opencv学习笔记--（02）

进入opencv学习的第二个环节。（此处就比较个性化了，主要是自己相干的事情不太一样）

opencv可以处理静态图片也可以处理动态图片（视频）。

当然对于化工信息获取来说，静态程序基本够用，视频处理一般也是截图获取信息。所以先按照静态方式学习就可以了。（当然处理视频，硬件要求比较高）

opencv打开文件、查看、保存和关闭已经会用了。（这个去年寒暑假搞过）

然后需要做的是：记录手工处理过程。

1、提出问题-----选取问题具体参数------人工处理（可以是人工编程、也可以是手动选取）----获得信息-----保存信息。（在这个流程成功的基础上，可以用python搭建一个图形界面，方便操作）

这个阶段其实也是走过流程，还带了两个本科生。以上算是化工过程软件处理的基本模式。

然后，需要具体问题具体分析了。多数情况下，化工问题信息化会发生比较大的偏差，需要分析偏差导致的原因（化工操作误差、图片采集的问题、信息处理方法问题）。其实这个阶段不要气馁，毕竟人工操作实验也会有误差，采用自动化问题肯定更多。

然后提出问题的解决方案，化工操作是否要改变、图片采集环境是否有特定要求、信息处理方法需不需要改进。在可能范围内改善，最后定下一个可行、可行度高的方案，并在此基础上修改程序。

2、机器学习状态：

这个阶段主要是使用软件，模拟上个阶段的人工操作，尽可能减少软件运行过程中的人工操作。或者说就是多观察人工操作的过程中，是否有什么判断特征指标，将特征指标程序化。

3、深度学习：

通过程序将上个阶段的人工操作，变成机器操作和判断自动化。对比人工操作和机器操作的结果，不断提高机器操作的可靠度。

经过这一天学习目前算是搞清楚了，事情的处理框架和逻辑。

现阶段opencv学习只能满足阶段一的需求，要实现阶段二、三，需要补充机器学习和深度学习的内容。