隨著opencv-python的教學前進，
進入比較多的影像處理細節，
電腦介入了影像，影像這個古老的數位領域，有不少基本功需要了解，
細節很多。

在影像處理這個章節，有不少重要且基礎的觀念要熟悉，研究生寫論文時的前置準備工夫要花不少
時間，裏面有改變顏色空間，圖像的幾何變換，影像的閥值，平滑化圖片，形態上的轉換，
影像梯度，Canny 邊界測試，影像金字塔，關於輪廓，直方圖，影像變換，
樣板匹配，Hough 線的變換，Hough 圓的變換，分水嶺分割演算法，使用GrabCut 演算法和前景互動式的擷取。

在官方下載的源碼目錄中，有一python2/edge.py, 這是 Canny 邊界測試的例子。

上有兩條拉BAR，得到的值可以給Canny使用，

thrs1 = cv2.getTrackbarPos('thrs1', 'edge')
thrs2 = cv2.getTrackbarPos('thrs2', 'edge')
edge = cv2.Canny(gray, thrs1, thrs2, apertureSize=5)

兩個閥值 threshold values, minVal and maxVal. 過小時的效果。

opencv 把影像處理的基本功能都收錄了，拿來做美美的圖片，抽像有意境的畫面都不困難了，只是這些是讓
電腦/機器能有視覺，能辨視圖片的基礎。回頭想想，能把影像編碼的前人，怎麼有辦法在影像裏，放入這麼多
信息，也許還不夠多?這些看似無規則又有規則的信息，能提取出來做為辨視的依靠，真是不容易。

美感是藝術層次，是影像處理，機器視覺是理性層次，依然是影像處理。
應該要先從了解影像編碼，及影像檔格式來入門，會更深刻，但一般這樣上課的教科書較少。
會從api的學習開始，切入工具的使用。

有愈來愈多的變臉app流行，這種app早點流行，會不會抑制整型的風氣?為什麼有一定比例的人，不喜歡自己的臉?
不喜歡自己是一種心理上的疾病，在台灣仍要予以尊重，就像同性戀的議題，只是一種心理上的狀態，不要歧視，
愈歧視，後續效果反撲愈大，做一款變臉app，讓人少做幾次整型手術，先模擬一下變臉後效果，這也是做功德。

變臉app或更早之前的電腦從人臉看出幾歲，都是人臉辨識的應用，以為風潮已過，結果卻是方興未艾，
創意果然無限，這個入門教程中，也有Face Detection using Haar Cascades，維基百科上又稱哈爾特徵，這種感覺要寫很多程式碼的功能，在前人的累積了不少特徵資料庫，這些事做起來，就簡單的有點誇張。

在IPython Notebook下，測試的效果，

有些臉沒有辨識到，筆者試一下PNG格式的圖，辨識率更低，
在OPENCV下載的原始碼目錄下，
教學所提的目錄下，

有這些資料庫，

haarcascade_eye_tree_eyeglasses.xml
haarcascade_eye.xml
haarcascade_frontalcatface_extended.xml
haarcascade_frontalcatface.xml
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_frontalface_alt.xml
haarcascade_frontalface_default.xml
haarcascade_fullbody.xml
haarcascade_lefteye_2splits.xml
haarcascade_licence_plate_rus_16stages.xml
haarcascade_lowerbody.xml
haarcascade_profileface.xml
haarcascade_righteye_2splits.xml
haarcascade_russian_plate_number.xml
haarcascade_smile.xml
haarcascade_upperbody.xml

從命名上，可看出它做辨識那些特徵的用途，應該也有聯想到，如果筆者要辨識，羽球選手，下半身，持拍的手，
揮動的球拍，飛動的羽球，拍擊中球的瞬間(做示意圖時一直補抓不到!!)，球鞋，這些物品的特徵資料庫存在那?
也是另一種OPEN DATA?!!會用什麼格式儲存? 準確率多少?

當然人臉辨識後，到變臉app，仍然有不少code，不少資料庫要累積，才能商品化。