TensorFlow OpenCV3学习笔记

1.1 TensorFlow简介

1.1.1 小概念

1. TensorFlow：Tensor是张量，Flow指数据流图的流动。
2. 张量：是在深度学习中表示数据的标准方式。简单地说，张量就是多维数组，是二维表（矩阵）到更高维度的扩展。
3. TensorBoard：TensorFlow可视化工具，用于监视、调试和分析训练过程和实验。
4. MNIST(Mixed National Institute of Standards and Technology)：手写数字数据集。
5. 神经元模型
   
6. BP神经网络中的两个基础算法：随机梯度下降算法和最小二乘法(LS算法)。 重要的反向传播算法
   
   
   
   
   
   
   
   

1.2 TensorFlow配置与使用

可参考链接：
环境配置：
字符训练：

1.3 TensorFlow用法

2.1 OpenCV3与VS2015配置

2.2 OpenCV3函数

2.2.1 卷积核函数 filter2D

filter2D： cv2.filter2D(src, -1, kernel, dst); 其中：src是目标图片，-1指每个目标图片的通道位深数，一般要求目标图片和生成图片的位深数一样，kernel是图片所使用的卷积核矩阵。

2.2.1 连通域connectedComponentsWithStats

int cv::connectedComponentsWithStats (cv::InputArrayn image, cv::OutputArray labels, cv::OutputArray stats,cv::OutputArray centroids,int connectivity = 8, int ltype）；用于过滤原始图像中轮廓分析后较小的区域，留下较大区域。
其中：

cv::InputArrayn image,         // input 8-bit single-channel (binary)
cv::OutputArray labels,        // output label map
cv::OutputArray stats,         // Nx5 matrix (CV_32S) of statistics:
                                  // [x0, y0, width0, height0, area0;
                                  //  ... ; x(N-1), y(N-1), width(N-1),
                                  // height(N-1), area(N-1)]
cv::OutputArray centroids,     // Nx2 CV_64F matrix of centroids:
                                  // [ cx0, cy0; ... ; cx(N-1), cy(N-1)]
int  connectivity = 8,         // 4- or 8-connected components
int  ltype = CV_32S            // Output label type (CV_32S or CV_16U)

2.2.3 直方图函数calcHist()

图像的直方图可以用来调整图像的亮度和对比度。

2.2.4 正则化函数normalize()

2.2.5 直方图的均衡化函数：equalizeHist()

equalizeHist(image, equalizedImg)

2.2.6 图像旋转getRotationMatrix2D

Mat getRotationMatrix2D(Point2f center, double angle, double scale)
其中：
Point2f center：表示旋转的中心点
double angle：表示旋转的角度
double scale：图像缩放因子

2.3 问题与解决