OpenCV4

OpenCV4官方版是一款开源的跨平台计算机视觉库。OpenCV4最新版软件兼容性强，支持Linux、Windows、Mac OS等多种操作系统，适用于机互动、物体识别、运动跟踪、图像分割等领域。OpenCV4软件内置了Python、MATLAB、Ruby等语言的接口，用户能够轻松的使用和修改代码。

OpenCV4短评

OpenCV4 是目前主流的计算机视觉库，在经典版本基础上大幅优化性能，新增 DNN 深度学习模块，可直接部署主流 AI 视觉模型。跨平台支持完善，硬件加速效果更好，图像处理、目标检测、视频追踪等功能更稳定。API 设计更规范，不过依旧无图形界面，需要编程基础，新手入门有一定门槛。

OpenCV4适合人群

适合计算机视觉工程师，用于深度学习模型部署与实时视觉处理；适合科研及高校学生，开展图像算法实验与项目开发；适合工业检测开发者，实现高精度的缺陷检测与视觉识别需求。

OpenCV4特色

      1、在扩展模块中去掉了SIFT与SURF相关API的调用文件

      现在如果想在OpenCV Python 4.x中想使用SIFT与SURF只有靠自己从源代码CMake来编译生成python版本的安装包才可以。

      # OpenCV 3.x中：

      namedWindow(“input”， cv.CV_WINDOW_AUTOSIZE)。

      # OpenCV4.x：

      namedWindow(“input”， cv.WINDOW_AUTOSIZE)。

      2、全部取消CV_XXX这种枚举类型，比如在3.x中可以正常使用的语句

      # 在OpenCV3.x中轮廓发现API返回三个值分别为：

      # image 返回的图像。

      # contours 每个轮廓的点集合。

      # hierarchy 每个轮廓对应的层次信息。

      binary， contours， hierarchy = cv.findContours(binary， cv.RETR_EXTERNAL， cv.CHAIN_APPROX_SIMPLE)。

      3、findContours函数返回结果由3.x的三个参数变为两个参数

      OpenCV4.0中需要改为：

      contours， hierarchy = cv.findContours(binary， cv.RETR_EXTERNAL， cv.CHAIN_APPROX_SIMPLE)。

      4、增加了python语言版本的对DNN模块的加持

      支持图像分类、对象检测(SSD、RCNN、Faster-RCNN、mask-RCNN)、图像分割等网络的使用。

      语言的接口，可应用于人机互动，物体识别，图像处理等领域。

OpenCV4新增功能

      DNN对很多网络层进行了提升，如ONNS中的LSTM, Broadcasting, Algebra over constants, Slice with multiple inputs;DarkNet中的grouped convolutions, sigmoid, swish, scale_channels;MobileNet-SSD v3

      更多OpenVINO后端特性：可通过nGraph添加自定义层

      优化CUDA后端，并杀掉一些BUG

      可以使用最新的IPP-CV 2020.0.0Gold版本进行CPU优化

      使用SIMD指令优化了integral、resize和RLOF实现

      更多演示和例子

      opencv_contrib：增加了Alpha Matting算法

      calib3d：findChessboardCorners SB算法提升

      core：getNumberOfCPUs()函数提升

      imgcodecs：支持OpenJPEG库

      highgui(Qt)：增加到剪切板的复制功能

OpenCV4应用领域

      应用领域编辑

      1、人机互动

      2、物体识别

      3、图像分割

      4、人脸识别

      5、动作识别

      6、运动跟踪

      7、机器人

      8、运动分析

      9、机器视觉

      10、结构分析

      11、汽车安全驾驶

OpenCV4常见问题

      OpenCV4和OpenCV3有什么区别？

      1、在扩展模块中去掉了SIFT与SURF相关API的调用文件

      现在如果想在OpenCV Python 4.x中想使用SIFT与SURF只有靠自己从源代码CMake来编译生成python版本的安装包才可以。

      # OpenCV 3.x中

      namedWindow(“input”, cv.CV_WINDOW_AUTOSIZE)

      # OpenCV4.x

      namedWindow(“input”, cv.WINDOW_AUTOSIZE)

      2、全部取消CV_XXX这种枚举类型，比如在3.x中可以正常使用的语句

      # 在OpenCV3.x中轮廓发现API返回三个值分别为

      # image 返回的图像

      # contours 每个轮廓的点集合

      # hierarchy 每个轮廓对应的层次信息

      binary, contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

      3、findContours函数返回结果由3.x的三个参数变为两个参数

      OpenCV4.0中需要改为

      contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

      4、增加了python语言版本的对DNN模块的加持!

      支持图像分类、对象检测(SSD、RCNN、Faster-RCNN、mask-RCNN)、图像分割等网络的使用

   图像读取返回 None 如何解决？

       规范路径：使用纯英文绝对路径，禁止中文、空格、特殊字符导致读取失败；

       文件校验：确认图片为 jpg/png/bmp 格式，无损坏、未加密、完整下载；

       函数调用：使用 cv2.imread ()，默认彩色读取，传 0 可直接读取灰度图；

       权限设置：Windows 以管理员身份运行程序，获取文件完整读取权限；

       替换测试：使用标准测试图片，排查文件本身损坏导致的读取异常。

   图像显示窗口闪退怎么办？

       添加等待语句：imshow 后必须加 cv2.waitKey (0)，等待按键关闭窗口；

       销毁资源：代码末尾添加 cv2.destroyAllWindows ()，安全释放显示资源；

       空值判断：先判断 img 是否为空，为空则打印提示，避免空数据闪退；

       循环适配：视频处理用 cv2.waitKey (1)，实现帧刷新不卡死；

       环境重启：重启 PyCharm/Jupyter，解决内核卡顿导致的界面异常。

   摄像头无法打开怎么排查？

       调整索引：内置摄像头用 cv2.VideoCapture (0)，外接设备试 1/2 索引；

       权限开启：系统设置授予相机权限，关闭微信、浏览器等占用程序；

       驱动更新：更新摄像头硬件驱动，在系统相机中测试设备正常；

       代码校验：添加 cap.isOpened () 判断，未打开输出报错信息定位问题；

       格式设置：调用 cap.set () 设置分辨率帧率，适配设备支持的参数。

   视频保存失败无法播放？

       编码器配置：使用 cv2.VideoWriter_fourcc (*'mp4v')，适配 MP4 格式保存；

       参数匹配：宽高、帧率必须与原视频一致，分辨率不匹配会保存失败；

       路径规范：保存路径无中文，文件后缀设为 mp4，OpenCV4 最优支持格式；

       资源释放：完成后执行 cap.release () 和 out.release ()，锁定视频文件；

       格式修复：保存失败可更换 XVID 编码器，生成 avi 格式视频测试。

   图像颜色失真红蓝颠倒？

       原理说明：OpenCV4 默认 BGR 通道，Matplotlib 显示为 RGB，导致颜色颠倒；

       快速转换：使用 cv2.cvtColor (img, cv2.COLOR_BGR2RGB) 修正颜色通道；

       窗口区分：cv2.imshow 无需转换，第三方绘图库必须执行通道转换；

       保存优化：直接保存 BGR 格式图像，无需转换，避免保存后失真；

       通道处理：拆分 BGR 通道重新排序，适配不同可视化工具的要求。

OpenCV4与PIL/Pillow区别

   功能定位：OpenCV4 是全功能计算机视觉库，支持图像、视频、AI、摄像头；Pillow 仅轻量图片处理，无视觉算法。

   性能效率：OpenCV4 处理速度快，适合大图、视频、高并发；Pillow 纯 Python 实现，性能弱，仅适合简单操作。

   适用领域：OpenCV4 用于自动驾驶、工业检测、安防、AI 视觉；Pillow 用于网页、轻量图片裁剪、格式转换。

   上手难度：OpenCV4 函数丰富，学习曲线稍高；Pillow 接口简单，新手极易上手。

OpenCV4更新日志

      1.修复BUG，新版体验更佳

      2.更改了部分页面