OpenCV介绍：杂项——过渡指南 OpenCV v4.8.0

HIRSHDZ327

已于 2023-10-08 14:00:34 修改

阅读量99

点赞数

分类专栏： OpenCV 4.8.0 说明文档文章标签： opencv webpack 人工智能

于 2023-10-05 19:22:35 首次发布

OpenCV 4.8.0 说明文档专栏收录该内容

139 篇文章 12 订阅

订阅专栏

上一个教程 ： 为 OpenCV 编写文档

下一个教程 ： 交叉引用其他 Doxygen 项目中的 OpenCV

原作者	Maksim Shabunin
兼容性	OpenCV >= 3.0

变更概述

本文档面向希望将其代码迁移到 OpenCV 3.0 的软件开发人员。

与 2.4 版相比，OpenCV 3.0 引入了许多新的算法和功能。一些模块被重写，一些模块被重组。虽然 2.4 中的大部分算法仍然存在，但接口可能有所不同。

本节将大致介绍最显著的变化，所有细节和过渡操作示例将在本文档的下一部分介绍。

贡献库
https://github.com/opencv/opencv_contrib

这里存放所有新算法、实验算法和非自由算法。与主资源库相比，支持团队对它的关注度并不高，但社区努力使其保持良好状态。

要使用贡献源构建 OpenCV，请在 cmake 命令中添加以下选项：

-DOPENCV_EXTRA_MODULES_PATH=<path-to-opencv_contrib>/modules

页眉布局
在 2.4 中，所有头文件都位于相应的模块子文件夹 (opencv2//.hpp)，而在 3.0 中，顶层模块头文件包含了大部分模块功能：opencv2/.hpp，所有 C 风格 API 定义都被移到了单独的头文件中（例如 opencv2/core/core_c.h）。

算法接口
一般算法的使用模式发生了变化：现在必须在堆上创建并用智能指针 **cv::Ptr**封装。2.4 版允许直接或通过智能指针进行堆栈和堆分配。

从 cv::Algorithm 类中删除了 get 和 set 方法以及 CV_INIT_ALGORITHM 宏。在 3.0 中，所有属性都被转换为 getProperty/setProperty 纯虚拟方法对。因此，无法通过名称创建和使用 cv::Algorithm 实例（使用通用 Algorithm::create(String) 方法），必须明确调用相应的工厂方法。

更改的模块

ml 模块已重写
highgui 模块已拆分为几个部分：imgcodecs、videoio 和 highgui 本身
重组了 features2d 模块（部分特征检测器移至 opencv_contrib/xfeatures2d 模块）
删除了遗留的非自由模块。一些算法被移到了不同的位置，一些算法被完全重写或移除
更新了 CUDA 应用程序接口（gpu 模块 -> 多个 cuda 模块，命名空间 gpu -> 命名空间 cuda）
OpenCL API 已更改（ocl 模块已移除，单独的 ocl:: 实现 -> 透明 API）
重新定位了其他一些方法和类

过渡提示

本节将举例说明具体操作。

准备 2.4

在最新的 2.4.11 OpenCV 版本中进行的一些更改允许您为迁移当前代码库做好准备：

cv::makePtr 函数现在可用
创建了 opencv2/.hpp 头文件

新的头文件布局

注意：OpenCV 3.0 中已经进行了旨在简化迁移的更改，因此以下说明并非必要，但建议使用。

替换旧模块头文件中的内容：

// 旧头文件
#include "opencv2/<module>/<module>.hpp" 新头文件
// 新头文件
#include "opencv2/<module>.hpp" 新头文件

使用算法的现代方法

算法实例必须使用 cv::makePtr 函数或相应的静态工厂方法（如果有）创建：

// 好方法
Ptr<SomeAlgo> algo = makePtr<SomeAlgo>(...)；
Ptr<SomeAlgo> algo = SomeAlgo::create(...)；

其他方式已被淘汰：

// 坏方法
Ptr<SomeAlgo> algo = new SomeAlgo(...)；
SomeAlgo * algo = new SomeAlgo(...)；
SomeAlgo algo(...)；
Ptr<SomeAlgo> algo = Algorithm::create<SomeAlgo>("name")；

算法属性应通过相应的虚拟方法 getSomeProperty/setSomeProperty 访问，通用 get/set 方法已被删除：

// 好方法
double clipLimit = clahe->getClipLimit()；
clahe->setClipLimit(clipLimit)；
// 坏方法
double clipLimit = clahe->getDouble("clipLimit")；
clahe->set("clipLimit", clipLimit)；
clahe->setDouble("clipLimit", clipLimit)；

移除 initModule_() 调用

机器学习模块

由于该模块已被重写，因此需要花费一些精力来调整软件以适应它。所有算法都与其基类 StatModel 位于独立的 ml 命名空间中。独立的 SomeAlgoParams 类已被一组相应的 getProperty/setProperty 方法所取代。

下表说明了 2.4 和 3.0 机器学习类之间的对应关系。

2.4	3.0
CvStatModel	cv::ml::StatModel
CvNormalBayesClassifier	cv::ml::NormalBayesClassifier
CvKNearest	cv::ml::KNearest
CvSVM	cv::ml::SVM
CvDTree	cv::ml::DTrees
CvBoost	cv::ml::Boost
CvGBTrees	Not implemented
CvRTrees	cv::ml::RTrees
CvERTrees	Not implemented
EM	cv::ml::EM
CvANN_MLP	cv::ml::ANN_MLP
Not implemented	cv::ml::LogisticRegression
CvMLData	cv::ml::TrainData

尽管 3.0 中重写的 ml 算法允许从 xml/yml 文件加载旧的训练模型，但预测过程仍有可能出现偏差。

以下来自 points_classifier.cpp 示例的代码片段说明了模型训练过程中的差异：\

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

特征检测

部分算法（FREAK、BRIEF、SIFT、SURF）已移至 opencv_contrib 资源库的 xfeatures2d 模块和 xfeatures2d 命名空间。它们的接口也已更改（继承自 cv::Feature2D 基类）。

xfeatures2d 模块类列表：

cv::xfeatures2d::BriefDescriptorExtractor - 用于计算 BRIEF 描述符的类 (2.4 location: 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 location: features2d）
cv::xfeatures2d::StarDetector - 实现 CenSurE 检测器的类 (2.4 location: features2d)
cv::xfeatures2d::SIFT - 使用尺度不变特征变换（SIFT）算法提取关键点和计算描述符的类（2.4 location: nonfree）
cv::xfeatures2d::SURF - 从图像中提取加速鲁棒特征的类（2.4 位置：非免费）

需要以下步骤

在编译过程中添加 opencv_contrib
包含 opencv2/xfeatures2d.h 头文件
使用 xfeatures2d 命名空间
如果需要，用 detect、compute 或 detectAndCompute 替换 operator() 调用

某些类现在使用 Feature2D 基类提供的一般方法 detect、compute 或 detectAndCompute，而不是自定义 operator()

以下代码片段说明了两者的区别（来自 video_homography.cpp 示例）：

使用命名空间 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); //查找兴趣点
brief.compute(gray, query_kpts, query_desc); //计算每个关键点位置的简要描述符
// ====== 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); //查找兴趣点
brief->compute(gray, query_kpts, query_desc); //计算每个关键点位置的简要描述符

OpenCL

所有专门的 ocl 实现都隐藏在通用 C++ 算法接口之后。现在，函数执行路径可在运行时动态选择：这种机制也被称为 “透明 API”。

新的 cv::UMat 类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 的修改（来自 OpenCV 网站）：

支持 OpenCL 的代码 OpenCV-2.x

// 初始化
VideoCapture vcap(...)；
ocl::OclCascadeClassifier fd("haar_ff.xml")；
ocl::oclMat frame, frameGray；
Mat frameCpu；
vector<Rect> faces；
for(;;){
    // 处理循环
    vcap >> frameCpu；
    frame = frameCpu；
    ocl::cvtColor(frame, frameGray, BGR2GRAY)；
    ocl::equalizeHist(frameGray, frameGray)；
    fd.detectMultiScale(frameGray, faces, ...)；
    // 绘制矩形 ...
    // 显示图像 ...
}

支持 OpenCL 的代码 OpenCV-3.x

// 初始化
VideoCapture vcap(...)；
CascadeClassifier fd("haar_ff.xml")；
UMat frame, frameGray; // 与普通 CPU 版本相比的唯一变化
vector<Rect> faces；
for(;;){
    // 处理循环
    vcap >> frame；
    cvtColor(frame, frameGray, BGR2GRAY)；
    equalizeHist(frameGray, frameGray)；
    fd.detectMultiScale(frameGray, faces, ...)；
    // 绘制矩形 ...
    // 显示图像 ...
}

CUDA

CUDA 模块已移至 opencv_contrib 资源库。

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 - 传统支持
cudoptflow - 光学流
cudastereo - 立体对应
cudawarping - 图像扭曲
cudv - 设备层

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找到更新的文档编写指南（Writing documentation for OpenCV）。

支持两个版本

在某些情况下，可以同时支持两个版本的 OpenCV。

源代码

要在应用程序源代码中检查库的主要版本，应使用以下方法：

#include "opencv2/core/version.hpp"。
#if CV_MAJOR_VERSION == 2
// 执行 opencv 2 代码
#elif CV_MAJOR_VERSION == 3
// 执行 opencv 3 代码
#endif

注意事项
请勿使用 CV_VERSION_MAJOR，因为它对 2.4 和 3.x 分支的意义不同！

构建系统

通过检查构建系统中的库版本，可以在应用程序中链接不同的模块或启用/禁用某些功能。标准 cmake 或 pkg-config 变量可用于此目的：

cmake 的 OpenCV_VERSION 将包含完整版本： "例如 "2.4.11 "或 "3.0.0
cmake 的 OpenCV_VERSION_MAJOR 只包含主要版本号：2 或 3
pkg-config 文件有标准字段 Version
例如

if(OpenCV_VERSION VERSION_LESS “3.0”)

# 使用 2.4 模块
else()
# 使用 3.x 模块
endif()

HIRSHDZ327

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
OpenCV介绍：杂项——过渡指南 OpenCV v4.8.0

在 2.4 中，所有头文件都位于相应的模块子文件夹 (opencv2//.hpp)，而在 3.0 中，顶层模块头文件包含了大部分模块功能：opencv2/.hpp，所有 C 风格 API 定义都被移到了单独的头文件中（例如 opencv2/core/core_c.h）。与 2.4 版相比，OpenCV 3.0 引入了许多新的算法和功能。通过检查构建系统中的库版本，可以在应用程序中链接不同的模块或启用/禁用某些功能。：OpenCV 3.0 中已经进行了旨在简化迁移的更改，因此以下说明并非必要，但建议使用。
复制链接

扫一扫