【OpenCV基础】读特定图像识别的实现流程

📢：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨
📢：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】
📢：文章若有幸对你有帮助，可点赞 👍 收藏 ⭐不迷路🙉
📢：内容若有错误，敬请留言 📝指正！原创文，转载请注明出处

---

1.训练分类器制作 xml 文件

opencv的代码仓中保存着很多已经训练好的Haar分类器，如检测脸部、眼睛、微笑等。这些分类器以xml的文件格式保存在haarascades文件夹中。

2.创建样本

训练样本分为正样本和负样本，其中正样本都是需检测物品的图片，尽量选取背景颜色单一的。正样本描述形如：XXX.jpg 1 0 0 20 20，1代表一张图片，00代表图片的起点，20、20分别表示图像的长和宽。
负样本是除了正样本以外的其他样本。
样本数量越多训练结果越好，负样本一般是正样本的3-5倍。

3.训练分类器

将正样本描述文件转换成vec文件。

4.图像识别

当生成xml文件后，就根据xml文件中的数据是被图片中的物体。
代码包括：1.读取图片
2.判断是否为灰度图。当通道数的值表示三时，则是灰度图。
3.如果不是灰度图，需转化为灰度图。
4.物体检测。detectMuliScale（）函数进行检测，它能返回包含对象的矩形框。