算力平台opencv

Ⅰ opencv與哪個關聯性更大 C還是C++ 是面向對象還是面向過程

openCV2.0以後增加了對C++風格代碼的兼容。
我用的是VS2008+OPENCV2.1，所有的函數他都是有的，可以直接調用。另外，MEANSHIFT已經有改進演算法了，可以看一下~~
誠懇建議學完數據結構再去看OPENCV
openCV的官網：http://www.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5，資料非常全

Ⅱ 請問opencv是什麼

OpenCV是一個用於圖像處理、分析、機器視覺方面的開源函數庫.
無論你是做科學研究，還是商業應用，opencv都可以作為你理想的工具庫，因為，對於這兩者，它完全是免費的。
該庫採用C及C++語言編寫，可以在windows, linux, mac OSX系統上面運行。該庫的所有代碼都經過優化，計算效率很高，因為，它更專注於設計成為一種用於實時系統的開源庫。opencv採用C語言進行優化，而且，在多核機器上面，其運行速度會更快。它的一個目標是提供友好的機器視覺介面函數，從而使得復雜的機器視覺產品可以加速面世。該庫包含了橫跨工業產品檢測、醫學圖像處理、安防、用戶界面、攝像頭標定、三維成像、機器視覺等領域的超過500個介面函數。
同時，由於計算機視覺與機器學習密不可分，該庫也包含了比較常用的一些機器學習演算法。或許，很多人知道，圖像識別、機器視覺在安防領域有所應用。但，很少有人知道，在航拍圖片、街道圖片（例如google street view）中，要嚴重依賴於機器視覺的攝像頭標定、圖像融合等技術。
近年來，在入侵檢測、特定目標跟蹤、目標檢測、人臉檢測、人臉識別、人臉跟蹤等領域，opencv可謂大顯身手，而這些，僅僅是其應用的冰山一角。
如今，來自世界各地的各大公司、科研機構的研究人員，共同維護支持著opencv的開源庫開發。這些公司和機構包括：微軟，IBM，索尼、西門子、google、intel、斯坦福、MIT、CMU、劍橋。。。。

Ⅲ opencv3.0新增了什麼功能

OpenCV 2.0已經發布5年了，它帶來了全新的C++介面，標志著這個項目的開始。在2.0的整個生命周期中，我們增加了新的平台支持，包括iOS和Andriod，通過CUDA和OpenCL實現了GPU加速，為Python和java用戶提供了介面，基於github和buildbot構建了充滿藝術感的持續集成系統，所以才有了穩定的OpenCV 2.4.x，它被全世界的很多公司和學校所採用。

現在，我們很高興地宣布3.0時代的開始（OpenCV 3.0 release 預計會在今年聖誕節左右發布）。在3.0時代不會有像2.0時代一樣激進的嘗試，它有足夠穩定的改進，這為我們，也為你們以及偉大的OpenCV社區帶來了許多全新的機會。請查看更新日誌，我們簡要說幾點。

1. 項目架構的改變。

最初的時候，OpenCV是一個相對整體的項目，都是以整體的形式構建和裝配，在很多年的時間里，這都是一個很好的策略。然而，隨著功能的增加，包括bleeding-edge演算法發布前的幾分鍾，一個pull請求提交到我們的倉庫，越來越多的貢獻者（非常感謝你們），我們決定像其他大項目一樣，拋棄整體架構，使用內核+插件的架構形式。
除了我們的主倉庫和增加的」test data「倉庫，我們還有了http://github.com/itseez/opencv_contrib，這里有很多讓人興奮的功能，包括你們已經知道的面部識別和文本探測，還包括文本識別、新的邊緣檢測器、充滿藝術感的修復、深度地圖處理、新的光線流和追蹤演算法等。

opencv與opencv_contrib之間的區別是：

他們都由我們的持續集成系統維護，盡管opencv_contrib的單元測試並不常規運行。
全部或者一些額外的模塊可以用我們的構建系統構建，把OPENCV_EXTRA_MODULES_PATH=/moles傳遞給CMake。
contrib的文檔是自動生成的，可以在docs.opencv.org/master獲得，它會在OpenCV 3.0 beta版本的時候更加完善、並發布。
主OpenCV是Itseez支持的代碼，有非常穩定的API以及一點點創新。
opencv_contrib是大多數實驗性代碼放置的地方，一些API可能會改變，我們歡迎貢獻者貢獻你們新的精彩演算法。
2. 感謝Intel和AMD公司的支持，我們讓很多視覺演算法實現的GPU加速，並且對於用戶來說，都是十分易得的。這個技術可以稱之為T-API (「transparent API」)，關於這個話題的單獨指南在准備當中，仍然非常歡迎你來看一下，試一下我們的T-API的例子，研究一下它如何工作。

3. Intel公司還給了我們另一份大禮。IPP的一個子集默認接入OpenCV，用戶可以輕松得到。其中包含了可以將使用IPP加速的OpenCV再次分發的許可。如下圖所示，在IPP的幫助下，很多函數都實現了顯著的加速。

4. 最後，OpenCV 3.0帶來了很新的功能，這是其中的一部分：

Text detection and recognition by Lluis Gomez
HDR by Fedor Morozov and Alexander Shishkov
KAZE/A-KAZE by Eugene Khvedchenya, the algorithm author Pablo Alcantarilla and some improvements by F. Morozov.
Smart segmentation and edge-aware filters by Vitaly Lyudvichenko, Yuri Gitman, Alexander Shishkov and Alexander Mordvintsev
Car detection using Waldboost, ACF by Vlad Shakhuro and Nikita Manovich
TLD tracker and several common-use optimization algorithms by Alex Leontiev
Matlab bindings by Hilton Bristow, with support from Mathworks.
Greatly extended Python bindings, including Python 3 support, and several OpenCV+Python tutorials by Alexander Mordvintsev, Abid Rahman and others.
3D Visualization using VTK by Ozan Tonkal and Anatoly Baksheev.
RGBD mole by Vincent Rabaud
Line Segment Detector by Daniel Angelov
Many useful Computational Photography algorithms by Siddharth Kherada
Shape descriptors, matching and morphing shapes (shape mole) by Juan Manuel Perez Rua and Ilya Lysenkov
Long-term tracking + saliency-based improvements (tracking mole) by Antonella Cascitelli and Francesco Puja
Another good pose estimation algorithm and the tutorial on pose estimation by Edgar Riba and Alexander Shishkov
Line descriptors and matchers by Biagio Montesano and Manuele Tambourin
Myriads of improvements in various parts of the library by Steven Puttemans; thank you a lot, Steven!
Several NEON optimizations by Adrian Stratulat, Cody Rigney, Alexander Petrikov, Yury Gorbachev and others.
Fast foreach loop over cv::Mat by Kazuki Matsuda
Image alignment (ECC algorithm) by Georgios Evangelidis
GDAL image support by Marvin Smith
RGBD mole by Vincent Rabaud
Fisheye camera model by Ilya Krylov
OSX framework build script by Eugene Khvedchenya
Multiple FLANN improvements by Pierre-Emmanuel Viel
Improved WinRT support by Gregory Morse
Latent SVM Cascade by Evgeniy Konov and NNSU team (awaiting integration)
Logistic regression by Rahul Kavi
Five-point pose estimation algorithm by Bo Li

Ⅳ CUDA,OPENCV,GPU,CPU這幾者有什麼關系，能通俗地解釋下各自是什麼東西嗎

OPENCV為常用的圖像庫
CPU就不用說了吧
GPU（Graphic Processing Unit）圖形處理器，是相對於CPU的一個概念
CUDA(Compute Unified Device Architecture)，顯卡廠商NVidia推出的運算平台

Ⅳ opencv是干什麼的

OpenCV是一款由Intel公司俄羅斯團隊發起並參與和維護的一個計算機視覺處理開源軟體庫，支持與計算機視覺和機器學習相關的眾多演算法，並且正在日益擴展。

OpenCV基於C++實現，同時提供python, Ruby, Matlab等語言的介面。OpenCV-Python是OpenCV的Python API，結合了OpenCV C++ API和Python語言的最佳特性。

作用：

OpenCV是一個基於BSD許可發行的跨平台計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上。OpenCV在計算機視覺的發展中發揮了重要的作用，使成千上萬的人能夠在視覺上做更多的工作。OpenCV允許學生，研究人員，專業人員和創業者高效地實施項目，並通過向他們提供可在多種平台上優化的計算機視覺架構。

Ⅵ QT平台下使用opencv實現1.監控報警(畫面出現動的場景),2.速度計算，3.人臉識別

示例代碼沒有，人臉識別opencv有專門的函數來處理
速度計算也是對圖片從靜-》動-》靜的時間的一個計算

我做的那個時候攝像頭太TM爛，時間算不準

Ⅶ OpenCV和Emgu CV什麼關系

Emgu CV是.NET平台下對OpenCV圖像處理庫的封裝，也就是.NET版的OpenCV。兩者的版本的話，你可以看一下你的Emgu CV安裝文件裡面的bin文件夾（我的是D:\Emgu\emgucv-windows-x86 2.2.1.1150\bin）下引用的OpenCV的dll，可以由此判斷出封裝的是哪個版本。比如我的裡面的opencv_core220.dll應該對應的OpenCV的2.2版本，所以封裝的應該就是這個版本。這是我的理解，你可以參考一下。

Ⅷ openni,opencv,opengl這三個到底是什麼有什麼關系做什麼用

貌似開源，github上有源碼。功能上整體看應該沒有Kinect SDK好，但跨平台，免費。當然也支持一些類似kinect的產品，詳見OpenNi的背後公司primesense
OpenCV主要用於圖像處理、圖像分析、機器視覺和一些模式識別。內容豐富，使用很廣泛。就是一系列的庫，實現了處理圖像、讓機器理解圖像內容和利用圖像建立3維世界描述的功能。
OpenGL就是工業標準的顯示API，定義了一系列的函數，調用這些函數就可以來操作顯卡，實現畫2維3維圖片。當然不同的顯卡公司，會根據自己的顯卡和GPU來具體實現這些函數。

Ⅸ EmguCV學習 與opencv的區別和聯系

openCV是因特爾的一個開源的視覺庫,裡面幾乎包含了所有的圖像處理的經典演算法,並且採用C和少量的C++編寫,運行效率很高,對於做圖像處理這方面工作的,認識opencv是必須的工作。不過opencv有個很大的不足,這在於它幾乎沒有提供gui這方面介面,很難滿足目前應用程序開發的需要,而萬惡的MFC框架醜陋的界面也成為了我的噩夢,MFC與opencv和界面優化幾乎讓我在圖像處理這一塊兒無法動彈。

C#是.net平台上的明星語言,可以很容易做出漂亮的界面。EmguCV是將opencv封裝的一個.net庫可以被VC++,VC#,VB.net調用。網上對於EmguCV的介紹很少,不是因為它沒用,而是因為它的使用方法幾乎和opencv一摸一樣,opencv的資料完全可以直接用於EmguCV。不過不少新手在使用EmguCV在使用幾次之後便放棄。這有以下幾個原因:

1.輿論影響,很多人都說C#的運行效率低,採用C/C++,opencv是C和C++編寫的,理所當然應該在VC++中運行,圖像處理又是一個計算量很大的工作,C#不行。C#運行效率肯定比C/C++差,但是採用混合編程的方法就可以啦,用C#的框架和運行機制,計算交給C就好啦。EmguCV很多處理函數都是採用託管調用opencv。這個在EmguCV的安裝包里可以看到,裡面含有所有Opencv的dll。

2.缺少資料,學習受挫而放棄(我放棄這個大概有半年)。不得不承認EmguCV方面的學習資料實在是太少啦。很多時候出現問題，在網上基本上找不到答案。而且EmguCV前期版本對opencv封裝不全面，很多基本的函數沒有被封裝，使用起來很不方便，網上很多人以訛傳訛，編寫很困難。不過使用2.3版本就沒有這個問題，opencv基本函數都得到了很好的封裝。opencv圖像處理的函數都封裝在cvInvoke中。

而Image<>結構是連接opencv與emgucv的重要橋梁。其中C#的Intptr類型可以很好地傳遞IplImage*指針結構，下面我用一個實驗來驗證我的判斷。

創建一個winform工程，添加一個button和picturebox控制項

當然如果只是簡單的canny演算法，使用EmguCV封裝的結構Image<>更加簡單，將代碼如下圖所示修改