本文授权转载自贾老师的微信公众号"OpenCV学堂"。更多信息可扫描文末二维码关注公众号（知乎已将二维码转换成链接，可自动跳转到微信）。

一：学习OpenCV三个阶段

人工智能带火了计算机视觉的人才需求，作为计算机视觉应用开发框架OpenCV也越来越受到欢迎，市场需求大增，很多人听说了之后就迫不及待的想加入这波大军，这其中很多人他可能懂应用编程，但是计算机视觉零基础，一般都是我要识别个什么，而且还有时间限制，一般都是一个月左右时间，急功近利的心态可见一斑。

学了几个API之后看到了点效果就觉得OpenCV也没什么嘛，感觉跟我搞应用开发一样啊，很快上手啦，就在这个时候发现应用场景稍微有点改变，之前那一点点的效果也没有了，什么都识别不了，然后又发现还有这么多东西要学，才发现这个算法没听说过、那个算法不知道，甚至连他自己调用的算法API那些参数是什么意思也没搞懂怎么调，于是他们就会抱怨OpenCV做的也太差了，压根不行啊，才发现做计算机视觉好难，其实是他们学习OpenCV的打开方式不对。

正确的打开方式应该是这样：首先学习基础，如何知道自己的图像处理与计算机视觉的基础如何呢，很简单，如果你能正确回答下面的十个问题，那说明你还是有点图像处理基础的。

1.图像常见的格式有

• A.jpg
• B.tiff
• C.png
• D.webp

2.常见的图像通道数可能是：

• A. 单通道
• B.双通道
• C. 三通道
• D.四通道

3.数字图像中最小数据单元是什么

• A. 像素
• B.亚像素
• C.超像素
• D.颜色

4.常说的图像滤波是什么数学原理

• A. 傅立叶变换,
• B.离散余弦变换
• C.卷积
• D.距离变换

5.常见的图像插值算法有

• A. 最近邻
• 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<Rect> & objects,double scaleFactor = 1.1,int minNeighbors = 3,int flags = 0,Size minSize = Size(),Size maxSize = Size() 
)

• 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
也许不适合所有人，但是如果能对初学者有一点帮助，也算值得我写下上面几百字的肺腑之言了！

千里之行、始于足下。

OpenCV学堂公众号 点击打开链接