库，请参阅使用Cuda8.0下载OpenCV3.3。下面的指南详细说明了使用VisualStudio2015编译64位版本的OpenCVv3.3

第一步：下载OpenCV开发包官网地址https://opencv.org/下载OpenCV3.3前往Github下载下载源码包第二步：安装Homebrew(用于安装CMake)安装文档地址：http:

Jetpack3.3自带了opencv3.3，但只提供了python2.7的编译版本，我默认的python是3.5版本的，如果要求使用板载摄像头，是必须要有OpenCV3.4版本以上的，而且要有gstreamer

运行环境：vs2013、opencv3.3、win10-64bit下载显示中文类：OpenCV默认是不支持显示中文字符的，于是网上有人自己写了一个类实现，只需要下载到自己的代码文件中，添加头文件就可以通过调用函数来显示中文了

在OpenCV3.3版本发布中把DNN模块从扩展模块移到了OpenCV正式发布模块中，DNN模块最早来自Tiny-dnn，可以加载预先训练好的Caffe模型数据，后来OpenCV近一步扩展支持主流的深度学习框架模型数据的加载

1、数据准备首先我们应该应该准备一些东西，我用的是opencv3.3版本，opencv中封装好了级联分类器的特征文件(xml文件)，我的目录是D:\new_cv\opencv\sources\data\

（1）卸载Opencv3.3：sudoapt-getpurgelibopencv*sudoaptauto

1.设备已经具备cuda10.0,cudnn7.3.1,opencv3.3:详细请看TF卡刷机配置2.下载gitclonehttps://github.com/pjreddie/da

2.项目的环境：Winwods7,vs2015,OpenCV3.3加opencv_contrib库，boost库，实现语言是C++.3.项目用到的知识点有OpenCV的SURF特征提取、BOW(Bag

2.我的编程环境是Windows764位，IDE是VS2015，配置了OpenCV3.3与OpenCV_Contrib,Boost1.66,其中Boost是用来操作文件和目录用的，是于如果配置以上的环境

一、按照下面步骤修改caffe-master\examples\mnist文件夹中的lenet_train_test.prototxt文件1、去掉数据输入层，即将top为“data”的layers去掉。即将下面的内容删掉layer{name:"mnist"type:"Data"top:"data"top:"label"include{phase:TRAIN}transform_param{scal

一、环境准备1.windows764位，VisualStudio2015，opencv3.3加opencv_cont

docs.opencv.org/3.4.3/d6/d0f/group__dnn.html#ga29d0ea5e52b1d1a6c2681e3f7d68473a1.OpenCV3.4.3DNN模块介绍最早在OpenCV3.3

如果OpenCv已经编译过了扩展模块了，已经有DNN模块了，如果没有编译过的话，据说在opencv3.3之后就已经在release版本中了，

如果OpenCv已经编译过了扩展模块了，已经有DNN模块了，如果没有编译过的话，据说在opencv3.3之后就已经在release版本中了，

：64位AndroidStudioAndroidSDK与NDK开发包笔者本系列使用的环境AndroidStudio3.3AndroidSDK28AndroidNDKr191.软件以及相关包的下载和安装OpenCV3.3

2017年8月OpenCV3.3正式发布，带来了高改进的“深度神经网络”(dnndeepneuralnetworks)模块。

coding:UTF-8-*-'''Author:SteveWangTime:2017/12/810:00Environment:Python3.6.2|Anaconda4.3.30custom(64-bit)Opencv3.3

2、在arm中我们是没有办法训练的，所以需要提前把tensorflow的权重训练好，在arm中只需要前向传播计算就可以了，还好，目前opencv3.3版本已经支持caffe\tnesorflow\pytorch

环境：1、安装opencv3.3以上，因为3.3以上才有dnn模块。

在OpenCV3.3版本发布中把DNN模块从扩展模块移到了OpenCV正式发布模块中，DNN模块最早来自Tiny-dnn，可以加载预先训练好的Caffe模型数据，后来OpenCV近一步扩展支持主流的深度学习框架模型数据的加载

最新版本：2017年8月3日，发布OpenCV3.3版（最重要的更新是把DNN模块从contrib里面提到主仓库）2018年7月4日，Open

opencv很好用，自从opencv3.3出来，已经嵌入了不少深度

需要说明的是，本文的代码基于OpenCV3.3和python2.

inference保存好的.pb模型~原博地址：https://blog.csdn.net/hust_bochu_xuchao/article/details/79428759一、opencvdnn模块1、OpenCV3.3

转载链接：https://blog.csdn.net/hust_bochu_xuchao/article/details/78931972上一篇博文，正确跑通了mnist数据集，得到了lenet_iter_5000.caffemodellenet_iter_5000.solverstatelenet_iter_10000.caffemodellenet_iter_10000.solverstate

首先下载并安装opencv3.3，然后在win10上添加系统的环境变量（百度可得，略）然后打开VS2015并新建项目，然后在解决方案资源管理器中右键点击该项目的名称，选择“属性”，在配置属性目录下点击VC

opencv建议安装3.3及以后版本吧，对以后想要深度学习，神经网络都很方便要注意的一点是一定要先安装CUDA后安装opencv，否则不能使用GPU，很麻烦先安装一下依赖吧，很多，还是全一点好，要比到时候报错好很多   sudoapt-getinstall--assume-yeslibopencv-devbuild-essentialcmakegitlibgtk2.0-devpkg-configp

卸载并安装OpenCV版本：-JetsonTX2-JetPack3.2-OpenCV3.4.0-cmake3.5.1PS：软件安装选择的版本很重要，因为JetPack3.2安装的是cuda9.0，我试过安装OpenCV3.3

OpenCV3.3使用了加速的dnn模块,首次在OpenCV中出现Halide，带来了多项优化和其他的改进对于DL在opencv中的使用，官方wiki发布：The

OpenCV基于残差网络实现人脸检测OpenCV3.3版本第一次把深度神经网络(DNN)模块引入到正式发布版本中，最新的OpenCV3.4中DNN模块发布了两个必杀技，一个支持FasterR-CNN的对象检测

官网下载安装笔者下的是OpenCV3.3，如下地址：https://opencv.org/opencv-3-3.html笔者下载的是VS2017，如下地址（网上搜索易破解）：https://www.visualstudio.com

均值聚类(K-Means)简介可以参考：http://blog.csdn.net/fengbingchun/article/details/79276668以下是K-Means的C++实现，code参考OpenCV3.3

一、opencvdnn模块1、OpenCV3.3版本发布，对深度学习（dnn模块）提供了更好的支持，dnn模块目前支持Caffe、TensorFlow、Torch、PyTorch等深度学习框架。

OpenCV3.3中给出了K-均值聚类(K-Means)的实现，即接口cv::kmeans，接口的声明在include/opencv2/core.hpp文件中，实现在modules/core/src/kmeans.cpp

上一篇博文，正确跑通了mnist数据集，得到了lenet_iter_5000.caffemodellenet_iter_5000.solverstatelenet_iter_10000.caffemodellenet_iter_10000.solverstate四个文件一、按照下面步骤修改caffe-master\examples\mnist文件夹中的lenet_train_test.protot

所以卸掉opencv2.4.8再装opencv3.3（因为有些代码需要用到opencv3）貌似不明智。故我们在原有的opencv2.4.8的版本基础上

#视频演示此demo已经实现全屏竖屏横屏(90度和270度)检测,性能已经达到商业性能.此demo的源代码未上传,请耐心等待##视频截图以下是opencv人脸检测教程(给新手用的)1.下载opencv3.32.创建Android工程3.导入librarylibrary地址\OpenCV-android-sdk\sdk\java4.复制native)到工程根目录native地址:\OpenCV-an

这节课能容不多，基本上是遵循规律编写代码即可importcv2ascvimportnumpyasnpdefline_detection(img):"""方法一"""gray=cv.cvtColor(img,cv.COLOR_RGB2GRAY)edges=cv.Canny(gray,50,150,apertureSize=3)lines=cv.HoughLines(edges,1,np.pi/180

一、什么是边缘检测图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点，而且这些点连接起来就构成了若干线条，这些线条就可以称为图像的边缘。二、canny算法五步骤高斯模糊灰度转换计算梯度非最大信号抑制高低阈值输出二值图像三、示例代码importcv2ascvimportnumpyasnpdefedge(img):#高斯模糊,降低噪声blurred=cv.GaussianBlur(img,(3,

2018.9.6更新：Anaconda3-5.2.0版本（Python3.6）下OpenCV3安装今天重新安装了Python的环境，发现在新版本Anaconda3下安装配置OpenCV3十分简单。在Anacondanavigator左侧选择Environment，在右侧要使用的环境中，左上方将Installed改为All，右侧搜索cv，便可看到opencv，勾选后点击右下角Apply，同时还会安装

一、什么是EPF高斯模糊只考虑了权重，只考虑了像素空间的分布，没有考虑像素值和另一个像素值之间差异的问题，如果像素间差异较大的情况下（比如图像的边缘），高斯模糊会进行处理，但是我们不需要处理边缘，要进行的操作就叫做边缘保留滤波（EPF）二、示例importcv2ascvimportnumpyasnpdefbi(image):"""色彩窗的半径图像将呈现类似于磨皮的效果"""#image：输入图像，

一、本节简介本节主要讲解ROI的图像中特定区域的提取和合并图片二、什么是ROI简单的说就是对图像感兴趣的区域，机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，ROI。举个例子来说：有一副图片，图片上有各种动物i，但是你只喜欢图片里的狗，那么这个狗所在的区域就是感兴趣的区域（ROI）。三、示例src=cv.imread('textImg.

一、本节简述本节主要讲解Numpy数组操作的一些基础知识。二、什么是Numpy一个用python实现的科学计算包。包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。NumPy（NumericPython）提供了许多高级的数

一、所需软件本教程需要一下软件：PyCharm2017.2.3（其他版本也可）OpenCV3.3Python3Windows7以上版本二、环境配置Python3和PyCharm的安装这里就不详述的，只需到对应的官方网站下载安装即可，需注意的是Python要安装Python3以上版本。注意：Python3安装完后，在命令行工具内输入python，若报错，则表明python没有将python.exe路

OpenCV3.3中给出了K-最近邻(KNN)算法的实现，即cv::ml::Knearest类，此类的声明在include/opecv2/ml.hpp文件中，实现在modules/ml/src/knearest.cpp