OpenCV 4.0 正式版来啦！

OpenCV 4.0 正式版来啦！

重回英特尔的 OpenCV 终于迎来一次大版本更新，增加了诸多新特性，快来一起看看吧～

因为 OpenCV 最开始开发时的语言是 C，导致许多模块无法利用 C++ 11 的良好特性，OpenCV 4.0 版本的一个重要使命就是去除 C 语言风格的接口，使其完全支持 C++ 11！

1.大量从 OpenCV 1.x 遗留的 C 语言风格的 API 接口被删掉，主要影响的模块是 objdetect, photo, video, videoio, imgcodecs, calib3d。

2.在 core 模块中的持久化（在 XML，YAML 或 JSON 中存储和加载结构化数据）已完全用 C ++ 重新实现，并去除了相应的 C 风格的接口。 目前，base64 支持尚未完成（仅支持加载 base64 编码的 XML 和 YAML，还未支持编码）。 现在，存储在 FileNode 中的序列的随机访问是 O(N) 操作; 使用 cv :: FileNodeIterator 能够更快地进行顺序访问。 速度上，FileStorage 的加载比以前的实现少了 3-6 倍的内存！

3.编译新版 OpenCV 现在需要支持 C++ 11 的编译器。

DNN（深度神经网络）模块是目前 OpenCV 更新最重要的模块！

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

作者曾经报道过的例子：

OpenCV4.0 Mask RCNN 实例分割示例 C++/Python实现

2.集成 ONNX 解析器。支持多个流行的分类网络。 部分支持 YOLO 对象检测网络（YOLO 的 ONNX 版本缺少一些提供矩形列表的最终图层）。

3.通过引入 Intel DLDT 改进 DNN 模块速度。

Intel DLDT 近期已经开源，详见：

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

4.API 更改：默认情况下，blobFromImage 方法不会交换 R 和 B 通道，也不会对输入图像进行裁剪。 而且，此 API 更改也已添加到 OpenCV 3.4 分支。

5.为不支持 OpenCL 而支持 Vulkan 的硬件平台添加了实验性质的 Vulkan 后端（还在开发中！不建议大家使用）。

6.为 OpenCV 支持的最流行的深度学习网络添加了快捷方式。可以通过指定模型的别名，跳过预处理参数甚至模型的路径！

比如：

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

可以直接被替代为：

python object_detection.py opencv_fd

7.修复了 AMD 和 NVIDIA GPU 上的 OpenCL 加速。现在，可以为模型启用 DNN_TARGET_OPENCL，开启 OpenCL 支持。 请注意，DNN_TARGET_OPENCL_FP16 仅在英特尔 GPU 上进行测试，因此仍需要额外的flags。（这个善意的提醒也就意味着你最好不要用那两家的显卡玩OpenCV(^ ^)）

G-API 为算法的硬件优化加速提供计算图支持！

opencv_gapi 是全新添加的模块， 它是非常有效的图像处理引擎。开发者可以在程序中定义多个图像处理步骤组成的图，执行的时候进行优化，使得 fast and portable。

非常看好这一模块的应用！

“加速”是 OpenCV 开发永恒不变的主题！

每次发布这块的说明都差不多，总结起来就是一句话：

我们很努力地给你们在 CPU 的指令级上进行了加速，只要是支持该指令的 CPU 尽量让你们用上，而且我们还支持 NEON 了哦～

objdetect 模块新增 QR 码的检测和解码！

因为这个功能在移动端几乎成为 APP 的标配了。

参考例子：

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

作者曾经对检测功能进行了测试：

OpenCV4.0 快速QR二维码检测测试示例

实现了流行的 Kinect Fusion 算法！

并针对 CPU 和 GPU（OpenCL）进行了优化，集成到 opencv_contrib / rgbd 模块中。 为了使实时采集处理更高效，在 opencv / videoio 模块中更新了 Kinect 2 支持。 在 4.0 beta 版本中，iGPU 的代码已经加速，在高分辨率的情况下（512x512x512 integration volume），性能提升了 3 倍。

非常高效且高质量的 DIS 密集光流算法已经从 opencv_contrib 转移到 opencv/video 模块。

示例：

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

这还是比较赞的，之前 OpenCV 的光流模块相比学术界的最新成果实在是太弱了。

总结

新版 OpenCV 更加聚焦图像处理基础功能和深度学习模块！英特尔自家的加速库和 G-API 是值得表扬的亮点！