OpenCV 3.0之后三年半，OpenCV 4.0出炉

原创机器之心 2018-11-21 16:09:32

2015年6月，OpenCV 3.0发布。时隔三年半，OpenCV 4.0终于发布。至此，OpenCV已经走过了近18个年头。

OpenCV是英特尔开源的跨平台计算机视觉库。也就是说，它是一套包含从图像预处理到预训练模型调用等大量视觉API的库，并可以处理图像识别，目标检测，图像分割和行人再识别等主流视觉任务.OpenCV最显着的特点是它提供了整套流程的工具，因此我们根本不需要了解各个模型的原理就能一个个API构建视觉任务。

OpenCV使用BSD许可证，因此对研究和商业用途均免费。它具备C ++，Python和Java接口，支持Windows，Linux，Mac OS，iOS和Android系统.OpenCV旨在提高计算效率，专注于实时应用。它使用优化的C / C ++写成，能够利用多核处理。

此外，在OpenCL的加持下，OpenCV可以利用底层异构计算平台的硬件加速。它的GitHub页面中有一个「open_model_zoo」资源库，包含了大量的计算机视觉预训练模型，并提供下载方法，有助于加速开发和产品部署过程.OpenCV应用广泛，目前在用户社区有4.7万用户，下载量约为1400万。

可以说OpenCV是CV领域开发者与研究者的必备工具包，Mask-RCNN等很多开源项目都依赖于这个工具包。现在距离3.0版本的发布已经过去三年多，近日OpenCV 4.0 final版发布，它进一步完善了核心接口，并添加了二维码检测器，ONNX转换格式等新特点。

重要更新：

OpenCV 4.0现在是一个C ++ 11库，要求C ++ 11兼容的编译器。所需的CMake至少是3.5.1版本。
移除OpenCV 1.x中的大量C API。
core模块中的Persistence（用于存储和加载XML，YAML或JSON格式的结构化数据）可以完全使用C ++来重新实现，因此这里的C API也被移除。
添加了新模块G-API，它可作为基于图的高效图像处理流程。
dnn模块包括实验用Vulkan后端，且支持ONNX格式的网络。
实现了流行的Kinect Fusion算法，且为CPU和GPU（OpenCL）进行优化。
objdetect模块中添加了二维码检测器和解码器。
将高效，高质量的DIS密集光流算法从opencv_contrib移到视频模块。

此外，OpenCV 4.0支持Mask-RCNN模型，性能也有所提升，图像处理操作可实现15％-30％的速度提升。

OpenCV与深度学习

在OpenCV 4.0的更新中，它强化了DNN模块并添加支持ONNX交换格式的神经网络，这一切都表明OpenCV非常注重其与深度学习之间的关系。其实自从OpenCV 3.1以来，它就包含了能实现深度网络前向传播的DNN模块，这些深度网络一般都由Caffe等深度学习框架预训练而成。在OpenCV 3.3中，DNN模块从opencv_contrib移到了核心代码库，并取得了显着的加速。

更重要的是除了libprotobuf以外，OpenCV中的DNN模块不包含额外的依赖项，而且现在libprotobuf已经包含到了OpenCV中。以下是目前OpenCV支持的一些框架：