OpenCV过渡指南

2018-08-28 18:38 更新

变更概述

本文档面向希望将代码迁移到OpenCV 3.0的软件开发人员。

与2.4版本相比,OpenCV 3.0引入了许多新的算法和功能。一些模块已被重写,有些模块已经重组。虽然2.4中的大部分算法仍然存在,但接口可能不同。

本节介绍一般最显着的更改,所有细节和过渡操作的示例在文档的下一部分。

Contrib仓库

https://github.com/opencv/opencv_contrib

这是所有新的,实验的和非免费的算法的地方。与主库相比,支持小组没有受到太多的关注,但社区努力保持良好的状态。

要使用contrib存储库构建OpenCV ,请将以下选项添加到cmake命令中:

-DOPENCV_EXTRA_MODULES_PATH=<path-to-opencv_contrib>/modules
标题布局

在2.4中,所有头都位于相应的模块子文件夹(opencv2 / <module> / <module> .hpp)中,3.0中有顶级模块头,其中包含大部分模块功能:opencv2 / <module> .hpp和all C风格的API定义已被移动到单独的标题(例如opencv2 / core / core_c.h)。

算法接口

一般算法使用模式已经改变了:现在它必须在包裹在智能指针cv :: Ptr的堆上创建。版本2.4允许堆栈和堆分配,直接或通过智能指针。

get和set方法已经从cv :: Algorithm类以及CV_INIT_ALGORITHM宏中删除。在3.0中,所有属性都已转换为getProperty / setProperty纯虚拟方法。因此,它是不是能够创建和使用CV ::算法通过名称实例(使用通用的算法::创建(字符串)方法),应该显式调用相应的工厂方法。

更改模块
  • ml模块已被重写
  • highgui模块已经分为几部分:imgcodecs,videoio和highgui本身
  • features2d模块已被重组(某些功能检测器已被移动到opencv_contrib / xfeatures2d模块)
  • 传统的,非自由的模块已被删除。一些算法已被移动到不同的位置,一些算法被完全重写或删除
  • CUDA API已经更新(gpu模块 - >几个cuda模块,命名空间gpu - >命名空间cuda)
  • OpenCL API已更改(ocl模块已被删除,单独的ocl :: implementation - > Transparent API)
  • 其他一些方法和类已被重定位

过渡提示

本节通过实例介绍具体的操作。

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准备当前的代码库进行迁移:

  • cv :: makePtr函数现在可用
  • opencv2 / <module> .hpp头已创建

新标题布局

注意: OpenCV 3.0中进行了旨在简化迁移的更改,因此不需要以下说明,但建议。

  • 更换旧模块标题的内含物
// old header
#include "opencv2/<module>/<module>.hpp"
// new header
#include "opencv2/<module>.hpp"

现代使用算法

  • 必须使用cv :: makePtr函数或相应的静态工厂方法(如果可用)创建算法实例:
// good ways
Ptr<SomeAlgo> algo = makePtr<SomeAlgo>(...);
Ptr<SomeAlgo> algo = SomeAlgo::create(...);

其他方式已弃用:

// bad ways
Ptr<SomeAlgo> algo = new SomeAlgo(...);
SomeAlgo * algo = new SomeAlgo(...);
SomeAlgo algo(...);
Ptr<SomeAlgo> algo = Algorithm::create<SomeAlgo>("name");
  • 应通过相应的虚拟方法访问算法属性,getSomeProperty / setSomeProperty,通用get / set方法已被删除:
// good way
double clipLimit = clahe->getClipLimit();
clahe->setClipLimit(clipLimit);
// bad way
double clipLimit = clahe->getDouble("clipLimit");
clahe->set("clipLimit", clipLimit);
clahe->setDouble("clipLimit", clipLimit);
  • 删除initModule_<moduleName>()呼叫

机器学习模块

由于该模块已被重写,因此需要花费一些时间来适应您的软件。所有算法都位于单独的ml命名空间及其基类StatModel中。单独的SomeAlgoParams类已被替换为一组相应的getProperty / setProperty方法。

下表说明了2.4和3.0机器学习类之间的对应关系。

2.43.0
CvStatModelCV ::毫升:: StatModel
CvNormalBayesClassifierCV ::毫升:: NormalBayesClassifier
CvKNearestCV ::毫升:: KNearest
CvSVMCV ::毫升:: SVM
CvDTreeCV ::毫升:: DTrees
CV升压CV ::毫升::升压
CvGBTrees未实现
CvRTreesCV ::毫升::的rtrees
CvERTrees未实现
EMCV ::毫升:: EM
CvANN_MLPCV ::毫升:: ANN_MLP
未实现CV ::毫升::逻辑回归
CvMLDataCV ::毫升:: TrainData

虽然在3.0版中重写的ml算法可以让您从xml / yml文件中加载旧的训练模型,但预测过程中的偏差是可能的。

points_classifier.cpp示例中的以下代码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

一些算法(FREAK,BRIEF,SIFT,SURF)已被移动到opencv_contrib存储库,到xfeatures2d模块,xfeatures2d命名空间。他们的界面也被改变了(继承于cv::Feature2D基类)。

xfeatures2d模块类的列表:

需要执行以下步骤:

  1. 将opencv_contrib添加到编译过程中
  2. 包含opencv2/xfeatures2d.h标题
  3. 使用命名空间 xfeatures2d
  4. 用或替换operator()呼叫detect,compute或detectAndCompute如果需要

一些类现在使用一般方法detect,compute或detectAndCompute由Feature2D基类而不是自定义提供operator()

以下代码片段说明了区别(从video_homography.cpp示例):

using namespace 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); //Find interest points
brief.compute(gray, query_kpts, query_desc); //Compute brief descriptors at each keypoint location
// ====== 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); //Find interest points
brief->compute(gray, query_kpts, query_desc); //Compute brief descriptors at each keypoint location

OpenCL的

所有专门的ocl实现都隐藏在一般的C ++算法接口之后。现在可以在运行时动态选择功能执行路径:CPU或OpenCL; 这个机制也被称为“透明API”。

新类cv :: UMat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修改(来自OpenCV站点):

  • OpenCL感知代码OpenCV-2.x
// initialization
VideoCapture vcap(...);
ocl::OclCascadeClassifier fd("haar_ff.xml");
ocl::oclMat frame, frameGray;
Mat frameCpu;
vector<Rect> faces;
for(;;){
    // processing loop
    vcap >> frameCpu;
    frame = frameCpu;
    ocl::cvtColor(frame, frameGray, BGR2GRAY);
    ocl::equalizeHist(frameGray, frameGray);
    fd.detectMultiScale(frameGray, faces, ...);
    // draw rectangles …
    // show image …
}
  • OpenCL感知代码OpenCV-3.x
// initialization
VideoCapture vcap(...);
CascadeClassifier fd("haar_ff.xml");
UMat frame, frameGray; // the only change from plain CPU version
vector<Rect> faces;
for(;;){
    // processing loop
    vcap >> frame;
    cvtColor(frame, frameGray, BGR2GRAY);
    equalizeHist(frameGray, frameGray);
    fd.detectMultiScale(frameGray, faces, ...);
    // draw rectangles …
    // show image …
}

CUDA

cuda模块已经分成几个较小的部分:

gpu命名空间已被删除,使用cv :: cuda命名空间。许多课程也已经重新命名,例如:

文件格式

文档已转换为Doxygen格式。您可以在OpenCV参考文档(OpenCV的写作文档)的教程部分找到更新的文档写作指南。

支持两个版本

在某些情况下,可以支持两种版本的OpenCV。

源代码

要检查应用程序源代码中的库主要版本,应使用以下方法:

#include "opencv2/core/version.hpp"
#if CV_MAJOR_VERSION == 2
// do opencv 2 code
#elif CV_MAJOR_VERSION == 3
// do opencv 3 code
#endif
注意
不要使用CV_VERSION_MAJOR,它对2.4和3.x分支有不同的含义!

构建系统

通过检查构建系统中的库版本,可以链接不同的模块或启用/禁用应用程序中的某些功能。可以使用标准cmake或pkg-config变量:

  • OpenCV_VERSION 对于cmake将包含完整版本:“2.4.11”或“3.0.0”
  • OpenCV_VERSION_MAJOR 对于cmake将仅包含主版本号:2或3
  • pkg-config文件有标准字段 Version

例:

if(OpenCV_VERSION VERSION_LESS "3.0")
# use 2.4 modules
else()
# use 3.x modules
endif()
以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号