跨平台视觉库opencv4 下载

opencv是一款开源系统的混合开发计算机视觉库,这款APP不但轻巧并且速率高效率，不但可以在Windows平台上边运作还能够在Linux、Windows和Mac OS电脑操作系统上完成他的强劲作用,它较大的特征是比其他流行视觉效果库函数而言,提升了c编码的撰写提高APP的响应速度,有须要的客户赶紧来下载吧!

opencv详细介绍

OpenCV是一个根据（开源系统）发售的混合开发计算机视觉库，可以运作在Linux、Windows和Mac OS电脑操作系统上。它轻量并且高效率——由一系列 C 函数公式和小量 C 类组成，与此同时带来了python、Ruby、matlab等语言表达的插口，完成了图象处理和计算机视觉层面的许多通用性优化算法。OpenCV专注于真实的世界的即时运用，根据提升的C编码的撰写对其实行速率产生了丰厚的提高，而且可以根据选购Intel的IPP性能卓越多媒体系统库函数(Integrated Performance Primitives)获得迅速的响应速度。下图为OpenCV与当今别的流行视觉效果库函数的特性较为。

升级內容

在2013年最后一天发觉OpenCV2.4.8版本发布了，迫不得已钦佩不辞辛劳的开发人员们！新版本关键提高了针对并行处理的支持（CUDA），及其针对OpenCL的支持，提升了针对java开发和Android更高一些版本的支持，调整了一些BUG。小兄弟不才仍在感受科学研究中，好像有很多很出色的新作用。

2010年12月06日，OpenCV 2.2.0 最新版本发布。

2011年06月25日，OpenCV-2.3.0rc 发布了，新提高了一个stitching拼凑控制模块，Android支持更为方便快捷了，应用Google test架构，别的转变主要是內部特性改善。

2013年07月03日，OpenCV 2.4.6发布。

关键升级是有关手持式机器设备领域的:

最先，OpenCV 2.3的Android build总算变成了官方网支持的NDK-Build的方法了。之前的方式非常令人头痛，应用的非Android官方网的办法去写JNI插口，tutorial跟随走一遍也不知道缘由。

次之，What’s new里边讲到，新的Android支持是NVidia在开发设计。原本OpenCV便是支持CUDA显卡加速的。

下载安装程序：

下载Opencv for Windows全新版本，文中是 Opencv 2.4.8。双击鼠标后会发生缓解压力提醒，事实上便是“安裝”了，途径填好为D:/Program Files，随后明确。

Note

D:/Program Files可以为随意自身期待opencv安裝的途径，缓解压力进行后，会在你应填文件目录中增加一个 opencv文件夹，里边便是opencv的任何信息了。比如依照我的途径，缓解压力进行后Opencv就在D:/Program Files/opencv里边了。

下载 VS 2013，并安裝。（自身找吧）

配置环境变量：

在系统变量里边新创建自变量，名叫OPENCV，值给自己缓解压力opencv途径下的build途径，如D:\Program Files\opencv\build。

Tip

这一步是便捷之后假如opencv途径更改了，只必须改动此自变量就可以了，而无须做大范畴改动。

在系统变量里边编缉Path自变量，在结尾加上;%OPENCV%\x86\vc12\bin。

Note

x86和x64各自表明32bit和64bit的VS工程项目，依据自身的工程项目来改动，不然虽编译程序取得成功但会运行错误；vc10, vc11, vc12 各自表明VS2010, VS2012, VS2013的visual studio应用的c语言编译器版本，依据自身的VS版本来填好恰当的c语言编译器版本号。

VS内配备Opencv

这儿用VS属性表的形式将Opencv配进工程项目，每一次只必须加上属性表就可以进行配备，比手工制作页面配备便捷许多。

属性管理工具 - 鼠标右键 test（工程项目名） - 加上目前属性表

寻找以前新创建或是下载的属性表（D:\Program Files\opencv\opencv248.props），加上进工程项目

检测

解决方法任务管理器 - 源代码（鼠标右键）- 加上 - 新创建项

Visual C - C 文档：键入名字test点加上

版本升级表明

OpenCV 1.x

OpenCV 最开始根据C语言开发设计，API也全是根据C的，遭遇代码优化、表针等C语言原有的不便。

2006年10月1.0发布时，一部分应用了C ，与此同时支持Python，在其中早已拥有random trees、boosted trees、neural nets等人工神经网络方式，健全对用户界面的支持。

2008年10月1.1pre1发布，应用 VS2005搭建，Python bindings支持Python 2.6，Linux下支持Octave bindings，在这里一版本中添加了SURF、RANSAC、Fast approximate nearest neighbor search等，Face Detection (cvHaarDetectObjects)也显得更快。

OpenCV 2.x

当C 兴起，OpenCV 2.x发布，其尽可能应用C 而不是C，可是为了更好地往前兼容，仍留下了对C API的支持。从2010年逐渐，2.x决策不会再经常支持和升级C API，反而是focus在C API，C API仅作备份数据。

2009年9月2.0 beta发布，关键应用CMake搭建，添加了许多新特点、叙述子等，如FAST、LBP等。

2010年4月2.1版本，添加了Grabcut等，可以应用SSE/SSE2…指令系统。

2010年10月2.2版本发布，OpenCV的控制模块变成了大伙儿了解的样子，像opencv_imgproc、opencv_features2d等，与此同时拥有opencv_contrib用以置放并未完善的编码，opencv_gpu置放应用CUDA加快的OpenCV函数公式。

2011年6月起的2.3.x版本、2012年4月起的2.4.x版本，一面提升新方式，一面修补bug，与此同时加强对GPU、Java for Android、 OpenCL、并行处理化的支持这些，OpenCV更加平稳健全，特别注意的是 SIFT和SURF从2.4逐渐被放进了nonfree 控制模块（由于专利权）。

充分考虑衔接，OpenCV 2.4.x仍在维护保养，但是之后很有可能仅做bug修补和高效率提高，不会再提升新作用——激励向3.x转移。

OpenCV 3.x

伴随着3.x的发布，1.x的C API将淘汰不会再被支持，之后C API很有可能根据C 源码自动生成。3.x与2.x不彻底兼容，与2.x对比，关键的不同点取决于OpenCV 3.x 的绝大多数方式都采用了OpenCL加快。

2014年8月3.0 alpha发布，除绝大多数方式都应用OpenCL加快外，3.x默认设置包括及其应用IPP，与此同时，matlab bindings、Face Recognition、SIFT、SURF、 text detector、motion templates simple flow 等都移到了opencv_contrib下（opencv_contrib不但储放了并未平稳的编码，与此同时也储放了涉及到知识产权保护的技术性完成），很多出现的新方式也包括之中。

2017年8月3.3版本，2017年12月逐渐的3.4.x版本，opencv_dnn从opencv_contrib挪到opencv，与此同时OpenCV逐渐支持C 11搭建，以后显著觉得对神经元网络的支持在加强，opencv_dnn被持续改善和扩大。

OpenCV 4.0

2018年10月4.0.0发布，OpenCV逐渐必须支持C 11的c语言编译器才可以编译程序，与此同时对几十个基本函数公式应用 wide universal intrinsics调用，这种内联函数可以依据总体目标服务平台和编译程序选择项投射为SSE2、 SSE4、 AVX2、NEON 或是 VSX 内联函数，得到性能增加。除此之外，还添加了QR code的检验和鉴别，及其Kinect Fusion algorithm，DNN也在持续改进和扩大。

官方网表明

开源系统计算机视觉库具备超出2500种优化算法，用以即时计算机视觉的很多文本文档和实例编码。它可根据JavaScript在您的电脑浏览器中的Windows，Linux，Mac OS X，Android，iOS上运作。

首页：https：//opencv.org

问答社区论坛：https：//answers.opencv.org

文本文档：https：//docs.opencv.org

源码：https : //github.com/opencv

请需注意大家的实例教程！https://docs.opencv.org/master

升级表明

v4.5.2版本升级

2021年4月

OpenCV 4.x的春天升级已发布。

此版本的闪光点：

关键：提升了对并行处理后端支持。独特的OpenCV搭建容许挑选并行处理后端开发和/或根据软件动态性载入它

imgproc：加上了IntelligentScissors完成（JS demo）。该作用已集成化到CVAT注解专用工具中，您可以在https://cvat.org上线上试着

videoio：改善的硬件加速器视频转码/编号每日任务。维基百科网页页面

DNN控制模块：

改善了TensorFlow解析错误的调节：＃19220

改善的涂层/激话/支持大量实体模型：

提升：NMS解决，DetectionOutput

固定不动：具备参量的Div，MatMul，重构（TensorFlow个人行为）

增加的支持：Mish ONNX子图，NormalizeL2（ONNX），LeakyReLU（TensorFlow），TanH（Darknet），SAM（Darknet），Exp

intel?逻辑推理模块后端开发（OpenVINO?）：

提升了对OpenVINO 2021.3版本的支持