不知何人說，可遇不可求！
但自從發明了計算機，指明了一條可遇可求的路！
搞計算機，都是從零開始的，這體現了搞計算機的辛苦和原創精神。
《視覺資訊處理腦機制》中有句話，眼是人的前腦。而當下借用這句話形容，計算機視覺（cv）便就是人工智慧（ai）的前腦。
learning opencv中的learning是什麼意思呢？我想，應該是三個意思，第一，直接翻譯，學習；第二，強調當下進行時的重要（隱含了一種動態），第三，learning等同於training（訓練），是一種達到目的的方法（很像巴浦洛夫的條件反射，一種是先天的（膝跳反射，形體自身的），一種是後天的（形而上的，意識參與的）），即用來對結果的一種**（predict）或識別（recongnize）的必經之路。通俗一點講，即就是服務於匹配（match）,匹配需要特徵（feature），這便是學習和訓練（learning&training）的靈魂。學習訓練->找到特徵->通過特徵匹配識別**，這不就是人眼及其熟練的事情嗎？這不就是人工智慧（ai）嗎？
所以，你就會發現很多搞人工智慧（ai）的人出身計算機視覺（cv）。記得陸奇（在富士康的演講201609）說，2023年是ai元年，原因是cv子集機器視覺（mv，主要面向工業的cv）突破性進展而洞開了ai。2023年，生產的iphone4手機，是很成熟的cv子集機器視覺（mv）技術應用的結果，譬如ni，evision，cognex，而這些機器視覺軟體的通性就是學習訓練->找到特徵->通過特徵匹配。所以機器視覺也是人工智慧的子集。
ai也是有前因的，所以高大上的深度學習，大資料模式識別，如何也繞不過cv的「學習->特徵->匹配」，前面說過，這是人眼及其熟練的事情。匹配的目標，在極其感興趣的區域（roi），所以，你進行學習（learning）的區域目標足夠熟練，你就會找到巧妙的東西，那就是特徵，那麼，匹配就不再是難事，而變成一件有樂趣的事（很可惜，機器感受不到），進行的學習（learning）正是熟能生巧的習慣，學習，顯然是有條件的學習，而這條件便是匹配的核心，不能發掘來時的條件，便是白來（學）了（習慣為常，知道並挖掘常，就能找到條件和特徵，往往是恍然大悟。道德經說，知和為常，知常為明，所以，有春和景明，而深入淺出）。進行的學習（learning），隨後便是匹配的歷史，這就是，一切歷史都是當下的歷史。引用對嗎？
既然ai的前腦是cv，那必然是向人學習，學習什麼？那就是，對於乙個目標，為什麼我們會有這樣的意識？實質是把不經意（常）揭示給機器看，那麼首先，你要挖掘你的不經意（常）是什麼，cv程式設計師必須做到這一點，因為機器要看，是由cv程式設計師完成的。在此，順便贊一把程式設計師，芬蘭教育部長說，未來，你的孩子不會程式設計，便不能創造世界。其實世界有時很微妙，你看時，你就會找到巧妙的東西，這個特徵是你找到的，cv只是重複了一下；再看ai，是學你巧妙的找東西，這個特徵是ai找到的。你可以看到，ai是cv的步進。
但是ai的任何演算法，仍然是人類的智慧型。
匹配識別的目的是為了準確行動，準確行動，要麼勤加練習，要麼交給測量的資料，不管人做還是機器做，測量準確，無可厚非!所以測量是除識別外，頭等大事，而測量也無時不在為匹配識別服務。這便是重識別的opencv所欠缺的，所以要補全他，續不足。
人善用工具，使用工具測量，cv子集機器視覺（mv）也是這樣，他有一套測量工具，內經雲，事發於微，而顯著。
故我們從不起眼的線開始。（待續................）
注，強調一下，計算機視覺很像感性的世界，機器視覺更像感性中的那絲絲理性。
機器視覺入門之路（五一，找線工具的設計A）
繼續我們昨天的工作，先把這個有中間分隔線 rccentreline 的矩形畫出來，然後等間隔增加線影象，讓他變成找線工具。對比 丁 字型線影象工具roibase類，有如下增加 1，增加了三條線宣告 public mg line otherline1 上 public mg line otherlin...
機器視覺入門知識總結
一 機器視覺系統 工業相機型別 按照輸出訊號型別的不同分為模擬相機和數字相機兩種。而數字相機按照介面標準不同，可以分為1394相機 usb相機 cameralink相機以及gige相機四種。其中cameralink介面相機能夠解決大資料量傳送問題 gige介面相機能夠解決長距離 快速傳輸問題 而13...
機器視覺入門之路（二八，畫素的操作（拉普拉斯））
假定gx i,j buffer i w j buffer i w j 1 那麼gx i,j 1 gx i,j x 先求gx i,j 1 用 j 1 替換buffer i w j buffer i w j 1 中j，所以gx i,j 1 buffer i w j 1 buffer i w j 1 1 ...