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？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

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？

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。

想用opencv識別圖像中特定物體的個數(shù)，怎么做到？

根據(jù)具體情況判斷難度。就像兩顆豌豆固定對象的形狀和大小一樣，直接的模板匹配也可以完成。如果存在變形或尺寸差異，則使用訓練后的目標識別算法。

想用opencv識別圖像中特定物體的個數(shù)，怎么做到？

基本上，需要使用機器學習或深度學習來實現(xiàn)模式識別。通過模式識別，可以找到圖像中指定目標的位置和數(shù)目。但這也取決于認識到什么。目前，人臉檢測是非常好的。利用機器學習需要建立一套針對特定對象的識別方法，然后訓練分類器。深度學習需要大量正反兩方面的數(shù)據(jù)來訓練模型。