OpenCV 4.0 正式版來啦！

重回英特爾的 OpenCV 終于迎來一次大版本更新，增加了諸多新特性，快來一起看看吧～

因為 OpenCV 最開始開發(fā)時的語言是 C，導(dǎo)致許多模塊無法利用 C++ 11 的良好特性，OpenCV 4.0 版本的一個重要使命就是去除 C 語言風(fēng)格的接口，使其完全支持 C++ 11！

1.大量從 OpenCV 1.x 遺留的 C 語言風(fēng)格的 API 接口被刪掉，主要影響的模塊是 objdetect, photo, video, videoio, imgcodecs, calib3d。

2.在 core 模塊中的持久化（在 XML，YAML 或 JSON 中存儲和加載結(jié)構(gòu)化數(shù)據(jù)）已完全用 C ++ 重新實現(xiàn)，并去除了相應(yīng)的 C 風(fēng)格的接口。 目前，base64 支持尚未完成（僅支持加載 base64 編碼的 XML 和 YAML，還未支持編碼）。 現(xiàn)在，存儲在 FileNode 中的序列的隨機訪問是 O(N) 操作; 使用 cv :: FileNodeIterator 能夠更快地進行順序訪問。 速度上，F(xiàn)ileStorage 的加載比以前的實現(xiàn)少了 3-6 倍的內(nèi)存！

3.編譯新版 OpenCV 現(xiàn)在需要支持 C++ 11 的編譯器。

DNN（深度神經(jīng)網(wǎng)絡(luò)）模塊是目前 OpenCV 更新最重要的模塊！

1.增加 Mask-RCNN 模型支持。

使用指南：

https://github.com/opencv/opencv/wiki/TensorFlow-Object-Detection-API

Python例子：

https://github.com/opencv/opencv/blob/master/samples/dnn/mask_rcnn.py

作者曾經(jīng)報道過的例子：

OpenCV4.0 Mask RCNN 實例分割示例 C++/Python實現(xiàn)

2.集成 ONNX 解析器。支持多個流行的分類網(wǎng)絡(luò)。 部分支持 YOLO 對象檢測網(wǎng)絡(luò)（YOLO 的 ONNX 版本缺少一些提供矩形列表的最終圖層）。

3.通過引入 Intel DLDT 改進 DNN 模塊速度。

Intel DLDT 近期已經(jīng)開源，詳見：

https://software.intel.com/openvino-toolkit

4.API 更改：默認(rèn)情況下，blobFromImage 方法不會交換 R 和 B 通道，也不會對輸入圖像進行裁剪。 而且，此 API 更改也已添加到 OpenCV 3.4 分支。

5.為不支持 OpenCL 而支持 Vulkan 的硬件平臺添加了實驗性質(zhì)的 Vulkan 后端（還在開發(fā)中！不建議大家使用）。

6.為 OpenCV 支持的最流行的深度學(xué)習(xí)網(wǎng)絡(luò)添加了快捷方式。可以通過指定模型的別名，跳過預(yù)處理參數(shù)甚至模型的路徑！

比如：

python object_detection.py --model opencv_face_detector.caffemodel --config opencv_face_detector.prototxt --mean 104 177 123 --width 300 --height 300

可以直接被替代為：

python object_detection.py opencv_fd

7.修復(fù)了 AMD 和 NVIDIA GPU 上的 OpenCL 加速。現(xiàn)在，可以為模型啟用 DNN_TARGET_OPENCL，開啟 OpenCL 支持。 請注意，DNN_TARGET_OPENCL_FP16 僅在英特爾 GPU 上進行測試，因此仍需要額外的flags。（這個善意的提醒也就意味著你最好不要用那兩家的顯卡玩OpenCV(^ ^)）

G-API 為算法的硬件優(yōu)化加速提供計算圖支持！

opencv_gapi 是全新添加的模塊， 它是非常有效的圖像處理引擎。開發(fā)者可以在程序中定義多個圖像處理步驟組成的圖，執(zhí)行的時候進行優(yōu)化，使得 fast and portable。

非常看好這一模塊的應(yīng)用！

“加速”是 OpenCV 開發(fā)永恒不變的主題！

每次發(fā)布這塊的說明都差不多，總結(jié)起來就是一句話：

我們很努力地給你們在 CPU 的指令級上進行了加速，只要是支持該指令的 CPU 盡量讓你們用上，而且我們還支持 NEON 了哦～

objdetect 模塊新增 QR 碼的檢測和解碼！

因為這個功能在移動端幾乎成為 APP 的標(biāo)配了。

參考例子：

https://github.com/opencv/opencv/blob/master/samples/cpp/qrcode.cpp

作者曾經(jīng)對檢測功能進行了測試：

OpenCV4.0 快速Q(mào)R二維碼檢測測試示例

實現(xiàn)了流行的 Kinect Fusion 算法！

并針對 CPU 和 GPU（OpenCL）進行了優(yōu)化，集成到 opencv_contrib / rgbd 模塊中。 為了使實時采集處理更高效，在 opencv / videoio 模塊中更新了 Kinect 2 支持。 在 4.0 beta 版本中，iGPU 的代碼已經(jīng)加速，在高分辨率的情況下（512x512x512 integration volume），性能提升了 3 倍。

非常高效且高質(zhì)量的 DIS 密集光流算法已經(jīng)從 opencv_contrib 轉(zhuǎn)移到 opencv/video 模塊。

示例：

https://github.com/opencv/opencv/blob/master/samples/cpp/dis_opticalflow.cpp

這還是比較贊的，之前 OpenCV 的光流模塊相比學(xué)術(shù)界的最新成果實在是太弱了。

總結(jié)

新版 OpenCV 更加聚焦圖像處理基礎(chǔ)功能和深度學(xué)習(xí)模塊！英特爾自家的加速庫和 G-API 是值得表揚的亮點！