A. 我想请教一下opencv中cvFindStereoCorrespondenceBM，cvFindStereoCorrespondenceGC函数的具体流程
http://blog.csdn.net/wqvbjhc/article/details/6260844 这个网址给你，可以参考一下，我以前参考这个试验成功了~
B. opencv关于像素点的图像匹配算法
首先，建议你将图像中感兴趣区域（比如上图中的字母）取出来进行归一化，然后在进行匹配率计算。这是因为周围环境会对匹配率产生影响。
其次，建议你将匹配率算法改成Hausdorff距离https://en.wikipedia.org/wiki/Hausdorff，这样对图像有些平移什么的都不怎么敏感了。
C. opencv检测缺陷用哪些算法
根据不同的需求来进行不同的处理
1 空洞 这个肯定是像素颜色和周边的不同 建议用阈值分割 然后轮廓检测
2 褶皱 这个褶皱肯定会有梯度的变化 建议检测边缘 再计算褶皱的梯度信息
3 划痕 这个和上一个问题相似 但是也有不同 应该是梯度的方向和强度不同（一个是凹一个是凸）
4 斑点 如果只是点点星星的 opencv里也有很多角点检测算法 比如 surf fast ORB等
D. opencv三维重建深度怎么不随视场变化
视场变化主要是通过找出每对图像间的对应关系，根据三角测量原理，得到视差图；
在获得了视差信息后，根据投影模型很容易地可以得到原始图像的深度信息和三维信息。立体匹配技术被普遍认为是立体视觉中最困难也是最关键的问题，主要是以下因素的影响：
（1）光学失真和噪声（亮度、色调、饱和度等失衡）
（2）平滑表面的镜面反射
（3）投影缩减（Foreshortening）
（4）透视失真（Perspective distortions）
（5）低纹理（Low texture）
（6）重复纹理（Repetitive/ambiguous patterns）
（7）透明物体
（8）重叠和非连续
E. 基于opencv的纸张表面质量检测算法中
opencv里面是没有那种算法的，它只是提供一些常用的计算函数。具体的算法，由于你的需求比较特殊，相信应该没有现成的瑕疵检测算法，好在你的需求难度应该不大，通过常用的图像识别算法，比如纹理算法（Gabor算法）、SURF算法就可以找到白纸上瑕疵，这些瑕疵都是相当于一张白纸的特征点嘛！基本思想就是借用图像识别、匹配过程的思想——找图像上的特征点。白纸一般是提取不出特征点的，要是提取出来了，那就说明白纸上有东西（洞、褶皱或者异物）。
F. opencv实现人脸识别有多少种算法
OpenCV在2.4.1以后的版本中开始自带人脸识别，共有三种人脸识别算法的实现，分别是PCA , LDA , LBPH. OpenCV2创建方法如下:
cv::Ptr<cv::FaceRecognizer>facerPCA,facerLDA;
cv::Ptr<cv::FaceRecognizer>facerLBPH=cv::createLBPHFaceRecognizer();
facerPCA=cv::Algorithm::create<cv::FaceRecognizer>("FaceRecognizer.Eigenfaces");
facerLDA=cv::Algorithm::create<cv::FaceRecognizer>("FaceRecognizer.Fisherfaces");
在OpenCV3中,人脸识别的实现被移动到第三方库opencv_contrib中,而且OpenCV3版本的各个版本3.0.0,3.2.0,3.3.0的创建方法均不同,且都被移动到cv::face::名字空间下.
G. 人脸比对 opencv怎么实现
其实有很多办法，我说一种简单办法的思路吧，如果编码的话，代码量有些大。
[思路]识别出某个人的脸
(1)你先准备好这个人的几张或几十张的图片让程序来“学习”
(2)[程序分为两部分]第一部分:[学习这个人的脸]
把这些图片逐个读入程序，然后对每个图片进行以下处理:
a.初步降噪:可以用cvErode或更好级别的算法来对图像完成初步降噪(opencv这块有几个挺好的算法，自己是依据需求和场景来定用哪个吧)
b.用ROI或其他方法划定出人脸区域
c.为ROI圈定的区域 建立histogram
(3)这样你就有了几十个histogram，然后自己写个算法来提取这几十张histogram 的通用特点[也就是模糊的找到这个人的脸部特征]
(4)然后再依据提取的特征建立一个histogram
(5)[程序第二部分]:[识别人脸]
a.从摄像头，读入人脸
b.初步降噪
c.ROI划定区域
d.建立一个histogram
e.用这个histogram与之前[学习中]的histogram进行比较，如果差异小于你规定的阀值 ，则确定识别成功。
---------------------------------------------------------------------------------
以上功能只能做到:如果这个人出现在摄像头前，则能认出这个人来了，如果其他人出现在摄像头前则输出“这个人不是要找的人”。
---------------------------------------------------------------------------------
上面的算法应该算是最简单的啦，所以效果应该不会太好，opencv中还可以对图像进行划分，然后定点五官，这个方法可能更好一些。
---------------------------------------------------------------------------------
如果你要让它能识别出多人，那么思路一样，只不过要对每个人进行上面提到的“机器学习”的过程，也就是建立一个自己的识别库的过程。
H. 如何利用opencv实现彩色图像边缘检测算法
在opencv中显示边缘检测很简单，只需调用一个cvCanny函数，其使用的是Canny算法来实现对图像的边缘检测．
函数原型为：
void cvCanny( const CvArr* image,CvArr* edges,double threshold1,double threshold2, int aperture_size=3 );
第一个参数为待检测的图像，注意一点，其必须是灰度图．
第二个参数为输出的边缘图，其也是一个灰度图．
后三个参数与Canny算法直接相关，threshold1和threshold2 当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割，aperture_size算子内核大小，可以去看看Canny算法．
从彩色图到灰度图需要使用到cvCvtColor函数，其接受三个参数，第一为输入，第二为输出，第三个为转换的标识，我们这边是RGB到GRAY，使用的是CV_RGB2GRAY．
参考demo代码如下：
#include <iostream>
#include <string>
#include <sstream>
#include <opencv/cv.h>
#include <opencv/highgui.h>
using namespace std;
int String2int(const string& str_)
{
int _nre = 0;
stringstream _ss;
_ss << str_;
_ss >> _nre;
return _nre;
}
void DoCanny(const string& strFileName_)
{
//原彩色图片
IplImage* _pIplImageIn = cvLoadImage(strFileName_.data());
if (_pIplImageIn == NULL)
{
return;
}
//彩色图片转换成灰度图放置的图片
IplImage* _pIplImageCanny = cvCreateImage(cvGetSize(_pIplImageIn), _pIplImageIn->depth, 1);
cvCvtColor(_pIplImageIn, _pIplImageCanny, CV_RGB2GRAY);//CV_RGB2GRAY将rgb图转成灰度图
//只有边缘路径的图片
IplImage* _pIplImageOut = cvCreateImage(cvGetSize(_pIplImageIn), IPL_DEPTH_8U, 1);
//边缘检测只能作用于灰度图
if (_pIplImageCanny->nChannels != 1)
{
return;
}
//边缘检测操作
cvCanny(_pIplImageCanny, _pIplImageOut, 1, 110, 3);
cvNamedWindow("Src");
cvShowImage("Src", _pIplImageIn);
cvNamedWindow("Canny");
cvShowImage("Canny", _pIplImageOut);
cvWaitKey(0);
cvReleaseImage(&_pIplImageIn);
cvReleaseImage(&_pIplImageCanny);
cvReleaseImage(&_pIplImageOut);
cvDestroyWindow("Src");
cvDestroyWindow("Canny");
}
int main(int argc, char* argv[])
{
if (argc < 2)
{
cout << "You should give the filename of picture!" << endl;
return -1;
}
DoCanny(argv[1]);
return 0;
}