开源跨平台计算机视觉库 OpenCV 4.0 正式发布

OpenCV 是英特尔开源的跨平台计算机视觉库，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 提供了覆盖整个流程的工具，因此开发者不需要了解各个模型的原理就能基于各个 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，能够有效利用多核处理。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。OpenCV 应用广泛，目前在全世界约有 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，OpenCV 4.0 final 版本终于于近日发布，这也是 4.x 版本线的第一个稳定版本，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。

重要更新如下：

• OpenCV 4.0 现在是基于 C++ 11 的库，因此编译器需要与 C++ 11 兼容。所使用的 CMake 需要是 3.5.1 以上版本。

• OpenCV 1.x 中大量 C 的 API 已经被移除，受影响的模块包括 objdetect、photo、video、videoio、imgcodecs、calib3d。

• 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）已经完全基于 C++重新实现，因此这里的 C API 也被移除了。目前，base64 支持尚未完成（仅支持加载 base64 编码的 XML 和 YAML）。 此外，存储在 FileNode 中的序列的随机访问是慢速 O(N)操作；使用cv :: FileNodeIterator可以做更快速的顺序访问。从积极的方面来说，加载FileStorage比原来的实现方法节省了 3-6 倍的内存。

• 针对 DNN 的改进

• 增加对 Mask-RCNN 的支持，官方提供了操作指南和Python样例。

• 集成 ONNX 解析器。当前版本的 OpenCV 支持许多流行的分类网络，部分支持 YOLO 对象检测网络（ONNX 版本的 YOLO 缺少一些提供矩形列表的最终图层）。

• 进一步提升使用英特尔 DLDT 构建的 DNN 模块的性能。DLDT 最近已经正式开源。 请参阅指南了解如何构建和使用支持 DLDT 的 OpenCV。

• 添加实验性的 Vulkan 后端

• 修复了 AMD 和 NVIDIA GPU 上的 OpenCL 加速问题。 现在，用户可以直接为模型启用DNN_TARGET_OPENCL，无需额外的环境变量。不过需要注意的是，DNN_TARGET_OPENCL_FP16仅在英特尔 GPU 上做了测试，因此仍需要额外的标志。

• 为 OpenCV 支持的最流行的深度学习网络添加了快捷方式。开发者可以指定模型的别名，从而跳过预处理参数甚至模型路径的设置！下面是一个操作示例，原来的做法是：

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

现在只需要：

   python object_detection.py opencv_fd

• 添加了新模块 G-API，它可作为基于图的高效图像处理流程的引擎。详细信息可以参见Graph API（G-API）页面。

• 实现了流行的 Kinect Fusion 算法并集成到 opencv_contrib/rgbd 模块，同时针对 CPU 和 GPU (OpenCL) 做了优化。为了使实时样本正常工作，我们在 opencv/videoio 模块中添加了对 Kinect 2 的支持。在 4.0 beta 版本的代码中已经对 iGPU 做了加速，从而使得高分辨率的情况下（512x512x512 集成量）性能提升了 3 倍。

• objdetect 模块中添加了二维码检测器和解码器，可以参考这里的代码示例。

• 将高效、高质量的 DIS dense optical flow 算法从 opencv_contrib 迁移到 video 模块。

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

以下是目前 OpenCV 支持的一些框架：

• Caffe

• TensorFlow

• Torch

• Darknet

• ONNX 交换格式的模型

最后附上 OpenCV 4.0 发布地址：https://opencv.org/opencv-4-0-0.html

会议推荐：12 月 20-21，AICon将于北京开幕，在这里可以学习来自 Google、微软、BAT、360、京东、美团等 40+AI 落地案例，与国内外一线技术大咖面对面交流。