opencv4+contrib 编译

先看看opencv4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。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.py

2.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_detect