最后
Android学习是一条漫长的道路，我们要学习的东西不仅仅只有表面的 技术，还要深入底层，弄明白下面的 原理，只有这样，我们才能够提高自己的竞争力，在当今这个竞争激烈的世界里立足。
人生不可能一帆风顺，有高峰自然有低谷，要相信，那些打不倒我们的，终将使我们更强大，要做自己的摆渡人。
资源持续更新中，欢迎大家一起学习和探讨。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
-
B. 双立方
-
C. lanczos插值
-
D.双线性
6.常见的RGB图像每个像素点颜色值范围
-
A. 0~1
-
B. 0~256
-
C.0~255
-
D.0~180
7.关于RGB色彩的描述下面正确的是：
-
A.RGB(255,255,255)表示黑色
-
B.RGB(0,0,255)表示蓝色
-
C.RGB(255,0,0)表示绿色
-
D.RGB(0,0,0)表示白色
8.常见的图像色彩空间有：
-
A. HSL
-
B. HSV
-
C. RGB
-
D. YCrCb
9.常见的图形绘制时候像素渲染方法有
-
A.四邻域渲染
-
B.八邻域渲染
-
C.透明通道混合反锯齿渲染
-
D.游戏渲染
10.下面关于RGB图像亮度与对比度说法正确的是
-
A.颜色值越高，亮度越高
-
B.降低图像亮度会影响图像对比度
-
C.亮度就是图像对比度
-
D.图像对比度就是图像直方图
上面10道题是图像处理基础知识考察，其考察目的是检验是否拥有学习OpenCV一些必备的基础知识，如果你一半都没有做对(关注公众号，发送 【答案】两个字，即可查看答案)，我觉得暂时你应该先放下你的那些识别、检测的目标，而是老老实实的看视频课程或者图书、博客文章等，厘清这些基本概念，本人根据自己学习图像处理、计算机视觉与OpenCV亲身经历，总结一个学习路线图，仅供大家参考：
大致分为三个阶段，第一个阶段应该是基础，第二个阶段是提升、第三个阶段是应用，而很多初学者一般都看重的是第三部分，素不知前面还有N多东西没学，正所谓“千里之行，始于足下”。只有走好学习OpenCV的第一步我们才能走好剩下的999步。否则就会出现“欲速则不达”的尴尬局面，貌似懂，一做应用什么都不行，调用哪个OpenCV算法函数都无法解决问题的进退维谷之中。
###二：做内外兼修的OpenCV开发者
OpenCV3.x中集成了超过1000个算法模块，这些算法如何组合使用，他们的参数意义，算法的原理与适用场景条件等各不相同，要成为一个真正的OpenCV开发高手，必须精通常见的算法原理，各个参数意义，参数使用等。
就拿我们最常见的OpenCV中HAAR人脸检测来说吧，整个代码演示我可以做到20行以内实现，但是具体到应用场景，我就听到有人跟我说HAAR级联人脸检测速度太慢了这样的抱怨，原因是他连最基本的各个参数是什么意思都没搞清楚，更谈不上调参数优化啦HAAR级联检测器API调用如下：
void cv::CascadeClassifier::detectMultiScale
(
InputArray image,
std::vector
double scaleFactor = 1.1,
int minNeighbors = 3,
int flags = 0,
Size minSize = Size(),
Size maxSize = Size()
)
1. 第一个参数image是输入图像 第二个参数objects检测到的人脸BOX位置信息
-
第三个参数是放缩比率，这个参数是用来构建HAAR多尺度用的
-
第四个参数是计算人脸BOX的最小相邻个数 第五个参数是标志，在OpenCV3.0以后的版本中已经不再使用，没有任意意义
-
第六个参数是检测人脸时，可以检出BOX的最小宽高
-
第七个参数是检测人脸时，可以检出BOX的最大宽高
上述的七个参数，对检测速度与检测结果影响比较大的分别是第三、第四、第六、第七个参数，第六与第七个参数是设置大小，这个很容易理解，比较难理解的是第四个，最小相邻个数，假设最小相邻数目取3、则有下图：
表示在最终红色BOX人脸检测结果是基于HAAR级联检测砖红色、青色、蓝色框的求得平均值得到红色BOX框，理论上3表示至少有三个候选，这个参数值越大，检测结果输出人脸的准确率越高，同样耗时也会越长、还会导致漏检率增加。
而很多初学者没有仔细了解该参数的意义，更无从谈起如何优化参数，另外三个参数，如果考虑速度的话，最好设置最大与最小可检测人脸BOX范围，这里有利于减少计算时间，提升实时性能。这里只是通过这个例子来说明OpenCV中的各个算法API参数重要性，要成为OpenCV开发高手，个人认为要做到内外兼修，这里内是指相关数学、算法论文都认真读、仔细的研究，不断加深对相关算法的理解与领悟；
外是指要加强动手能力，编程能力，做为OpenCV开发者我们首要职责就是负责让视觉相关应用落地，没有很强悍的工程能力与解决问题能力很难做到这点。结合本人的亲身实践和学习路径，建议在学习OpenCV 编程时搞清楚几点对学习更加有帮助
-
学习API函数时查找相关论文，尝试阅读论文
-
搞清楚学到的每个算法相关数学基础，尝试理解相关参数意义
-
学会看OpenCV官方的文档与代码示例
-
古语云“独学而无有、孤陋则寡闻”，所以多认识一些OpenCV学习者与开发者
-
从最新版本开始学习，OpenCV已经发布了OpenCV3.4.1最新版本，建议学习从OpenCV3.4开始学习，避免学习一些过期的API给自己带来不必要的烦恼与负担。
-
C++还是Python，当前OpenCV SDK支持C++与Python SDK，所以无论选择哪一种语言都可以学习OpenCV。
三：关注业界动态、紧跟技术潮流
如果你成功了经历了前面几个阶段，应该恭喜你是一个真正的OpenCV开发者啦，但是这个时候还有清醒的意识到你只是一个知道和熟悉常见OpenCV中算法、使用它们解决实际问题的开发者而已，要学会关注业界动态，关注OpenCV框架的新发展与新动向、特别是新算法在OpenCV框架中的实现与SDK发布。
举例来说DNN模块发布已经快一年了，本人一直跟踪OpenCV的每个Release、深刻感受到它的功能越来越完善与强大，个人观点以后OpenCV的大部分对象检测与识别都可能基于DNN模块实现，这样的好处是对开发者显而易见，即降低了学习门槛，有提高了检测准确性与精度，对于DNN这样的新模块，作为OpenCV开发者的你是否一直在不断跟踪它，另外注意学术界的动态，OpenCV社区会很快把一些最新CVPR上面的论文变成想法算法模块的，所以对一些影响比较大的CVPR的论文有条件要及时跟进阅读与理解。
很多人想学习人工智能相关的热门技术，我觉得OpenCV就是很接地气，也很好的方向选择，也不需要太过深奥的数学知识，即使零基础也可以学会、学好。正如古人所说“假舆马者，非利足也，而致千里；假舟楫者，非能水也，而绝江河。君子生非异也，善假于物也”，借助OpenCV这个神兵利器，开发者也会从检测到识别无所不能。
###后记
下面是我和朋友搜集的一些Android方面的资料，有需要的可以点击下面链接直接领取。或者私信（进阶）给我，我给你分享资料。这也是多谢大家这么久来的一个支持，希望能一起学习，共同进步。有想一起交流讨论的欢迎加入群聊：875911285（记得备注简书）
总结
最后为了帮助大家深刻理解Android相关知识点的原理以及面试相关知识，这里放上相关的我搜集整理的14套腾讯、字节跳动、阿里、百度等2021最新面试真题解析，我把技术点整理成了视频和PDF（实际上比预期多花了不少精力），包知识脉络 + 诸多细节。
网上学习 Android的资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618156601)**
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
扫一扫
372
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
