基于 OpenCvSharp 封装的机器视觉库，提供目标检测（YOLO）、布局检测、特征提取、标定与数独求解等处理器。
- 目标框架：net48 / net10.0-windows（SDK 风式项目，
dotnet build src/VisionSharp.sln） - 主要依赖：OpenCvSharp4、Numpy（需要本机安装 Python 运行时，用于 YOLO7 解码）、CommunityToolkit.Mvvm、ZXing.Net
- 测试：
dotnet test src/UnitTest/UnitTest.csproj（依赖本机模型与图像的测试需要本地资产）
| 模块 | 说明 |
|---|---|
Processor |
处理器基类，Call 模板方法：Process → GetReliability → Draw |
Processor.ObjectDetector |
YOLO3 / YOLO7 目标检测 |
Processor.LayoutDetectors |
深度学习 / SVM 布局检测 |
Processor.FeatureExtractors |
圆检测、圆阵列、直径等特征提取 |
Processor.Analyzer |
模板定位、偏移计算、占空比统计 |
Processor.Solvers |
数独求解器 |
Processor.TextDetectors |
条码 / 二维码检测 |
Calibration |
相机标定（棋盘格 / 圆网格）、九点标定、相对偏移模型 |
Utils |
Cv 坐标/类型转换、几何计算、绘制扩展 |
Call(input)直接返回处理结果，异常会抛出Call(input, mat)返回RichInfo<T>（含结果、可靠度、绘制后的图像）；RichInfo持有OutMat，用完请Dispose- 处理器持有非托管资源（DNN 网络等），用完请
Dispose - 默认不落盘；设置
EnableSaveMat = true后按OutputDirectory保存 PNG - 处理器不会修改调用方传入的 Mat（内部自行克隆）
var modelPath = @"path/to/yolo7.onnx";
var imagePath = @"path/to/image.jpg";
var d = new ObjDetYolo7<VocCategory>(modelPath)
{
Confidence = 0.4f,
IouThreshold = 0.5f
};
using var mat = Cv2.ImRead(imagePath);
var res = d.Call(mat, mat);
PrintObject(res.Result);
Cv2.ImShow("result", res.OutMat);
Cv2.WaitKey();
var d = new ObjDetYolo7<QrCategory>(QRModelPath)
{
Confidence = 0.6f,
IouThreshold = 0.5f
};
using var mat = Cv2.ImRead(imagePath);
var res = d.Call(mat, mat);
PrintObject(res.Result);
Cv2.ImShow("result", res.OutMat);
Cv2.WaitKey();
var barcodeDetector = new BarcodeDetector();
using var mat = Cv2.ImRead(@"path/to/barcode.png");
var code = barcodeDetector.Call(mat);byte[,] _demo = {
{5, 3, 0, 0, 7, 0, 0, 0, 0},
{6, 0, 0, 1, 9, 5, 0, 0, 0},
{0, 9, 8, 0, 0, 0, 0, 6, 0},
{8, 0, 0, 0, 6, 0, 0, 0, 3},
{4, 0, 0, 8, 0, 3, 0, 0, 1},
{7, 0, 0, 0, 2, 0, 0, 0, 6},
{0, 6, 0, 0, 0, 0, 2, 8, 0},
{0, 0, 0, 4, 1, 9, 0, 0, 5},
{0, 0, 0, 0, 8, 0, 0, 7, 9}
};
var sudokuSubject = new Sudoku(_demo);
var solve = new SudokuSolver();
var answer = solve.Call(sudokuSubject);