摘要： 本文旨在帮助读者快速入门OpenCV，而无需阅读冗长的参考手册。掌握了OpenCV的以下基础知识后，有需要的话再查阅相关的参考手册。
目录
[隐藏]
1 一、简介
1.1 1、OpenCV的特点
1.1.1 （1） 总体描述
1.1.2 （2） 功能
1.1.3 （3） OpenCV模块
1.2 2、有用的学习资源
1.2.1 （1） 参考手册：
1.2.2 （2） 网络资源：
1.2.3 （3） 书籍：
1.2.4 （4） 视频处理例程(在 /samples/c/):
1.2.5 （5） 图像处理例程 (在 /samples/c/):
1.3 3、OpenCV 命名规则
1.3.1 （1） 函数名:
1.3.2 （2） 矩阵数据类型:
1.3.3 （3） 图像数据类型:
1.3.4 （4） 头文件:
1.4 4、编译建议
1.4.1 （1） Linux:
1.4.2 （2） Windows:
1.5 5、C例程
2 二、GUI 指令
2.1 1、窗口管理
2.1.1 （1） 创建和定位一个新窗口:
2.1.2 （2） 载入图像:
2.1.3 （3） 显示图像:
2.1.4 （4） 关闭窗口:
2.1.5 （5） 改变窗口大小:
2.2 2、输入处理
2.2.1 （1） 处理鼠标事件:
2.2.2 （2） 处理键盘事件:
2.2.3 （3） 处理滑动条事件:
3 三、OpenCV的基本数据结构
3.1 1、图像数据结构
3.1.1 （1） IPL 图像:
3.2 2、矩阵与向量
3.2.1 （1） 矩阵:
3.2.2 （2） 一般矩阵:
3.2.3 （3） 标量:
3.3 3、其它结构类型
3.3.1 （1） 点:
3.3.2 （2） 矩形框大小（以像素为精度）:
3.3.3 （3） 矩形框的偏置和大小:
4 四、图像处理
4.1 1、图像的内存分配与释放
4.1.1 （1） 分配内存给一幅新图像:
4.1.2 （2） 释放图像:
4.1.3 （3） 复制图像:
4.1.4 （4） 设置/获取感兴趣区域ROI:
4.1.5 （5） 设置/获取感兴趣通道COI:
4.2 2、图像读写
4.2.1 （1） 从文件中读入图像:
4.2.2 （2） 保存图像:
4.3 3、访问图像像素
4.3.1 （1） 假设你要访问第k通道、第i行、第j列的像素。
4.3.2 （2） 间接访问: (通用，但效率低，可访问任意格式的图像)
4.3.3 （3） 直接访问: (效率高，但容易出错)
4.3.4 （4） 基于指针的直接访问: (简单高效)
4.3.5 （5） 基于 c++ wrapper 的直接访问: （更简单高效）
4.4 4、图像转换
4.4.1 （1） 字节型图像的灰度-彩色转换:
4.4.2 （2） 彩色图像->灰度图像:
4.4.3 （3） 不同彩色空间之间的转换:
4.5 5、绘图指令
4.5.1 （1） 绘制矩形:
4.5.2 （2） 绘制圆形:
4.5.3 （3） 绘制线段:
4.5.4 （4） 绘制一组线段:
4.5.5 （5） 绘制一组填充颜色的多边形:
4.5.6 （6） 文本标注:
5 五、矩阵处理
5.1 1、矩阵的内存分配与释放
5.1.1 （1） 总体上:
5.1.2 （2） 为新矩阵分配内存:
5.1.3 （3） 释放矩阵内存:
5.1.4 （4） 复制矩阵:
5.1.5 （5） 初始化矩阵:
5.1.6 （6） 初始化矩阵为单位矩阵:
5.2 2、访问矩阵元素
5.2.1 （1） 假设需要访问一个2D浮点型矩阵的第（i, j）个单元.
5.2.2 （2） 间接访问:
5.2.3 （3） 直接访问（假设矩阵数据按4字节行对齐）:
5.2.4 （4） 直接访问（当数据的行对齐可能存在间隙时 possible alignment gaps）:
5.2.5 （5） 对于初始化后的矩阵进行直接访问:
5.3 3、矩阵/向量运算
5.3.1 （1） 矩阵之间的运算:
5.3.2 （2） 矩阵之间的元素级运算:
5.3.3 （3） 向量乘积:
5.3.4 （4） 单一矩阵的运算:
5.3.5 （5） 非齐次线性方程求解:
5.3.6 （6） 特征值与特征向量 (矩阵为方阵):
6 六、视频处理
6.1 1、从视频流中捕捉一帧画面
6.1.1 （1） OpenCV 支持从摄像头或视频文件（AVI格式）中捕捉帧画面.
6.1.2 （2） 初始化一个摄像头捕捉器:
6.1.3 （3） 初始化一个视频文件捕捉器:
6.1.4 （4） 捕捉一帧画面:
6.1.5 （5） 释放视频流捕捉器:
6.2 2、获取/设置视频流信息
6.2.1 （1） 获取视频流设备信息:
2021-04-04 16:04:01
615KB
1
100篇必读的NLP论文
这是100篇重要的自然语言处理（NLP）论文的列表，认真研究该领域的学生和研究人员可能应该了解和阅读。 此列表由编制。 我欢迎对此列表提出任何反馈。
此列表最初基于我几年前发布的Quora问题的答案： 。 我感谢为原始帖子做出贡献的所有人。
这份清单远非完整或客观，而且随着年复一年发表重要论文而不断发展。 如果缺少任何内容，请通过和通知我。
论文不必是经过同行评审的会议/期刊论文即可出现在这里。 我们还包括教程/调查式论文和博客文章，这些文章通常比原始论文更容易理解。
机器学习
Avrim Blum和Tom Mitchell：结合标签化和未标签化数据与共同训练，1998年。
John Lafferty，Andrew McCallum，Fernando CN Pereira：条件随机字段：用于分割和标记序列数据的概率模型，ICML 2001。
查尔斯·萨
2021-03-30 22:28:21
5KB
1
Tronlong核心板使用须知（必读），供嵌入式DSP,ARM,FPGA异构多核开发者学习参考案例。
2021-03-27 20:06:55
2.18MB
1
《大数据工程师必读手册》十位阿里巴巴大数据专家深度分析 ，飞天大数据平台八款产品玩法
2021-03-09 10:09:04
26.34MB
1
入门必读！Apache Flink 零基础系列教程，30 天成长为 Flink 大神！适合初学者
2021-03-06 12:05:43
20.76MB
1