让零基础完全不懂OpenCV与图像处理的初学者初步掌握图像处理与OpenCV基本知识；掌握OpenCV Python基础API与Numpy包中关于Scalar部分的数据处理内容。

本课程详细解释了图像的基本概念、通道、色彩空间、像素操作与计算、亮度与对比度调整、图像像素伪色彩填充与LUT查找表等知识点为学习其它高级图像处理与计算机视觉课程打下良好基礎。

OpenCV 特征提取与检测实战视频课程（基于c++语言授课）

基于OpenCV最新版本3.1.0详细讲述OpenCV中特征提取与对象检测部分内容包括角点检测、亚像素定位、SIFT、SURF、BRISK、AKAZE等常用特征检测方法的基本原理、使用方法、参数、代码演示、以及HAAR级联检测基本原理与人脸检测代码演示，同时还涉及描述子匹配的暴力匹配方法与FLANN匹配方法代码演示与对象识别

涵盖OpenCV中特征提取与对象检测的全部主要内容。是学习特征提取与匹配知识与应用开发接地气的实践课程

最简单快速的方法几十年前被提出用于发现图片相似性。森林多是绿的人脸多是粉的，如果比较两张森林的照片会发现在直方图方面有更多的相似，因为他们都有佷多绿色

不足：过于简化，香蕉和沙滩因为颜色的原因看上去很像

一个很好的用处是寻找优质匹配（good match）。使用要进行搜索的图片和被搜索图片进行卷积通常用于在大图中寻找小图片段。

不足：仅返回优质结果相同图片、相同大小或方向

很可能是图片搜索中最有效率嘚方法。以一种保险的方式从一张图片中提取一些特征保证即使进行了旋转、缩放、扭曲（skewed），仍然能够再次提取出相同的特征按照這种方式提取的特征能够匹配其他图片的特征集合。另一张图片如果含有很高比例第一张图片所具有的特征的话他们在很大程度上描绘叻相同的对象或场景。能用于在照片中寻找不同拍摄角度的相对差异或者重叠量。

不足：速度很慢并不完美。