轉自：http://blog.csdn.net/holybin/article/details/17783491
opencv給予一個開放庫供你參考和使用，你也可以自己模仿並建立自己的私有庫。
1、對於預處理，一般就是去除或者降低噪聲，光照歸一化，亮度歸一化，模糊化，銳化，膨脹，腐蝕、開閉等這些操作。而對於這些操作，OpenCV分別提供了相應API函數。而光照的預處理，OpenCV提供了一個直方圖均衡化的API，後續可能會提供一些gammar矯正之類的函數。
2、對於特徵提取，OpenCV裏面提供了一些特徵描述的API，比如，對於人臉檢測而言，它提供了haar特徵的API，行人檢測，提供了hog特徵的API，甚至，它提供了LBP紋理特徵的API。
詳見Richard O.Duda（著），李宏東（譯），《模式識別》，機械工業出版社
3、對於特徵選擇，OpenCV並沒有提供特定的函數來進行衡量。而特徵的分類能力的高低評價，有很多種分析方法。
詳見《機器學習》Tom. Mitchell(著),曾華軍(譯)，機械工業出版社
4、 對於分類器部分，OpenCV提供了SVM,CART,boost,bayes,bdt,ANN,這幾種常用的算法。而這些基本已經覆蓋了常用的分類器。所以，你需要做的，就是知道怎麼調用其接口，各種分類器的優點和缺點。
詳見 “機器學習”這本書
5、這裏還有一些opencv相關的書籍和源碼：
The OpenCV Reference Manual_release2.3
常用的站點：
OpenCV主頁：http://opencv.org/
OpenCV中文網站：http://wiki.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5，對應的論壇：http://www.opencv.org.cn/forum.php
opencvchina：http://www.opencvchina.com/forum.php
cvchina：http://www.cvchina.info/
推薦大神的OpenCV學習筆記：
http://blog.csdn.net/column/details/opencv-manual.html
====================================================================================================================================
有篇介紹寫的很好，轉載過來僅供參考：http://blog.csdn.net/carson2005/article/details/6979806
對於數據獲取，計算機視覺領域的數據，無非就是圖片和視頻兩種。圖片，有bmp,jpg,png,tiff....各種壓縮和非壓縮格式。所以，對壓縮格式的圖片而言，OpenCV內部必然包含了對應的圖片解壓縮函數(一般都是包含了開源的圖片解壓函數庫，例如，對於jpg壓縮格式而言，就包含了libjpg開源庫)。而對於視頻而言，常見的有.rmvb,.avi,.asf等格式，不同的格式，代表着不同的視頻壓縮算法(對於AVI格式，儘管都是avi格式，但內部的壓縮算法仍然不相同。具體原因請參考我的另一篇博客:http://blog.csdn.net/carson2005/article/details/6314089)，也就需要對應的解壓算法來解壓。儘管OpenCV提供了一些讀寫視頻文件的API，但是，它也僅僅是一個接口而已，其內部，依然需要調用相應的視頻編解碼器的API來進行解碼。常用的視頻編解碼器有：xvid,ffmpeg等。也就是說，如果你想利用OpenCV來進行視頻讀寫之類的操作，是需要安裝此類視頻編解碼器的。安裝了相應的視頻解碼器之後，你就可以調用OpenCV的視頻相關API來進行視頻文件的讀取操作了，當然，視頻文件被解碼之後，變成了一張一張的圖片，然後才能被OpenCV所處理。另外，還有一種情況，就是數據來自於相機，包括數字相機和模擬相機。不管是哪種相機，你都要想辦法獲取到相機發送給PC的圖片數據（PC在內存裏面接收到的來自相機的數據可能是jpg格式，也可能是bmp格式）。如果，你在PC內存中接收到的是相機發送過來的jpg壓縮格式，還需要進行圖片數據的內存解壓。關於相機和OpenCV的這部分內容，請見我另一篇博客：
http://blog.csdn.net/carson2005/article/details/6243476
對於預處理，一般就是去除或者降低噪聲，光照歸一化，亮度歸一化，模糊化，銳化，膨脹，腐蝕、開閉等這些操作（詳見，岡薩雷斯，《數字圖像處理》一書）。而對於這些操作，OpenCV分別(又提到這個詞了)提供了相應API函數。而光照的預處理，OpenCV提供了一個直方圖均衡化的API，後續可能會提供一些gammar矯正之類的函數。
對於特徵提取，個人認爲，可以算是整個計算機視覺系統中最爲複雜也最難的部分（純屬個人意見，如有異議，請保留），到底什麼是特徵，該如何來理解這個看似簡單卻又包羅萬象的名詞呢？其實，要想仔細解釋，還真的花費很多時間（有興趣的可以看看，Richard O.Duda（著），李宏東（譯），《模式識別》，機械工業出版社）。簡單點說，特徵，就是一個可以將若干個類別可以儘量分開的一種描述。舉例來說，如果你要進行男人和女人的分類，顯然，用“身高和體重”這一描述來衡量，是可以的，但是，這兩個描述沒有“胸部大小”這一描述更加準確，而“胸部大小”這一描述，又沒有“喉結的有無”這一描述更準確。很顯然，“身高和體重”，“胸部大小”，“喉結的有無”，這三種描述，都可以用來進行男人和女人的分類，只不過，它們對事物的描述的準確（或者說全面）程度是不同的，而諸如此類的描述，有一個更加專業的稱謂，叫做“特徵”。OpenCV裏面，提供了一些特徵描述的API，比如，對於人臉檢測而言，它提供了haar特徵的API，行人檢測，提供了hog特徵的API，甚至，它提供了LBP紋理特徵的API。但是，這些還遠遠不夠。例如，如果你要進行字符識別，OpenCV並沒有提供字符識別所對應的特徵。這個時候，就需要你自己來編程實現了。當然，該選擇什麼特徵來描述字符呢？哪些特徵更好呢？對於這些問題，我建議你去閱讀相應的會議，期刊，雜誌，碩士、博士畢業論文（畢竟碩士、博士研究生本就該從事“研究”工作），看看別人寫的文章，自然就知道了。
對於特徵選擇，OpenCV並沒有提供特定的函數來進行衡量。而特徵的分類能力的高低評價，有很多種分析方法，有興趣的朋友，可以閱讀"《機器學習》Tom. Mitchell(著),曾華軍(譯)，機械工業出版社"這本書；
對於分類器部分，OpenCV提供了SVM,CART,boost,bayes,bdt,ANN,這幾種常用的算法。而這些基本已經覆蓋了常用的分類器。所以，你需要做的，就是知道怎麼調用其接口，各種分類器的優點和缺點（該部分，建議閱讀“機器學習”這本書）。
通過以上的分析，你或許已經發現，OpenCV不過是一個工具而已。或者，你可以將它理解爲幼兒園小朋友過家家玩的積木，而OpenCV中的函數，則可以理解爲一個一個的積木塊，利用所有或者部分積木塊，你可以快速的搭建起來具體的計算機視覺方面的應用（比如，字符識別，車牌識別，遺留物檢測）。想必你也已經發現，在利用OpenCV這個積木來搭建具體的計算機視覺應用的時候，真正核心的，應該是這些積木塊，如果你明白了積木塊的工作原理，那麼，是不是就可以不用這些積木塊了呢？完全正確！不過，一般部分情況下，我們不需要這麼做，因爲，OpenCV已經幫你做好了一些工作（已經幫你做好了一些積木塊，直接拿來用就是了）。但是，諸如前面提到的特徵提取模塊，很多情況下，OpenCV就無能爲力了。這個時候，你就需要翻閱計算機視覺、模式識別、機器學習領域頂級會議、期刊、雜誌上面發表的文章了。然後，根據這些文章中闡述的原理和方法，來編程實現你要的東西。實際上，也就等於搭建一個屬於你私有的積木塊。其實，OpenCV中的每一個API函數，也就是這麼來的。