haar特徵：
haar特徵是一種反映影象的灰度變化的，畫素分模組求差值的一種特徵。它分為三類：邊緣特徵、線性特徵、中心特徵和對角線特徵。用黑白兩種矩形框組合成特徵模板，在特徵模板內用 黑色矩形畫素和 減去 白色矩形畫素和來表示這個模版的特徵值。例如：臉部的一些特徵能由矩形模組差值特徵簡單的描述，如：眼睛要比臉頰顏色要深，鼻樑兩側比鼻樑顏色要深，嘴巴比周圍顏色要深等。但矩形特徵只對一些簡單的圖形結構，如邊緣、線段較敏感，所以只能描述在特定方向（水平、垂直、對角）上有明顯畫素模組梯度變化的影象結構。
如上圖a、b、d模組的影象haar特徵為：v=sum白-sum黑
c 模組的影象haar特徵為：v=sum白(左)+sum白(右)-2*sum黑
這裡要保證白色矩形模組中的畫素與黑色矩形的模組的畫素數相同，所以乘2
對於一幅影象來說，可以通過通過改變特徵模板的大小和位置，可窮舉出大量的特徵來表示一幅影象。上圖的特徵模板稱為「特徵原型」；特徵原型在影象子視窗中擴充套件（平移伸縮）得到的特徵稱為「矩形特徵」；矩形特徵的值稱為「特徵值」。例如在24*24大小的影象中可以以座標（0，0）開始寬為20高為20矩形模版計算上圖a特徵，也可以以座標（0，2）開始寬為20高為20矩形模版計算上圖a特徵，也可以以座標（0，0）開始寬為22高為22矩形模版計算上圖a特徵，這樣矩形特徵值隨著類別、大小和位置的變化，使得很小的一幅很小的影象含有非常多的矩形特徵。矩形特徵值是矩形模版類別、矩形位置和矩形大小這三個因素的函式。
(來自部落格
python opencv學習筆記（二）
影象與原始位元組之間的轉換 從概念上，乙個位元組能表示0到255的整數，通常乙個畫素每個通道由乙個位元組表示。乙個opencv影象是.array型別的二維或者三維陣列。8位的灰度影象是乙個含有位元組值得二維陣列。乙個24位的bgr影象是乙個三維陣列，也包含了位元組值，可以使用表示式訪問這些值，如im...
Python Opencv學習筆記1
我選用的教材是opencv python torturial的翻譯版本，這裡給出基礎部分的學習 以及我的學習備註。import numpy as np import cv2 img cv2.imread untitled.png 0 這裡後面的引數是如何讀取這張，即以下三種情況 print cv2....
Python OpenCV學習（7） 模板匹配
利用python學習opencv，個人感覺比較方便。函式的形式與c 基本相同，所以切換過來還是比較好的，對於像我這種對python不太熟練的人，使用python的整合開發環境pycharm進行學習，可以設定斷點除錯，有助於我這類初學者理解掌握。下面是利用python語言結合opencv的模板匹配 6...