OpenCV 4.0正式发布，你关注哪些特性？
点击上方关注，All in AI中国
在OpenCV开创性 3.0 版本发布 3 年半之后，终于，等来了OpenCV 4.0 第一个稳定版本！
OpenCV通过GITHUB正式发布：https://github.com/opencv/opencv/wiki/ChangeLog#version400OpenCV 是一个基于 BSD 许可（开源）发行的跨平台计算机视觉库，可以运行在 Linux、Windows、Android 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了 Python、Ruby、MATLAB 等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
我们一块儿去看看它的新特性吧！
1.OpenCV 最开始开发时的语言是 C，许多模块无法利用 C++ 11 的良好特性，所以自OpenCV1.x以来许多C风格的API就被干掉啦。历史好像就是这样，前浪总归是要···所以，学习OpenCV，最佳就是从最新的版本开始会比较好。
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，也就是说C风格API拜拜了您那。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），用过OpenCV中ML模块吗？以后，加载与存储会快许多！
3.编译新版 OpenCV 现在需要支持 C++ 11 的编译器。
4.C++11的标准库扩展，以后没有cv::String与cv::Ptr了。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。
最为重要的就是OpenCV 更新的DNN（深度神经网络）模块啦！
1.增加支持Mask-RCNN模型的预测。
使用指南：https://github.com/opencv/opencv/wiki/TensorFlow-Object-Detection-APIPython例子：https://github.com/opencv/opencv/blob/master/samples/dnn/mask_rcnn.py2.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。不过，这个对一般的开发者没有太大的影响。
Intel DLDT 近期已经开源，详见：
https://software.intel.com/openvino-toolkit
4.这一条就和开发者相关性比较大了，DNN模块输入tensor数据的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.如果OpenCL不支持，可以通过Vulkan backend。（开发中···）
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。
以前：python object_detection.py --model opencv_face_detector.caffemodel --config opencv_face_detector.prototxt --mean 104 177 123 --width 300 --height 300you can type just现在：python object_detection.py opencv_fd7.修复了 AMD 和 NVIDIA GPU 上的 OpenCL 加速。就是一个提醒，不需要配置太多，不过，不用Intel GPU是不是不太好。
这儿得提一句，新模块G-API模块！
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。
性能全部提升，各种优化，跟开发者关系比较大的是这条，自己编译OpenCV源码时候，添加CPU_BASELINE=AVX2可以获得比原来15～30%的速度提升，请收藏此技能。
假装此处有二维码······
同时，objdetect 模块中新增 二维码的检测和解码，这年代的移动App这个技能只能说是标配吧。
参照：https://github.com/opencv/opencv/blob/master/samples/cpp/qrcode.cpp
3D对象扫描与模型创建流行算法Kinect Fusion algorithm已经被实现，被集成到了rgbd模块中。
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总结
新版 OpenCV 更加聚焦图像处理基础功能和深度学习模块！
