这里是效果不好的系列，但可能还是有丁点启示作用。效果好的系列：

opencv自建haartrain分类器，这是一个基于haar特征的一个玩意儿，人脸识别用的挺多的，但他们都可以直接引用一个xml文件，好气哦，做数字识别只有想办法自己建了。

首先先要从opencv的包目录下找到bin文件夹，在把里面的createsamples.exe和haartrain.exe文件拷出来，createsamples文件针对正类数据进行特征描述，而haartrain是结合createsamples的输出文件建立模型。 所以建了两个文件夹分别针对createsamples和haartrain

createsample里面先放一个刚刚的createsamples.exe自建一个sample 文件夹用来存放正确的样本，再写个pos.txt来描述sample，新建一个vec.txt，啥都不写，新建个txt改类型为bat格式，这个用来写命令行总的来说，文件夹是这样的：

pos.txt内容一览：

说明：第一列文件目录及文件名，第二列为目标文件中有多少个正样本的图，第三列与第四列分别为起始x坐标与y坐标，第五列为截取宽度。若是多个目标，再在后面添加坐标，宽高。

create.bat内容一览：

说明：-info + 描述文件，-vec + 输出文件 -w+训练样本宽，-h+高，-num+训练样本数目，算清楚就好了，不是图片数目，而是pos.txt里第二列数值总和。

之后运行create.bat文件，发现vec被填充。如果报错是缺失一系列dll文件，那么把opencv.bin下的文件全部扔到createsample的文件夹下面就好了

将vec.txt文件考入train文件夹，新建一个data文件夹，再像刚才那样建个sample文件夹啊，一个描述文件sample.txt,一个haartrain.bat文件夹。 sample.txt文件如下：

只用给出文件路径就好了

haartrain.bat文件描述：

说明：-vec+vec文件,-bg+描述文件，-npos+正例样本数，和上面计算方法一样，-nneg+负样本数，只用数图个数，-nstages+一个参数，-w+宽，-h+高，-data+新建的文件夹data

弄完就玩了，讲道理会在data目录下生成一堆东西，然而因为样本数太少了，居然什么都没有……绝望……放弃。

另附：自动图片切割代码：

for i in range(1,21):    image=cv2.imread("ipadair (%d).jpg"%i)    #中间下可以添加预处理的部分，以得到最好效果    #image[起始y:终止y,起始x:终止x]    train = image[liney10:liney11, linex10:linex11]    cv2.imwrite('1'+'%d'%i+'.jpg',train)