OpenCV是什么，OpenCV简介（新手必看）
OpenCV 是一个基于 BSD 许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在 Linux、Windows、Android 和 Mac OS 操作系统上。
OpenCV 用 C++ 语言编写，它具有 C++、Python、Java 和 MATLAB 接口，并支持 Windows、Linux、Android 和 Mac OS。OpenCV 主要倾向于实时视觉应用，并在可用时使用 MMX 和 SSE 指令，如今也提供对于 C#、Ch、Ruby、GO 的支持。
OpenCV 提供的视觉处理算法非常丰富，并且其部分以 C 语言编写，加上开源特性，如果处理得当，不需要添加新的外部支持也可以完整地编译链接生成执行程序，所以很多人用它来做算法的移植。OpenCV 的代码经过适当改写，可以正常地运行在 DSP 系统和 ARM 嵌入式系统中。
OpenCV 是一个开放源码的计算机视觉应用平台，由英特尔公司下属研发中心俄罗斯团队发起该项目，开源 BSD 证书。OpenCV 的目标是实现实时计算机视觉，也就是用摄影机和计算机代替人眼对目标进行识别、跟踪以及测量等，并进一步进行图像处理。
OpenCV 由于其开源特性以及强大的社区支持，发展极其迅速：
计算机视觉市场巨大且持续增长，但这方面没有标准 API，如今的计算机视觉软件大概有以下 3 种：
这是如今的现状，而标准的 API 将简化计算机视觉程序和解决方案的开发，OpenCV 致力于成为这样的标准 API。
OpenCV 致力于真实世界的实时应用，通过优化 C 代码的编写对其执行速度带来了可观的提升，并且可以通过购买 Intel 的 IPP（Integrated Performance Primitive，集成性能原语）高性能多媒体函数库得到更快的处理速度。
OpenCV 的应用领域非常广泛，比如人机互动、物体识别、图像分割、人脸识别、动作识别、运动跟踪、机器人、运动分析、机器视觉、结构分析、汽车安全驾驶、军工、卫星导航等。可以说学好了 OpenCV，就业和职业发展前景广阔！
OpenCV 最显著的优化是从 4.10 开始对 JPEG 图像的读取和解码有了 77% 的速度提升，超过了 scikit-image、imageio、pillow。其他改进点如下：
1) dnn 模块的改进，包括：
2) core 模块的改进，包括：
3) imgproc 模块的改进，包括：
4) 支持 CUDA 12.4+。
5) 添加了 zlib-ng 作为经典 zlib 的替代品。
6) 对 Wayland、Apple VisionOS 和 Windows ARM64 的实验性支持。
7) OpenCV Model Zoo 提供跨平台的预训练深度学习模型。其新增功能包括：
OpenCV 用 C++ 语言编写，它具有 C++、Python、Java 和 MATLAB 接口，并支持 Windows、Linux、Android 和 Mac OS。OpenCV 主要倾向于实时视觉应用，并在可用时使用 MMX 和 SSE 指令，如今也提供对于 C#、Ch、Ruby、GO 的支持。
OpenCV 提供的视觉处理算法非常丰富，并且其部分以 C 语言编写，加上开源特性，如果处理得当，不需要添加新的外部支持也可以完整地编译链接生成执行程序，所以很多人用它来做算法的移植。OpenCV 的代码经过适当改写，可以正常地运行在 DSP 系统和 ARM 嵌入式系统中。
OpenCV 是一个开放源码的计算机视觉应用平台，由英特尔公司下属研发中心俄罗斯团队发起该项目，开源 BSD 证书。OpenCV 的目标是实现实时计算机视觉，也就是用摄影机和计算机代替人眼对目标进行识别、跟踪以及测量等，并进一步进行图像处理。
OpenCV 由于其开源特性以及强大的社区支持，发展极其迅速：
- OpenCV 1.0 正式版本于 2006 年发布，可以运行在 Mac OS 以及 Linux 平台上，但是主要提供 C 的接口；
- 2009 年发布了 OpenCV 2.0 版本，其代码已显著优化，带来了全新的 C++ 函数的接口，将 OpenCV 的能级无限放大，使开发者使用起来更加方便。同时，增加了新的平台支持，包括 iOS 和 Android，通过 CUDA 和 OpenGL 实现了 GPU 加速；在编程语言方面，为 Python 和 Java 用户提供了接口。
- 2014 年 8 月，OpenCV 3.0 Alpha 发布，其最重大的革新之处在于 OpenCV 3.0 改变了项目架构的方式。之前的 OpenCV 是一个相对整体的项目，各个模块都以整体的形式构建，然后组合在一起，而 OpenCV 3 抛弃了整体架构，使用内核+插件的架构形式，使 OpenCV 更加轻量化。
- 当前，OpenCV 随着工业 4.0 与机器人无人机的发展，已经在应用领域得到了广泛的应用，越来越多从事机器视觉与图像处理的开发者选择 OpenCV 作为开发工具实现应用开发。
计算机视觉市场巨大且持续增长，但这方面没有标准 API，如今的计算机视觉软件大概有以下 3 种：
- 研究派代码（慢，不稳定，独立，与其他库不兼容）；
- 耗费很高的商业化工具（比如Halcon、MATLAB+Simulink）；
- 依赖硬件的一些特别的解决方案（比如视频监控、制造控制系统、医疗设备）。
这是如今的现状，而标准的 API 将简化计算机视觉程序和解决方案的开发，OpenCV 致力于成为这样的标准 API。
OpenCV 致力于真实世界的实时应用，通过优化 C 代码的编写对其执行速度带来了可观的提升，并且可以通过购买 Intel 的 IPP（Integrated Performance Primitive，集成性能原语）高性能多媒体函数库得到更快的处理速度。
OpenCV 的应用领域非常广泛，比如人机互动、物体识别、图像分割、人脸识别、动作识别、运动跟踪、机器人、运动分析、机器视觉、结构分析、汽车安全驾驶、军工、卫星导航等。可以说学好了 OpenCV，就业和职业发展前景广阔！
OpenCV 最显著的优化是从 4.10 开始对 JPEG 图像的读取和解码有了 77% 的速度提升，超过了 scikit-image、imageio、pillow。其他改进点如下：
1) dnn 模块的改进，包括：
- 改善内存消耗；
- 增加了将模型转储为与 Netron 工具兼容的 pbtxt 格式的功能；
- 支持多个新的 TFlite、ONNX 和 OpenVINO 层；
- 改进了现代 Yolo 探测器支持；
- 添加了 CuDNN 9+ 和 OpenVINO 2024 支持。
2) core 模块的改进，包括：
- 为 cv::Mat 添加了 CV_FP16 数据类型。
- 扩展了 HAL API，用于 minMaxIdx、LUT、meanStdDev 和其他函数。
3) imgproc 模块的改进，包括：
- 为 cv::remap 添加了相对位移场选项；
- 重构了 findContours 和 EMD；
- 扩展了 HAL API，用于 projectPoints、equalizeHist、Otsu 阈值和其他功能；
- 添加了针对现代 ARMv8 和 ARMv9 平台优化的新底层 HAL 库（KleidiCV）。
4) 支持 CUDA 12.4+。
5) 添加了 zlib-ng 作为经典 zlib 的替代品。
6) 对 Wayland、Apple VisionOS 和 Windows ARM64 的实验性支持。
7) OpenCV Model Zoo 提供跨平台的预训练深度学习模型。其新增功能包括：
- 支持更多的模型结构，例如新的卷积架构或者神经网络架构；
- 提升模型的性能，可能通过模型优化或者使用更高效的实现方式；
- 提供更多的预处理和后处理的选项，以便用户可以更灵活地使用这些模型；
- 增加对新硬件或者新框架的支持，例如新版的 TensorRT 或是 ONNX Runtime。
ICP备案：
公安联网备案：