OpenCV3.0 3.1版本号的改进
Posted ljbguanli
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了OpenCV3.0 3.1版本号的改进相关的知识，希望对你有一定的参考价值。
??
摘要
新版的OpenCV採用了内核+插件的架构模式，总体上更加易于扩展。
当中最与时俱进的特点就是 支持最新的 Windows 和 OS X 操作系统和最新的开发工具 (VS2015 和 Xcode 7)，支持 Andorid 5。软件的更新换代推动硬件更新，并进一步推动摩尔定律，相信OpenCV的新版会带动很多其它人更新Win10，vs2015等等革命性的产品，同一时候购买能够并行加速的N卡。在软硬件层面获取性能的提升从而产出科研成果或者优秀的应用。
（一）google编程之夏
OpenCV基础库的更新：得益于google summer of code更新了一大批有意思的项目
-
- Omnidirectional Cameras Calibration and Stereo 3D Reconstruction – opencv_contrib/ccalib module (Baisheng Lai, Bo Li)
- Structure From Motion – opencv_contrib/sfm module (Edgar Riba, Vincent Rabaud)
- Improved Deformable Part-based Models – opencv_contrib/dpm module (Jiaolong Xu, Bence Magyar)
- Real-time Multi-object Tracking using Kernelized Correlation Filter – opencv_contrib/tracking module (Laksono Kurnianggoro, Fernando J. Iglesias Garcia)
- Improved and expanded Scene Text Detection – opencv_contrib/text module (Lluis Gomez, Vadim Pisarevsky)
- Stereo correspondence improvements – opencv_contrib/stereo module (Mircea Paul Muresan, Sergei Nosov)
- Structured-Light System Calibration – opencv_contrib/structured_light (Roberta Ravanelli, Delia Passalacqua, Stefano Fabri, Claudia Rapuano)
- Chessboard+ArUco for camera calibration – opencv_contrib/aruco (Sergio Garrido, Prasanna, Gary Bradski)
- Implementation of universal interface for deep neural network frameworks – opencv_contrib/dnn module (Vitaliy Lyudvichenko, Anatoly Baksheev)
- Recent advances in edge-aware filtering, improved SGBM stereo algorithm – opencv/calib3d and opencv_contrib/ximgproc (Alexander Bokov, Maksim Shabunin)
- Improved ICF detector, waldboost implementation – opencv_contrib/xobjdetect (Vlad Shakhuro, Alexander Bovyrin)
- Multi-target TLD tracking – opencv_contrib/tracking module (Vladimir Tyan, Antonella Cascitelli)
- 3D pose estimation using CNNs – opencv_contrib/cnn_3dobj (Yida Wang, Manuele Tamburrano, Stefano Fabri)
（二）社区的贡献
社区的贡献我说几个我觉的比較有意思的：
1.RGD-D格式图像的支持。众所周知这是如今三维重建领域的一大热门。带有深度信息的图像极慷慨便了三维重建步骤。相当于直接可以重建点云。
2.cvpr历来是比較注重project领域的应用，本次增加了cvpr2015的一篇新论文。可谓与时俱进。我们用上OpenCV就用上了最前沿的科研成果。
（这篇是机器学习的相关内容）
3.更新了python3的相关内容，使用python3重写了python的一些接口
（三）其它一些改进
1.IOS的更新。从2.4.3版本号開始支持ios
主要调用的是oc接口
2.OpenCL（感觉这个比cuda靠谱）
3.Intel芯片在性能上的提升
4.硬件加速层：HAL (Hardware Acceleration Layer)。封装了一些经常使用矩阵加减法的硬件加速实现。后序3.2版本号在这块会有比較大的改进，毕竟要用加速就得又一次编译比較复杂。
5.贡献了一个直接使用OpenCV处理图像的gui接口（应该说是程序更准确），假设你仅仅是想处理一下图片不想写代码这个正好满足你的需求
（四）3.0版本号的主要更新
1.直接集成了cuda模块
cuda模块的介绍：
看了一下文档。这玩意还得用cmake又一次编译才干用。拉倒吧。老夫编译一次几个小时。各种附加依赖库错误层出不穷。有那gpu加速的那点时间，要么直接用cuda重写了，要么串行也算出来了。
为啥就不能仅仅能点，检測到是N卡加几个dll或者配置一下直接跑呢。还请过来人指点迷津。
2.配置上更加方便
3.架构的改进
体会一下插件加扩展的架构
參考文献
OpenCV git上面的更新日志：
《OpenCV3编程入门》----感觉好像没介绍多少有关3的新特性，确实是入门书
以上是关于OpenCV3.0 3.1版本号的改进的主要内容，如果未能解决你的问题，请参考以下文章