对印刷数字识别。
过程：1对图片进行灰度化二值化.2对图片上的数字进行切割3.制作匹配印刷体数字模板4.平方和最小原则对数字识别配置环境：VS2013+,OPENCV2.4.xx都可以（opencv3不支持，可以配置多版本opencv）注意opencv的配置：如果没有需要先下载。
随后改项目属性：1.VC++目录包含目录：I:\opencv2.413\build\includeI:\opencv2.413\build\include\opencvI:\opencv2.413\build\include\opencv22.库目录：I:\opencv2.413\build\x64\vc14\lib3.链接器-输入-附加依赖项：opencv_core2413d.libopencv_imgproc2413d.libopencv_highgui2413d.lib

某位大牛在github上分享的CNN车牌识别源代码，在将其装到Windows的Python下运行时碰到了各种报错（WIN8下python3.6，Opencv3.0）,有些问题搜遍网络也没找到解决方法。
最后终于调通，可以进行训练和预测。
不过训练的收敛速度不太理想，有待继续研究。
分享出来给有兴趣的同学，或许可少走些弯路。

1.7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat2.4e0352ce96473837b1d671ce87f17359-ippicv_2017u3_lnx_intel64_general_201708223.915ff92958089ede8ea532d3c4fe7187-ippicv_2017u3_win_intel64_general_201805184.928168c2d99ab284047dfcfb7a821d91-ippicv_2017u3_win_ia32_general_201805185.adb1c512e09ca2c7a6faef36f9c53e59-v1.0.0a3.tar6.0ae0675534aa318d9668f2a179c2a052-boostdesc_lbgm.i7.0ea90e7a8f3f7876d450e4149c97c74f-boostdesc_bgm.i8.98ea99d399965c03d555cef3ea502a0b-boostdesc_binboost_128.i9.202e1b3e9fec871b04da31f7f016679f-boostdesc_binboost_064.i10.232c966b13651bd0e46a1497b0852191-boostdesc_bgm_bi.i11.324426a24fa56ad9c5b8e3e0b3e5303e-boostdesc_bgm_hd.i12.e6dcfa9f647779eb1ce446a8d759b6ea-boostdesc_binboost_256.i13.7cd47228edec52b6d82f46511af325c5-vgg_generated_80.i14.7126a5d9a8884ebca5aea5d63d677225-vgg_generated_64.i15.151805e03568c9f490a5e3a872777b75-vgg_generated_120.i16.e8d0dcd54d1bcfdc29203d011a797179-vgg_generated_48.i17.2cc08fc4fef8199fe80e0f126684834f-opencv_ffmpeg_64.dll18.3b90f67f4b429e77d3da36698cef700c-ffmpeg_version.cmake19.fa5a2a4e2f37defcb95bde8ed145c2b3-opencv_ffmpeg.dll等等，太多了就不一一列举了。

基于opencv验证，opencv库函数的test测试工具，widows系统，opencv3.3

双目立体匹配算法，采用稠密视差的方法。
程序采用c++编写，利用opencv3.1的库，在x64+release模式下运行。

在ubuntu14.04中交叉编译中用到的parallel.cpp，地址在opencv-3.0.0/modules/core/src/parallel.cpp，详细步骤可参考我的博客http://blog.csdn.net/u012354697/article/details/50655597

surf算法在opencv3上实现，自己实现代码不用调用任何包。

博客地址：http://blog.csdn.net/qq21497936/article/details/79641510/************************************************************\*名称：opencv-3.4.1工程模版（Qt5.9.3，mingw530-32）*功能：测试opencv正常运行*作者：红模仿联系方式QQ:21497936*备注：提供技术服务（项目开发，项目升级，代码调试等等），详情请联系博主QQ*版本日期描述*v1.02018年03月21日测试编译的opencv\************************************************************/

2017年8月3日发行的opencv3.3.0官方库是64位平台的，库文件是一个合并的opencv_world模块。
这是经过VS2015从源码编译产生win32(x86)平台的动态库文件，是分立的多个模块动态库。
经简单测试可用。

OPENCV手势动作识别-石头剪刀布，OpenCV3.0版本，VS2012完美运行。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。