在最新版的2.4.2中，文档的更新也是一大亮点，refrence manual扩充了200多页的内容，添加了contrib部分的文档。contrib就是指OpenCV中新添加的模块，但又不是很稳定，可以认为是一个雏形的部分。这次结合refman的阅读，介绍一下FaceRecognizer这个人脸识别类，这个类也是2.4.2更新日志里着重强调过的更新，配套的文档也是相当充实。这个类的基类也是Algo

2.0新版本对数据结构进行了大幅修改：定义了DataType类定义了Point_模板类，取代了之前版本的CvPoint、CvPoint2D32f定义了Point3_模板类，取代了之前版本的CvPoint2D32f定义了Size_模板类，取代了之前版本的CvSize和CvSize2D32f定义了Rect_模板类，取代了之前版本的CvRectRotatedRect模板类，T

一直对MFC对OpenCV的支持不好而耿耿于怀，了解了Qt对OpenCV支持很好，但网上这方面的资料很少。大部分的图形交互的设计都是基于OpenCV2.0之前的数据结构lpImage进行的。最近得到了一本好书《OpenCV 2 Computer Vision Application Programming Cookbook》，下载的链接为http://ishare.iask.sina.com.cn

看过OpenCV源代码的朋友，肯定都知道很多函数的接口都是InputArray或者OutputArray型的，这个接口类还是很强大的，今个就来说说它们的那些事。InputArray这个接口类可以是Mat、Mat_、Mat_、vector、vector>、vector。也就意味着当你看refman或者源代码时，如果看见函数的参数类型是InputArray型时，把上诉几种类型作为参数都是可以的。

1. XML、YAML文件的打开和关闭XML\YAML文件在OpenCV中的数据结构为FileStorage，打开操作例如：string filename = "I.xml";FileStorage fs(filename, FileStorage::WRITE);\\...fs.open(filename, FileStorage::READ);文件关闭操作会在FileSt

之前介绍过一篇利用级联分类器对目标进行检测的文章http://blog.csdn.net/yang_xian521/article/details/6973667，用的就是haar特征。发现OpenCV自带的库里的haar特征只有人脸、人脸的器官和人的身体，最近又想玩一个人手的检测，之前用颜色特征做的，感觉很不靠谱，这次用haar特征再试一次。这就需要用haartraining这个工具训练自己的手

特征点检测和匹配是计算机视觉中一个很有用的技术。在物体检测，视觉跟踪，三维常年关键等领域都有很广泛的应用。这一次先介绍特征点检测的一种方法——FAST（features from accelerated segment test）。很多传统的算法都很耗时，而且特征点检测算法只是很多复杂图像处理里中的第一步，得不偿失。FAST特征点检测是公认的比较快速的特征点检测方法，只利用周围像素比较的信息就可以

stitching是OpenCV2.4.0一个新模块，功能是实现图像拼接，所有的相关函数都被封装在Stitcher类当中。这个类当中我们可能用到的成员函数有createDefault、estimateTransform、composePanorama、stitch。其内部实现的过程是非常繁琐的，需要很多算法的支持，包括图像特征的寻找和匹配，摄像机的校准，图像的变形，曝光补偿和图像融合。但这些模块的

这部分内容应该是OpenCV高深精髓的一部分。给OpenCV插上了翅膀，可以使它实现更强大的功能，而不是简单的做一些基本的图像处理。文采太差，就不描绘machine learning的强大了。直接剖析之。大部分的分类器和识别的算法都封装在了c++的类中。有些类有一些共同的基础，都被定义在CvStatModel类中了。那就先介绍这个统计模型类CvStatModel，它是机器学习统计模型的基础

之前看到的TLD代码中里机器学习的部分就是用的这个方法。不过TLD作者在论文中实现使用的是random forest，不过归到底，random forest和random ferns都是一种东西。英文比较好的，推荐链接http://cvlab.epfl.ch/alumni/oezuysal/ferns.html，ferns方法的提出者在这里面介绍的已经很详细了。这个链接也是之前交流tld时一个