随笔-----如何用opencv的级联分类器训练器

opencv是一个开源的数字图像处理库，其中有一个重要功能就是识别
而在opencv中，对识别功能的支持主要在两方面，其一是利用分类器算法，其二是神经网络算法，目前opencv支持级联分类器和深度神经网络，但愿将来能支持卷积神经网络，级联分类器算法的原理和神经网络今后介绍，这里先挖个坑

分类器顾名思义是一个将不同类别的东西分类开来的算法，要实现这个目的，我们需要几个部分
1。输入的图片 2。已知的数据 3。输出类别
程序查看【输入的图片】，然后在【已知的数据】里进行查找，找到对应的【输出类别】将其输出。
要得到这些【已知的数据】，我们需要用一大堆的【带标签数据】来对程序进行训练，用来生成这些【已知的数据】，所谓【带标签的数据】，就是对于每一个图片，给他一个标识符，来告诉程序：
“我给你一堆图片，这张代表苹果，这张代表香蕉…现在你已经知道我的分类标准了，你根据我的分类标准来生产一个普遍性的【已知的数据】，然后我根据【已知的数据】就可以直接知道判断的结果了”
上文中的苹果，香蕉之类的，就是每一张图的标签，而图片显然就是数据

然而，opencv的分类器仅仅能分别是和不是结果，而不能分别苹果，香蕉…
换句话说，他只能知道你的输入到底 是 苹果还是 不是 苹果

那么我们对输入的标签也就简化了，我们只需给定两堆数据集，其中一堆告诉程序&