linux环境中如何运行第一个opencv程序，我环境配置好了，就是运行的时候提示有错。如能解决，另外加分

”……“ was not declared in this scope。。。当出现这种问题的时候，一般是头文件不对，查一下你库存放的位置，版本不同 #include 后面写的都不同的

1、意思就是 64位和32位的不兼容。 2、不知道你想表达的是什么意思。 3、是的。 4、DEBUG的程序一般可以调试，release一般无法调试，并且经过优化算法。由于优化算法不同，甚至导致DEBUG的程序和release程序运行结果不一样的情况

OpenCV训练分类器

一、简介

目标检测方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。

该方法的基本步骤为：

首先，利用样本（大约几百幅样本）的 harr 特征进行分类器训练，得到一个级联的boosted分类器。

分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器， 这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。

分类器训练完以后，就可以应用于输入图像中的感兴趣区域(与训练样本相同的尺寸)的检测。检测到目标区域(汽车或人脸)分类器输出为1，否则输出为0。为了检测整副图像，可以在图像中移动搜索窗口，检测每一个位置来确定可能的目标。为了搜索不同大小的目标物体，分类器被设计为可以进行尺寸改变，这样比改变待检图像的尺寸大小更为有效。所以，为了在图像中检测未知大小的目标物体，扫描程序通常需要用不同比例大小的搜索窗口对进行几次扫描。

目前支持这种分类器的boosting技术有四种：

Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost。

"boosted" 即指级联分类器的每一层都可以从中选取一个boosting算法(权重投票)，并利用基础分类器的自我训练得到。

根据上面的分析，目标检测分为三个步骤：

1、 样本的创建

2、 训练分类器

3、 利用训练好的分类器进行目标检测。

二、样本创建

训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本(例如人脸或汽车等)，反例样本指其它任意，所有的样本都被归一化为同样的尺寸大小(例如，20x20)。

负样本

负样本可以来自于任意的，但这些不能包含目标特征。负样本由背景描述文件来描述。背景描述文件是一个文本文件，每一行包含了一个负样本的文件名（基于描述文件的相对路径）。该文件必须手工创建。

eg: 负样本描述文件的一个例子：

假定目录结构如下：

/img

img1jpg

img2jpg

bgtxt

则背景描述文件bgtxt的内容为：

img/img1jpg

img/img2jpg

正样本

正样本由程序craatesample程序来创建。该程序的源代码由OpenCV给出，并且在bin目录下包含了这个可执行的程序。

正样本可以由单个的目标或者一系列的事先标记好的来创建。

Createsamples程序的命令行参数：

命令行参数：

－vec <vec_file_name>

训练好的正样本的输出文件名。

－img<image_file_name>

源目标（例如：一个公司图标）

－bg<background_file_name>

背景描述文件。

－num<number_of_samples>

要产生的正样本的数量，和正样本数目相同。

－bgcolor<background_color>

背景色（假定当前为灰度图）。背景色制定了透明色。对于压缩，颜色方差量由bgthresh参数来指定。则在bgcolor－bgthresh和bgcolor＋bgthresh中间的像素被认为是透明的。

－bgthresh<background_color_threshold>

－inv

如果指定，颜色会反色

－randinv

如果指定，颜色会任意反色

－maxidev<max_intensity_deviation>

背景色最大的偏离度。

－maxangel<max_x_rotation_angle>

－maxangle<max_y_rotation_angle>，

－maxzangle<max_x_rotation_angle>

最大旋转角度，以弧度为单位。

－show

如果指定，每个样本会被显示出来，按下"esc"会关闭这一开关，即不显示样本，而创建过程继续。这是个有用的debug选项。

－w<sample_width>

输出样本的宽度（以像素为单位）

－h《sample_height》

输出样本的高度，以像素为单位。

注：正样本也可以从一个预先标记好的图像集合中获取。这个集合由一个文本文件来描述，类似于背景描述文件。每一个文本行对应一个。每行的第一个元素是文件名，第二个元素是对象实体的个数。后面紧跟着的是与之匹配的矩形框（x, y, 宽度，高度）。

int main(int argc,char argv) //main函数

{

cvNamedWindow("Demo");//声明窗口

CvCapture capture=cvCreateCameraCapture(0);//声明摄像头类型的变量

IplImage frame;//声明图像

while(1)//循环

{

frame=cvQueryFrame(capture);//从摄像头中读取一帧

if(!frame) break;//如果错误，跳出循环

cvShowImage("Demo",frame);//在窗口中显示图像

char c=cvWaitKey(50);//等待按键事件

if(c==27) break;//如果按ESC键，跳出循环

}

cvReleaseCapture(&capture);//释放capture

cvDestroyWindow("Demo");//销掉窗口

}

OpenCV是一个开源的图像处理库，QML是Qt官方推出的一个描述性语言，QtMarkupLanguage，QtQuick也是Qt官方推出的一个技术框架，在开发嵌入式、动态触屏等时有一定的优势。

模块的作用：

打一个很简单的比方，QML就是Qt的HTML，C就是Qt的JavaScript，而QtQuick相当于一些已经集成好的开发框架，使开发应用程序变得更加简单省事。

OpenCV是一个基于C/C的开源图像处理库，和Qt本身没有太多关联，其主要是用于计算机视觉和图形开发，Qt的扩展应用OpenCV并不是每个应用程序都要用到，只是某些有特殊需求的应用程序可以更方便地使用Qt扩展的OpenCV应用。比如说用Qt开发一个软件，要使用人脸识别功能，就可以集成OpenCV来实现。

使用频率：

虽然说QML相当于HTML，C相当于JavaScript，但是还是有一定区别：所有的网页都是通过解析HTML渲染出的，JavaScript虽然可以动态改变网页，但是最终还是通过改变HTML来达到效果；QML、C的关系恰好反过来，在Qt中，C是“更加底层”的，QML使用更加简单的标记语言的语法来调用底层的C绘图支持API，从而提高程序开发的效率。

使用QML可以更快速、简捷地开发应用程序，在Qt中的使用频率也是很高的，不过这要根据特定开发人群、开发目标而定。有些开发者习惯直接使用C开发，而有些开发者更喜欢简单的QML，很多时候都是“用QML开发用户界面，用C开发业务逻辑”，但是用C开发用户界面的也不在少数。

QtQuick是一套开发框架，核心语言就是QML。

QtQuick的使用频率不低，从Qt的NewProject界面就可以看出，QtQuick是和Qt传统的CWidge平起平坐的（当然还有QtforPython等）。

OpenCV在不需要图形处理功能的情况下是不需要用到的，所以不怎么好说“使用频率”，因为这是针对特定的软件需求来的。

是否有必要学习：

QtQuick能够使应用程序开发更有效率，但是并不是开发一个程序必备的，能用QtQuick开发的，C肯定能够做出来，但是耗费时间、精力更多。在Qt开发工作这一块，掌握Qt的核心功能是必须的，而且这还远远不够。在招聘的时候肯定是考察应聘者对Qt各种技术和开发思想的理解和掌握情况，而QtQuick是官方推出的框架，掌握其开发方法应该是基本功。

以上就是关于linux环境中如何运行第一个opencv程序，我环境配置好了，就是运行的时候提示有错。如能解决，另外加分全部的内容，包括:linux环境中如何运行第一个opencv程序，我环境配置好了，就是运行的时候提示有错。如能解决，另外加分、怎样编译opencv程序、如何利用opencv进行样本训练等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！