OpenCV 5.0.0

Публикувано OpenCV 5.0.0 — мащабно издание на отворена библиотека за компютърно зрение и обработка на изображения. Релизът се състоя на 6 юни 2026 година и вече е отбелязан като актуален в репозитория на проекта в GitHub. OpenCV се разпространява под лиценза Apache-2.0.

Същността на релиза — преминаването на OpenCV от "класическа библиотека за компютърно зрение" към по-съвременна платформа за CV/AI задачи: проектът е почистил старото API, преработил модула за невронни мрежи, разширил поддръжката на ONNX, добавил основа за VLM/LLM сценарии и обновил 3D/калибрационния стек. Разработчиците описват OpenCV 5.0 като клон, който сега също се счита за стабилен, а новата функционалност ще попада предимно там.

Основни промени

• Нови двигател DNN инференс.
  В модула dnn се появи нов двигател, който съществува паралелно със стария. Той работи по-добре с динамични форми на тензори, подграфи и съвременни възможности на ONNX. Заявено покритие от над 80% от спецификацията ONNX, докато в OpenCV 4.x покритие имаше под 23%.
  Това вероятно е основната промяна в изданието: OpenCV се стреми да стане не просто обвивка около модели, а пълноценен вграден двигател за инференс за съвременни невронни мрежи.

• Избор на двигател при зареждане на модел.
  В cv::dnn::readNet() и сродни функции се появи параметър ENGINE_AUTO. По подразбиране OpenCV първо пробва новия двигател, а при неуспех се връща към класическия. Поведението може да се задава и чрез променлива на средата OPENCV_FORCE_DNN_ENGINE: използвайте стария двигател, новия, автоматичен режим или ONNX Runtime. Стари проекти не са задължени да преминават веднага напълно на новия двигател, но нови модели могат постепенно да се прехвърлят на него.

• Интеграция с ONNX Runtime.
  OpenCV вече може да бъде събран с активиран ONNX Runtime. При това OpenCV използва собствен ONNX парсер за изграждане на графа ORT, така че не изисква пълен пакет ONNX. За събиране са предвидени параметри CMake -DWITH_ONNXRUNTIME=ON и -DDOWNLOAD_ONNXRUNTIME=ON; за NVIDIA GPU — -DDOWNLOAD_ONNXRUNTIME_GPU=ON. Функцията ще бъде полезна за онези, които се нуждаят от GPU инференс вече сега, тъй като новият DNN двигател на OpenCV засега работи само на CPU.

• Поддръжка на vision-language моделите.
  Новият DNN двигател включва токенизатори, слоеве на внимание, декодиращи блокове, постобработка и KV кеш, необходими за стартиране на VLM модели „извън кутията“. Библиотеката исторически е свързана с обработката на изображения, а сега навлиза в областта на моделите, които работят едновременно с изображения и текст.

• Поддръжката на GPU за новия DNN двигател все още не е готова.
  Новият двигател в OpenCV 5.0 работи само на CPU. Нативната поддръжка на GPU се обещава да бъде добавена в следващите версии; засега за GPU се препоръчва да се използва класическият двигател или сборката с ONNX Runtime и NVIDIA execution providers. За сървърен или десктоп CUDA инференс OpenCV 5.0 сам по себе си все още не заменя специализираните рантайми.

• Старите парсери Darknet и Caffe са премахнати.
  Разработчиците премахнаха парсерите Darknet и Caffe, тъй като повечето модели вече са преведени в ONNX. TFLite все още остава през класическия двигател, а преносът към новия двигател е планиран по-късно. OpenCV отказва старите формати и се фокусира на ONNX като основен обменен формат за модели.

• Голяма чистка на остарялото API.
  C API на OpenCV 1.x е премахнат: функции като cvCreateMat() и стари структури от типа CvMat не влизат вече в основното API. Също така е премахната поддръжката на OpenVX, модулът G-API е преместен в opencv_contrib, заедно с класическия ML модул. Промяната е разрушаваща за стари проекти, но беше необходима: библиотеката се освобождава от техническия дълг, натрупан през десетилетия.

• Features2D е преименуван на Features.
  Модулът е разширен за съвременни вектори на признаците от невронни мрежи. В основния репозиторий остават SIFT, ORB, FAST, GoodFeaturesToTrack и MSER, а остарелите детектори и дескриптори са преместени в opencv_contrib. Добавени са ALIKED, DISK и съпоставител LightGlue. OpenCV явно се адаптира към съвременните пайплайни, в които признаците на изображението все по-често се извлекат не с класически алгоритми, а с невронни мрежи.

• Нови типове данни в Core.
  Добавени са CV_16BF / cv::bfloat, CV_32U, CV_64U, CV_64S и CV_Bool. Също така е подобрена поддръжката на N-измерни масиви, 1D масиви и 0D скаляри. LAPACK сега е винаги наличен: ако външната библиотека липсва, OpenCV изгражда вградена минимална подмножество. Промените са важни за DNN, числени алгоритми и съвместимост с модерни формати на данни, където bfloat16 и разширени типове се срещат все по-често.

• Ускорена е обработката на изображения.
  В imgproc са преработени warpAffine, warpPerspective и remap. Обявените подобрения в производителността са в диапазона от 10% до над 300%, в зависимост от платформата, размера на изображението, типа данни и флаговете на операцията.
  Това вече не е свързано с AI модула — подобни оптимизации са пряко важни за класическите задачи: видео потоци, стабилизация, проекционни трансформации и подготовка на данни преди инференс.

• Подобрено е извеждането на текст.
  Старият механизъм за рендериране на текст е заменен с движка STB-базиран TrueType с вграден вариативен шрифт Rubik. Могат да се добавят потребителски шрифтове, а широката поддръжка на Unicode е налична. Въпреки това, сложни писмености като арабски и деванагари все още се показват неправилно без Harfbuzz, а цветните emoji не се поддържат. OpenCV става по-удобен за генериране на анотации, отладъчни изображения и визуализации без външни библиотеки.

• Обновени са 3D и калибрирането на камери.
  calib3d е разделен на geometry, calib, stereo и ptcloud. USAC стана стандартен бекенд за устойчива оценка на хомография, essential/fundamental matrix, PnP и други задачи. Добавен е пайплайн за многокамерно калибриране, установена е начална поддръжка за обработка на мрежи и облаци от точки, включително TSDF, ICP, внос и износ на .ply и .obj. Това е важна стъпка за роботиката, SLAM, AR/VR и многокамерни системи, където една 2D обработка вече не е достатъчна.

• Преработени са примерите и документацията.
  Устарелите примери са премахнати, останалите са актуализирани. За DNN примерите се използва обща колекция модели, която може да бъде свалена със скрипта download_models.py. Добавени са експериментални примери за VLM и LDM, а документацията е получила съвременна тема, бързо търсене, светъл/тъмен режим и подобрена навигация. За толкова голяма библиотека, това не е козметична промяна: нормалната документация и работещите примери пряко влияят на това дали разработчиците наистина могат да преминат на OpenCV 5.x.

В крайна сметка OpenCV 5.0 не е просто пореден релиз с оптимизации, а значително обновление на всичко: по-малко наследство от епохата на OpenCV 1.x и повече ориентация към ONNX, неуронен инференс, съвременни функции, 3D обработка и хетерогенно ускорение. Въпреки това, преходът за стари проекти може да изисква корекции поради премахване на C API и пренасяне на част от модулите в opencv_contrib.

Източник: linux.org.ru