OpenCV 连通域标号

解决图同构问题的一般思路是，为每个图生成一个唯一的字符串表示，称为代码或规范标号。规范标号的核心特性是：当且仅当两个图同构时，它们的规范标号相同。 因此，通过比较图的规范标号，就可以判断图是否同构。 构建图的规范标号，首先需要确定图的邻接矩阵表示。需要注意的是，一个图可能有多种邻接矩阵表示，因为顶点的排序方式可以是多种多样的。

这是一个简单的OpenCV程序示例，帮助学习者理解如何使用OpenCV读取图像。

下载包括 haarcascade_mcs_eyepair_big.xml、haarcascade_mcs_eyepair_small.xml、haarcascade_mcs_mouth.xml 和 haarcascade_mcs_nose.xml 在内的 OpenCV 2.4 版本。

介绍如何使用Matlab代码来实现图像的连通区域提取，内容简明易懂，适合初学者。

OpenCV 的入门资料整理得挺全，适合刚接触图像的朋友。基础讲得比较清楚，从库的定位、特点、核心组件到具体代码示例，结构清晰，重点也抓得准。比如显示图片那段代码，简单直接，适合快速上手。另外还有对 IplImage 的字段解释，对理解底层数据结构有。虽然版本写的是 2.2，有点老了，但对理解 OpenCV 框架和思路还是蛮有参考价值的。 如果你刚开始摸索 OpenCV，尤其用 C/C++ 写图像相关项目，这份资料值得一读。嗯，还有不少扩展项目顺带提了一下，像 emguCV 和 opencvx，可以根据项目需求深挖一下。

这个存储库包含了我们在博客上分享的关于计算机视觉、深度学习和人工智能的文章代码。想要迈向人工智能专家的你，这是一个绝佳的起点。

实例可仅设置两个域：成人 PERSON 和儿童 CHILD，但 FAMILY 关系仍需三个属性。其中，MAN 和 WOMAN 从 PERSON 域取值，而 PERSON 域在 FAMILY 关系中扮演两个角色，需使用不同属性名称。实现方法有两种：

多个组织使用有意义的段落来定义弹性域的概念。智能关键字被用于标识各种对象，例如帐户或部分作业。在应用产品中，智能关键字的使用更有利于用户的记忆和操作。

无监督聚类的删除类标号技巧，挺适合做特征抽取前的预，尤其你想丢掉已有标签让模型自己去发现结构。用的是WEKA这套老牌工具，界面操作上手快。你只需要把有标签的数据丢进去，选好聚类算法，比如EM或SimpleKMeans，运行后就能把原来的类标忽略掉，得到一组纯聚类的结果，后面你拿它去做特征可视化也方便。页面讲得还挺详细，步骤截图也清楚，新手照着做问题不大。如果你手上数据标签不靠谱，或者你本来就想试试模型自己分群的效果，这方法还挺值得一用。