主題
成果：
前言：
覺得上篇自己摸索的有很多地方都做得不太好。
extern 方法定義
編譯器在產生dll檔案時會打亂method名稱，為讓方法保持原名稱，則extern "C"。
(原:)Normally, the C++ compiler will mangle the method names when packaging them into a .dll. Therefore, we instruct it to use the classic “C” style of signatures, which leaves the method names just as you wrote them.
範例
extern "C" int __declspec(dllexport) __stdcall Init()
宣告C++與C#互相溝通用的資料結構
注意變數宣告順序、型態要一致。
初始化鏡頭大小
- CascadeClassifier ：做檢測的分類器。 特徵演算法有Haar和LBP。(源)(lbp明顯快於haar格式，但較不準確。)
- StructLayout： 定義對齊位元，例char型資料，對齊值為1，對於short型為2，對於int,float,double型別，其對齊值為4，單位位元組。 (源)
鏡頭大小的變數使用傳址呼叫，讓c++開啟鏡頭後順便設定好大小。使C#和c++使用相同的變數。
傳遞參數
scale用作壓縮大小的係數
辨識人臉
影像處理步驟：灰階→縮小解析度→直方圖均衡化→偵測
直方圖均衡化(equalizeHist)：
將拉伸數值分佈範圍從0-255。假設影像過曝(如藍色曲線)，則直方圖均衡化能將其值範圍拉伸0-255區間內，使黑白更分明。
人臉偵測 (detectMultiScale)
大概意思是Haar cascade的工作原理是一種"滑動視窗"的方法，通過在圖像中不斷的"滑動檢測視窗"來匹配人臉。因為圖像的圖元有大有小，圖像中的人臉因為遠近不同也會有大有小，所以需要通過scaleFactor參數設置一個縮小的比例，對圖像進行逐步縮小來檢測，這個參數設置的越大，計算速度越快，但可能會錯過了某個大小的人臉。其實可以根據圖像的圖元值來設置此參數，圖元大縮小的速度就可以快一點，通常在1~1.5之間。那麼，經過多次的反覆運算，實際會檢測出很多很多個人臉，這一點可以通過把minNeighbors 設為0來驗證。所以呢，minNeighbors參數的作用就來了，只有其"鄰居"大於等於這個值的結果才認為是正確結果。方法：
CascadeClassifier.detectMultiScale(輸入圖片, 輸出向量, scaleFactor=1.1 , minNeighbor=3);
- 輸入圖片： 只接受灰階
- scaleFactor：每次圖像縮小的比例。
- minNeighbor：每個候選矩形有多少個"鄰居"，我的理解是：一個滑動窗口中的圖元需要符合幾個條件才能判斷為真。
- 返回Rect 型態，其包含<x,y,w,h>參數
Unsafe 和 Fixed 用法：
在fixed區塊中，傳入結果陣列的指標(指向該陣列第一個元素)，c++端會直接將變數寫入CvCircle結構陣列中，而省去copy的成本。
- unsafe：讓你在C#能使用指標。
- fixed：使編譯器讓該變數記憶體位置不被garbage collector處理掉。
注意fixed中只接受:
- The address operator & applied to a variable reference.
- An array
- A string
- A fixed-size buffer.
後記：晚點寫Haar和lbp筆記。
