《视觉信息处理脑机制》中有句话，眼是人的前脑。而当下，那么计算机视觉（cv）便是人工智能（ai）的前脑。

learning opencv中的learning是什么意思呢？我想，应该是两个意思，首先，学习这本书；另外，直接翻译，进行的学习，学以致用，用什么？模式识别呗!通俗一点讲，即就是匹配（Match）,匹配需要特征（feature），这便是学习的灵魂。学习->特征->匹配识别，这不就是人眼及其熟练的事情吗？这不就是人工智能（ai）吗？

所以，你就会发现很多搞人工智能（ai）的人出身计算机视觉（CV）。记得人们说，2011年是ai元年，原因是cv子集机器视觉（mv，主要面向工业的cv）突破性进展而洞开了ai。2011年，生产的iPhone手机，是很成熟的cv子集机器视觉（mv）技术应用的结果，譬如NI，evision，cognex。

Ai也是有前因的，所以高大上的深度学习，大数据模式识别，如何也绕不过cv的“学习->特征->匹配”，前面说过，这是人眼及其熟练的事情。匹配的目标，在极其感兴趣的区域（roi），所以，你进行学习（learning）的区域目标足够熟练，你就会找到巧妙的东西，那就是特征，那么，匹配就不再是难事，而变成一件有乐趣的事（很可惜，机器感受不到），进行的学习（learning）正是熟能生巧的习惯，学习，显然是有条件的学习，而这条件便是匹配的核心，不能发掘来时的条件，便是白来（学）了。进行的学习（learning），随后便是匹配的历史，这就是，一切历史都是当下的历史。引用对吗？

既然ai的前脑是cv，那必然是向人学习，学习什么？那就是，对于一个目标，为什么我们会有这样的意识？实质是把不经意揭示给机器看，那么首先，你要挖掘你的不经意是什么，cv程序员必须做到这一点，因为机器要看，是由cv程序员完成的。在此，顺便赞一把程序员，芬兰教育部长说，未来，你的孩子不会编程，便不能创造世界。其实世界有时很微妙，请看，你就会找到巧妙的东西，这个特征是你找到的，cv只是重复了一下；再看，ai是学你巧妙的找东西，这个特征是ai找到的。你可以看到，ai是cv的步进。

但是ai的任何算法，仍然是人类的智慧。

匹配识别的目的是为了准确行动，准确行动，要么勤加练习，要么交给测量的数据，不管人做还是机器做，测量准确，无可厚非!所以测量是除识别外，头等大事，而测量也无时不在为匹配识别服务。这便是重识别的opencv所欠缺的，所以要补全他，续不足。

人善用工具，使用工具测量，cv子集机器视觉（mv）也是这样，他有一套测量工具，内经云，事发于微，而显著。

故我们从不起眼的线开始。（待续................）