OpenCV4.0更新了什么

本文目录导读：

1. 核心架构与 C++ 标准：转向 C++11
2. 核心模块 (core) 的优化与改进
3. 图像处理 (imgproc) 模块的重大变化
4. 深度神经网络模块 (dnn) 的彻底重写
5. 视频分析 (video) 模块
6. 其他模块更新
7. 对新硬件的支持
8. 架构与模块调整
9. 总结：开发者迁移时需要注意什么？

OpenCV 4.0 是计算机视觉库的一个重大版本更新，发布于 2018 年 11 月，相比于 3.x 系列，它在核心架构、功能模块、算法性能和硬件支持方面都有显著变化。

核心亮点和主要更新内容如下：

核心架构与 C++ 标准：转向 C++11

• 最低要求 C++11：OpenCV 4.0 放弃了 C++98 标准，要求编译器支持 C++11，这使得代码可以利用现代 C++ 特性，如 auto、移动语义、std::shared_ptr 等，代码更简洁、性能更优。
• 去除 C 语言 API：大量旧式的 C 语言风格 API（如 cv:: 前缀下的 CvMat、IplImage）大部分被移除或标记为弃用，推荐全面使用 C++ 接口（如 cv::Mat）。

核心模块 (core) 的优化与改进

• 性能提升：对矩阵运算、数据结构和内存管理进行了深度优化，特别是在 ARM 和 x86 架构上利用 SIMD（单指令多数据流）指令集。
• cv::Mat 改进：Mat 对象的内存管理更高效，支持移动语义。
• OutputArray/InputArray 简化：这些用于函数参数传递的“代理”类在内部处理上更直接。
• Size 和 Point 类改进：增加了更方便的构造函数和运算符。

图像处理 (imgproc) 模块的重大变化

• cv::Canny() 更新：新的实现基于更高效的算法，性能更好，且不再需要 L2gradient 参数（默认为 L2 范数）。
• cv::resize() 新插值方法：
  • INTER_AREA 改进了下采样质量。
  • 新增了 INTER_LINEAR_EXACT（精确线性插值）和 WARP_POLAR_LOG/WARP_POLAR_LINEAR（用于极坐标变换）。
• cv::blur() 和 cv::GaussianBlur()：内部实现性能优化，尤其是在多线程下。

深度神经网络模块 (dnn) 的彻底重写

这是最重要、最受关注的更新之一，OpenCV 4.0 的 dnn 模块从底层进行了重组。

• 新增 ONNX 支持：支持 ONNX 格式，这意味着可以直接加载由 PyTorch、TensorFlow、Caffe2、MXNet 等导出为 ONNX 格式的模型。
• 改进的层支持：支持了更多常见的深度学习层（如 BatchNorm、ReLU6、Swish、Mish 等）。
• 性能提升：推理速度显著加快，支持 VGG、ResNet、MobileNet、YOLO、SSD、OpenPose 等主流网络。
• 简化 API：cv::dnn::Net 类的使用更直观。

视频分析 (video) 模块

• 跟踪器大更新：
  • 移除了旧版低效的跟踪器（如 MIL、BOOSTING、TLD、MEDIANFLOW）。
  • 保留了 CSRT（Discriminative Correlation Filter with Channel and Spatial Reliability，通道和空间可靠性判别相关滤波）、KCF（Kernelized Correlation Filters，核相关滤波）、MOSSE（Minimum Output Sum of Squared Error，最小输出均方误差） 等。
• 光流算法：calcOpticalFlowFarneback 和 calcOpticalFlowPyrLK 性能优化。

其他模块更新

• 图像特征 (features2d)：AKAZE、ORB、BRISK 等特征检测器性能提升。
• 3D 视觉 (calib3d)：calibrateCamera() 和 findChessboardCorners() 等标定函数改进，支持更多棋盘格模式。
• 机器学习 (ml)：决策树、随机森林、SVM 等模型训练效率优化。
• 图像拼接 (stitching)：拼接质量改进，尤其是对于多视角和大图像。

对新硬件的支持

• Intel Inference Engine：优化了对 Intel 的 CPU、GPU、VPU（如 Movidius）的推理支持。
• Vulkan（可选）：开始支持 Vulkan 作为后端，用于 GPU 加速某些操作（当时仍处于实验阶段）。
• CUDA：opencv_contrib 模块中的 CUDA 支持得到改进。

架构与模块调整

• 部分模块移入 opencv_contrib：一些非核心或尚不稳定的模块（如 xfeatures2d、text、aruco 等）被移到了额外的 opencv_contrib 仓库中，需要单独编译安装。
• 模块命名简化：一些模块的命名空间或内部类名更规范。

开发者迁移时需要注意什么？

如果你是从 OpenCV 3.x 升级到 4.0：

1. 必须使用 C++11 编译器（VS 2015+、GCC 4.8+、Clang 3.3+）。
2. 检查 C 风格 API：移除所有 IplImage、CvMat 相关代码，全面使用 cv::Mat。
3. 更新 dnn 代码：如果使用旧版 dnn 加载模型（如 Caffe 的 .prototxt/.caffemodel），代码通常可以兼容，但推理代码（forward() 调用）可能需要调整。
4. 模块路径变化：如果使用了 xfeatures2d（SIFT、SURF），需要从 opencv_contrib 中单独编译。
5. 检查旧 API 弃用警告：编译时打开 -Wdeprecated 可见弃用警告。

OpenCV 4.0 是一次面向现代 C++ 和深度学习时代的重大升级，性能更强、API 更现代、对神经网络的支持更全面。