OpenCV从2到3的过渡
与版本2.4相比,OpenCV 3.0引入了许多新算法和功能。有些模块已被重写,有些已经重组。尽管2.4中的大多数算法仍然存在,但接口可能不同。本节描述了一般性的最显着变化,过渡操作的所有细节和示例都在本文档的下一部分中。
1、贡献存储库
https://github.com/opencv/opencv_contrib
这是一个适用于所有新算法,实验算法和非免费算法的地方。与主存储库相比,它没有得到支持团队的太多关注,但社区努力使其保持良好状态。(即OpenCV的附加库,人脸识别等一些附加的功能可能需要用到这个库)
要使用contrib存储库构建OpenCV ,请将以下选项添加到cmake命令:
-DOPENCV_EXTRA_MODULES_PATH=<path-to-opencv_contrib>/modules
或者参考我的博客为opencv添加contrib库。
2、头文件布局
在2.4中,所有头文件都位于相应的模块子文件夹(opencv2 / <module> / <module> .hpp)中,在3.0中有顶级模块头文件,其中包含大部分模块功能:opencv2 / <module> .hpp和所有 C语言风格的API定义已移至单独的标头(例如opencv2 / core / core_c.h)。
3、算法接口
通用算法使用模式已更改:现在必须在包装在智能指针cv :: Ptr中的堆上创建。版本2.4允许直接或通过智能指针进行堆栈和堆分配。
已经从cv :: Algorithm类中删除了get和set方法以及CV_INIT_ALGORITHM宏。在3.0中,所有属性都已转换为getProperty / setProperty纯虚拟方法对。因此,它是不是能够创建和使用CV ::算法通过名称实例(使用通用的算法::创建(字符串)方法),应该显式调用相应的函数方法。
4、重写了模块
- ml模块已被重写
- highgui模块已被拆分为:imgcodecs,videoio和highgui本身
- features2d模块已重组(某些功能检测器已移至opencv_contrib / xfeatures2d模块)
- 传统的,非自由的模块已被删除。一些算法已被移动到不同的位置,一些算法已被完全重写或删除
- CUDA API已更新(gpu模块 - >几个cuda模块,命名空间gpu - >命名空间cuda)
- OpenCL API已经改变(ocl模块已被删除,单独的ocl :: implementation - > Transparent API)
- 其他一些方法和类已被重新定位
5、机器学习模块
由于此模块已被重写,因此需要花费一些精力才能使您的软件适应它。所有算法都与其基类StatModel一起位于单独的ml命名空间中。单独的SomeAlgoParams类已被一组相应的getProperty / setProperty方法替换。
下表说明了2.4和3.0机器学习类之间的对应关系。
尽管3.0中重写的ml算法允许您从xml / yml文件加载旧的训练模型,但预测过程中的偏差是可能的。
points_classifier.cpp
示例中的以下代码片段说明了模型培训过程中的差异:
using namespace cv;
// ======== version 2.4 ========
Mat trainSamples, trainClasses;
prepare_train_data( trainSamples, trainClasses );
CvBoost boost;
Mat var_types( 1, trainSamples.cols + 1, CV_8UC1, Scalar(CV_VAR_ORDERED) );
var_types.at<uchar>( trainSamples.cols ) = CV_VAR_CATEGORICAL;
CvBoostParams params( CvBoost::DISCRETE, // boost_type
100, // weak_count
0.95, // weight_trim_rate
2, // max_depth
false, //use_surrogates
0 // priors
);
boost.train( trainSamples, CV_ROW_SAMPLE, trainClasses, Mat(), Mat(), var_types, Mat(), params );
// ======== version 3.0 ========
Ptr<Boost> boost = Boost::create();
boost->setBoostType(Boost::DISCRETE);
boost->setWeakCount(100);
boost->setWeightTrimRate(0.95);
boost->setMaxDepth(2);
boost->setUseSurrogates(false);
boost->setPriors(Mat());
boost->train(prepare_train_data()); // 'prepare_train_data' returns an instance of ml::TrainData class
6、功能检测
一些算法(FREAK,BRIEF,SIFT,SURF)已移至opencv_contrib存储库,xfeatures2d模块,xfeatures2d命名空间。它们的接口也已更改(从cv::Feature2D
基类继承)。
xfeatures2d模块类列表:
- cv :: xfeatures2d :: BriefDescriptorExtractor - 用于计算简要描述符的类(2.4位置:features2d)
- cv :: xfeatures2d :: FREAK - 实现FREAK(快速视网膜关键点)关键点描述符的类(2.4位置:features2d)
- cv :: xfeatures2d :: StarDetector - 该类实现CenSurE检测器(2.4位置:features2d)
- cv :: xfeatures2d :: SIFT - 使用Scale Invariant Feature Transform(SIFT)算法提取关键点和计算描述符的类(2.4位置:nonfree)
- cv :: xfeatures2d :: SURF - 从图像中提取Speeded Up Robust功能的类(2.4位置:nonfree)
需要以下步骤:
- 将opencv_contrib添加到编译过程
- 包括
opencv2/xfeatures2d.h
标题 - 使用命名空间
xfeatures2d
- 用或替换
operator()
呼叫detect
,compute
或者detectAndCompute
如果需要
有些类现在使用通用方法detect
,compute
或者detectAndCompute
由Feature2D
基类而不是自定义提供operator()
以下代码片段说明了差异(来自video_homography.cpp
示例):
using namespace cv;
// ====== 2.4 =======
#include "opencv2/features2d/features2d.hpp"
BriefDescriptorExtractor brief(32);
GridAdaptedFeatureDetector detector(new FastFeatureDetector(10, true), DESIRED_FTRS, 4, 4);
// ...
detector.detect(gray, query_kpts); //Find interest points
brief.compute(gray, query_kpts, query_desc); //Compute brief descriptors at each keypoint location
// ====== 3.0 =======
#include "opencv2/features2d.hpp"
#include "opencv2/xfeatures2d.hpp"
using namespace cv::xfeatures2d;
Ptr<BriefDescriptorExtractor> brief = BriefDescriptorExtractor::create(32);
Ptr<FastFeatureDetector> detector = FastFeatureDetector::create(10, true);
// ...
detector->detect(gray, query_kpts); //Find interest points
brief->compute(gray, query_kpts, query_desc); //Compute brief descriptors at each keypoint location
7、OpenCL
所有专门的ocl
实现都隐藏在通用C ++算法接口之后。现在可以在运行时动态选择函数执行路径:CPU或OpenCL; 这种机制也称为“透明API”。
新类cv :: UMat旨在以方便的方式隐藏与OpenCL设备的数据交换。
以下示例说明了API修改(来自OpenCV站点):
- OpenCL感知代码OpenCV-2.x
// initialization
VideoCapture vcap(...);
ocl::OclCascadeClassifier fd("haar_ff.xml");
ocl::oclMat frame, frameGray;
Mat frameCpu;
vector<Rect> faces;
for(;;){
// processing loop
vcap >> frameCpu;
frame = frameCpu;
ocl::cvtColor(frame, frameGray, BGR2GRAY);
ocl::equalizeHist(frameGray, frameGray);
fd.detectMultiScale(frameGray, faces, ...);
// draw rectangles …
// show image …
}
- OpenCL感知代码OpenCV-3.x
// initialization
VideoCapture vcap(...);
CascadeClassifier fd("haar_ff.xml");
UMat frame, frameGray; // the only change from plain CPU version
vector<Rect> faces;
for(;;){
// processing loop
vcap >> frame;
cvtColor(frame, frameGray, BGR2GRAY);
equalizeHist(frameGray, frameGray);
fd.detectMultiScale(frameGray, faces, ...);
// draw rectangles …
// show image …
}
8、cuda
cuda模块已分成几个小块:
- cuda - CUDA加速计算机视觉
- cudaarithm - 矩阵运算
- cudabgsegm - 背景分割
- cudacodec - 视频编码/解码
- cudafeatures2d - 特征检测和描述
- cudafilters - 图像过滤
- cudaimgproc - 图像处理
- cudalegacy - 遗产支持
- cudaoptflow - 光流
- cudastereo - 立体声通信
- cudawarping - 图像变形
- cudev - 设备层
gpu
命名空间已被删除,请改用cv :: cuda命名空间。许多类也已重命名,例如:
gpu::FAST_GPU
- > cv :: cuda :: FastFeatureDetectorgpu::createBoxFilter_GPU
- > cv :: cuda :: createBoxFilter
9、文档格式
文档已转换为Doxygen格式。您可以在OpenCV参考文档的教程部分(OpenCV的编写文档)中找到更新的文档编写指南。
10、支持两个版本
在某些情况下,可以支持两种版本的OpenCV。
11、源代码版本检测
要检查应用程序源代码中的库主要版本,应使用以下方法:
#include "opencv2/core/version.hpp"
#if CV_MAJOR_VERSION == 2
// do opencv 2 code
#elif CV_MAJOR_VERSION == 3
// do opencv 3 code
#endif
注意不要使用CV_VERSION_MAJOR,它对2.4和3.x分支有不同的含义!
12、编译系统
通过检查编译系统中的库版本,可以链接不同的模块或启用/禁用应用程序中的某些功能。标准的cmake或pkg-config变量可用于此:
OpenCV_VERSION
对于cmake,将包含完整版本:例如“2.4.11”或“3.0.0”OpenCV_VERSION_MAJOR
对于cmake,将仅包含主要版本号:2或3- pkg-config文件有标准字段
Version
例:
if(OpenCV_VERSION VERSION_LESS "3.0")
# use 2.4 modules
else()
# use 3.x modules
endif()
OpenCV从2到3的过渡的更多相关文章
- 图像处理及opencv汇总
OPENCV——C++ 1.windows基于vs2017的opencv安装 2.为opencv添加contrib库 3.opencv源码编写规则 4.OpenCV库框架结构 5.OpenCV从2到3 ...
- opencv 边缘羽化,边缘过渡
原地址:http://blog.csdn.net/sogarme/article/details/12942971 当把前景和背景分开时,黑色代表背景,白色代表前景,如下图1—记作img1 为了平滑过 ...
- OpenCv Mat操作总结
Author:: Maddock Date: 2015-03-23 16:33:49 转载请注明出处:http://blog.csdn.net/adong76/article/details/4053 ...
- opencv中的基本拼接
普通版的图像拼接,事实上非常简单并且效果不很差. 实现方式: 新建工程: 去opencv里面[f:\opencv249\opencv\sources\samples\cpp]把stitching.cp ...
- OpenCV学习(1) RGB颜色空间
1.1彩色空间 颜色是外来的光刺激作用于人的视觉器官而产生的主观感觉,它具有色调.饱和度和亮度三个特性.物体的颜色不仅取决于物体本身,还与光源.周围环境的颜色,以及观察者的视觉系统有关 1.1.1颜色 ...
- OpenCV学习 3:平滑过度与边缘检测
原创文章,欢迎转载,转载请注明出处 用来记录学习的过程,这个是简单的相关函数的熟悉,内部机制和选择何种选择函数参数才能达到自己的要求还不太清楚,先学者吧..后面会慢慢清楚的. 和前面相比,主 ...
- openCV之头文件分析
我们利用openCV开源库进行项目开发时,往往要牵涉到头文件的添加问题,而openCV中头文件众多,该如何选择呢?下面对openCV2.4.10的头文件进行一个简单的梳理,以便能够快速的添加对应的头文 ...
- OpenCV探索之路(二十四)图像拼接和图像融合技术
图像拼接在实际的应用场景很广,比如无人机航拍,遥感图像等等,图像拼接是进一步做图像理解基础步骤,拼接效果的好坏直接影响接下来的工作,所以一个好的图像拼接算法非常重要. 再举一个身边的例子吧,你用你的手 ...
- OpenCV各版本差异与演化,从1.x到4.0
博客:blog.shinelee.me | 博客园 | CSDN 写在前面 最近因项目需要,得把OpenCV捡起来,登录OpenCV官网,竟然发现release了4.0.0-beata版本,所以借此机 ...
随机推荐
- VMware 2017 v14.x 永久许可证激活密钥
FF31K-AHZD1-H8ETZ-8WWEZ-WUUVA CV7T2-6WY5Q-48EWP-ZXY7X-QGUWD
- 01 Python 逻辑运算
#基本运算符 #and or not #优先级 ()>not>and>or #and or not print(2>1 and 1<4 or 2<3 and 9&g ...
- Linux输入子系统详解
input输入子系统框架 linux输入子系统(linux input subsystem)从上到下由三层实现,分别为:输入子系统事件处理层(EventHandler).输入子系统核心层(Input ...
- 学习node.js 第1篇 介绍nodejs
Node.js是什么? Node.js是建立在谷歌Chrome的JavaScript引擎(V8引擎)的Web应用程序框架. 它的最新版本是:v0.12.7(在编写本教程时的版本).Node.js在官方 ...
- php 处理上百万条的数据库如何提高处理查询速度
1.对查询进行优化,应尽量避免全表扫描,首先应考虑在 where 及 order by 涉及的列上建立索引. 2.应尽量避免在 where 子句中对字段进行 null 值判断,否则将导致引擎放弃使用索 ...
- docker-compose学习
该实践是在已经安装了docker的基础上,如果还未安装docker,请先安装docker : https://www.cnblogs.com/theRhyme/p/9813019.html docke ...
- R语言-增加图例
legend()函数 > plot(rain$Tokyo,type="l",col="red", + ylim=c(0,300), + main=&quo ...
- 1、python环境安装及软件介绍
软件: python3.0 下载地址:https://www.python.org/downloads/windows/ pycharm 下载地址: https://www.jetbrains.com ...
- springboot整合mybatis遇到的那些坑
1.接口类(指*Mapper.java)在spring中注册的问题 当控制台打印如下信息: A component required a bean named '*Mapper' that could ...
- mysql 查询语句严格区分大小写
一般情况下mysql 查询是不会区分大小写的,执行查询语句select id,current_unit from knowledge_attributes where current_unit = ...