研一新生導師讓選方向，F(xiàn)PGA，51和stm32單片機，opencv這三個那個比較有前景呢？我推薦FPGAC/C是一種比較低級的語言，它可以很好地控制CPU/內存等計算機資源，尤其是硬件。在算法運算最

研一新生導師讓選方向，F(xiàn)PGA，51和stm32單片機，opencv這三個那個比較有前景呢？

我推薦FPGA

C/C是一種比較低級的語言，它可以很好地控制CPU/內存等計算機資源，尤其是硬件。在算法運算最精細的時候使用它們是很自然的。

但它們的優(yōu)點也是缺點。精細的操作自然需要精細的編程，精細的編程自然需要復雜的語言設置，比如什么是指針，什么是指針函數(shù)，什么是函數(shù)指針當你理解了這些概念，你可能就沒有編寫代碼的沖動了。更重要的是，如果你想編寫高性能的代碼，你必須精通這些概念

Python的一個非常重要的特性就是所謂的“粘合語言”，也就是說它可以將用不同語言編寫的代碼模塊組合起來，然后通過Python調用它們。實際上，大多數(shù)算法庫都是用C/C語言編寫的，然后提供Python接口供用戶使用。畢竟，大多數(shù)人只需要知道如何調用封裝的算法。但是如果你想實現(xiàn)你自己的算法，你必須知道C/C

例如，Python就像一個電視遙控器，C/C就像遙控器中的電路板。通常，如果你想換臺，只需按一下按鈕。但有一天你只需要一個將屏幕旋轉90度的功能，遙控器沒有這個功能，但可以通過卸下遙控板，插入幾個組件來實現(xiàn)。你是做什么的？

為什么有些算法崗位，需要用C 而不是python？

這取決于你的目的。比如說現(xiàn)在的車這么先進好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需要知道。如果你是一個機械師，你必須理解。如果你是一個汽車制造商的工程師，你必須對它非常了解。簡言之，這取決于具體的需要。

OpenCV已經(jīng)將圖像處理(識別)的算法寫成函數(shù)了，那我們還有必要去學習這些算法嗎？

有許多匹配算法，例如比較原始圖像和模板圖像像素值的最簡單方法。但是這種方法有一點旋轉和光線變化，結果會很差。為了改進這一點，我們有sad算法。然后傷心地說。然后利用NCC算法計算區(qū)域間的互相關。在上述三種算法中，sad算法是最簡單的，因此在確定模板大小時sad算法的速度最快。NCC算法比sad算法復雜得多。至于算法的過程，這三種算法都很容易理解。我覺得自己學習比較好。