opencv-4.6.0 android的SDK用于androidopencv的移植。 OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV用C++语言编写 。 国内地址下载：但下载很慢！ https://udomain.dl.sourceforge.net/project/opencvlibrary/4.6.0/opencv-4.6.0-android-sdk.zip

主要介绍了OpenCV-Python 摄像头实时检测人脸，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

文档详细讲解了Opencv在树莓派Python3.5环境下的安装过程。

1)通过目标检测的标注工具LabelImg对采集的图片进行标注，制作成数据集。 2)创建yaml文件，通过yolov5的train程序进行训练，得到权重文件。 3)搭建yolov5算法所需的运行环境，对原始图片进行识别，得到目标表盘的大致轮廓坐标。 4)对表盘图片进行初步预处理，根据大致轮廓坐标与霍夫算法的结果剪裁保留完整的表盘部分。 5)通过正式预处理对图像进行降噪等操作，保留表盘内轮廓的同时减少细节，从而通过拟合椭圆的算法找到椭圆表盘的内轮廓。 6)找寻椭圆的四个顶点，对四个椭圆顶点进行透视变换纠正拍摄角度造成的误差。 7)找寻刻度盘部分，通过仿射变换使刻度盘水平，得到刻度盘中所有分界点坐标从而识别出刻度盘的不同区域。 8)找寻刻度盘圆弧的圆心坐标及半径。 9)计算指针在刻度盘所处区域的角度从而得到表盘的读数并储存处理后的图像。 10)对读数选择性地进行角度修正。

这个程序可以将彩色图片进行灰度处理以及二值化处理操作，同时可保存二值化处理后的图像

C++调用OpenCV(4.6.0)实现图像反色处理源代码 包括RGB彩色图像反色转换 GRAY灰度图像反色转换 RGB彩色图像转换成GRAY灰度图像 详细的介绍可以到博客中看一看，谢谢 https://chexl.blog.csdn.net/article/details/127228417?spm=1001.2014.3001.5502

Table of Contents 1 Introduction 4 1.1 Overview 4 1.2 Address map 4 1.2.1 Diagrammatic overview 4 1.2.2 ARM virtual addresses (standard Linux kernel only) 6 1.2.3 ARM physical addresses 6 1.2.4 Bus addresses 6 1.3 Peripheral access precautions for correct memory ordering 7 2 Auxiliaries: UART1 & SPI1, SPI2 8 2.1 Overview 8 2.1.1 AUX registers 9 2.2 Mini UART 10 2.2.1 Mini UART implementation details. 11 2.2.2 Mini UART register details. 11 2.3 Universal SPI Master (2x) 20 2.3.1 SPI implementation details 20 2.3.2 Interrupts 21 2.3.3 Long bit streams 21 2.3.4 SPI register details. 22 3 BSC 28 3.1 Introduction 28 3.2 Register View 28 3.3 10 Bit Addressing 36 4 DMA Controller 38 4.1 Overview 38 4.2 DMA Controller Registers 39 4.2.1 DMA Channel Register Address Map 40 4.3 AXI Bursts 63 4.4 Error Handling 63 4.5 DMA LITE Engines 63 5 External Mass Media Controller 65 o Introduction 65 o Registers 66 6 General Purpose I/O (GPIO) 89 6.1 Register View 90 6.2 Alternative Function Assignments 102 6.3 General Purpose GPIO Clocks 105 7 Interrupts 109 7.1 Introduction 109 7.2 Interrupt pending. 110 7.3 Fast Interrupt (FIQ). 110 7.4 Interrupt priority. 110 7.5 Registers 112 8 PCM / I2S Audio 119 8.1 Block Diagram 120 8.2 Typical Timing 120 8.3 Operation 121 8.4 Software Operation 122 8.4.1 Operating in Polled mode 122 8.4.2 Operating in Interrupt mode 123 8.4.3 DMA 123 8.5 Error Handling. 123 8.6 PDM Input Mode Operation 124 8.7 GRAY Code Input Mode Operation 124 8.8 PCM Register Map 125 9 Pulse Width Modulator 138 9.1 Overview 138 9.2 Block Diagram 138 9.3 PWM Implementation 139 9.4 Modes of Operation 139 9.5 Quick Reference 140 9.6 Control and Status Registers 141 10 SPI 148 10.1 Introduction 148 10.2 SPI Master Mode 148 10.2.1 Standard mode 148 10.2.2 Bidirectional mode 149 10.3 LoSSI mode 150 10.3.1 Command write 150 10.3.2 Parameter write 150 10.3.3 Byte read commands 151 10.3.4 24bit read command 151 10.3.5 32bit read command 151 10.4 Block Diagram 152 10.5 SPI Register Map 152 10.6 Software Operation 158 10.6.1 Polled 158 10.6.2 Interrupt 158 10.6.3 DMA 158 10.6.4 Notes 159 11 SPI/BSC SLAVE 160 11.1 Introduction 160 11.2 Registers 160 12 System Timer 172 12.1 System Timer Registers 172 13 UART 175 13.1 Variations from the 16C650 UART 175 13.2 Primary UART Inputs and Outputs 176 13.3 UART Interrupts 176 13.4 Register View 177 14 Timer (ARM side) 196 14.1 Introduction 196 14.2 Timer Registers: 196 15 USB 200 15.1 Configuration 200 15.2 Extra / Adapted registers. 202

这是根据《python趣味编程：从入门到人工智能》第4单元第35课的python代码改写的julia代码，需要安装OpenCV库。

简要： EigenFace是基于PCA降维的人脸识别算法，PCA是使整体数据降维后的方差最大，没有考虑降维后类间的变化。 它是将图像每一个像素当作一维特征，然后用SVM或其它机器学习算法进行训练。但这样维数太多，根本无法计算。我这里用的是ORL人脸数据库，英国剑桥实验室拍摄的，有40位志愿者的人脸，在不同表情不同光照下每位志愿者拍摄10张，共有400张图片，大小为112*92，所以如果把每个像素当做特征拿来训练的话，一张人脸就有10304维特征，这么高维的数据根本无法处理。所以需要先对数据进行降维，去掉一些冗余的特征。 第一步：将ORL人脸图片的地址统一放在一个文件里，等会通过对该文件操作，将

c# 调用yolov7-tiny，使用openchsharp加载.weights 和.cfg文件，进行推理。i5 10400 的 total时间 在25ms左右。