zveřejněno OpenCV 5.0.0 — významné vydání open source knihovny pro počítačové vidění a zpracování obrazu. K vydání došlo 6 červen 2026 rok a je již označen jako aktuální v repozitáři projektu na GitHubu. OpenCV je distribuován pod licencí Apache-2.0.
Podstatou vydání je přechod OpenCV z „klasické knihovny počítačového vidění“ na modernější platformu pro úlohy CV/AI: projekt vyčistil staré API, přepracoval modul pro inferenci neuronových sítí, rozšířil podporu ONNX, přidal podporu pro skripty VLM/LLM a aktualizoval 3D/kalibrační stack. Vývojáři popisují OpenCV 5.0 jako větev, která je nyní považována za stabilní, a do které budou primárně přidány nové funkce.
Hlavní změny
Nový inferenční engine DNN.
Modul dnn nyní obsahuje nový engine, který existuje současně se starým. Funguje lépe s dynamickými tenzorovými tvary, podgrafy a moderními funkcemi ONNX. Pokrytí je údajně širší. 80 % specifikace ONNX, zatímco v OpenCV 4.x bylo pokryto méně než 23 %.
Toto je pravděpodobně největší změna v této verzi: OpenCV se stává více než jen obalem modelu, ale plnohodnotným vestavěným inferenčním enginem pro moderní neuronové sítě.Výběr motoru při načítání modelu.
Do cv::dnn::readNet() a souvisejících funkcí byl přidán parametr ENGINE_AUTO. Ve výchozím nastavení OpenCV nejprve vyzkouší nový engine a pokud se nezdaří, vrátí se ke klasickému enginu. Toto chování lze také nakonfigurovat pomocí proměnné prostředí OPENCV_FORCE_DNN_ENGINE: použít starý engine, nový engine, automatický režim nebo ONNX Runtime. Staré projekty nemusí okamžitě kompletně přejít na nový engine, ale nové modely na něj lze postupně migrovat.Integrace s běhovým prostředím ONNX.
OpenCV lze nyní sestavit s povoleným běhovým prostředím ONNX. OpenCV používá k sestavení grafu ORT vlastní analyzátor ONNX, takže nevyžaduje celý balíček ONNX. Pro sestavení jsou k dispozici následující parametry CMake: -DWITH_ONNXRUNTIME=ON a -DDOWNLOAD_ONNXRUNTIME=ON; pro grafické karty NVIDIA platí -DDOWNLOAD_ONNXRUNTIME_GPU=ON. Tato funkce bude užitečná pro ty, kteří nyní potřebují inferenci GPU, protože nový engine DNN v OpenCV v současné době běží pouze na procesorech.Podpora modelů vizuální řeči.
Nový engine DNN obsahuje tokenizátory, vrstvy pozornosti, dekódovací bloky, postprocessing a KV cache, nezbytné pro spouštění VLM modelů ihned po instalaci. Knihovna, historicky spojovaná se zpracováním obrazu, se nyní rozšiřuje do oblasti modelů, které současně zpracovávají obrázky a text.Podpora GPU pro nový engine DNN ještě není připravena.
Nový engine v OpenCV 5.0 běží pouze na CPU. Pro budoucí verze je slíbena nativní podpora GPU; prozatím se pro GPU doporučuje klasický engine nebo sestavení s ONNX Runtime a NVIDIA execution providery. Pro inferenci CUDA na serverech nebo desktopech samotný OpenCV 5.0 zatím nenahrazuje specializované runtime moduly.Staré parsery Darknetu a Caffe byly odstraněny.
Vývojáři odstranili parsery Darknet a Caffe, protože většina modelů již byla migrována do ONNX. TFLite prozatím zůstane v klasickém enginu, migrace na nový engine je plánována později. OpenCV opouští starší formáty a zaměřuje se na ONNX jako primární formát pro výměnu modelů.Zásadní čištění staršího API.
C API rozhraní OpenCV 1.x bylo odstraněno: funkce jako cvCreateMat() a staré struktury jako CvMat již nejsou součástí jádra API. Podpora OpenVX byla také odstraněna, modul G-API byl přesunut do opencv_contrib a tam byl přesunut i klasický modul ML. Pro starší projekty se jedná o zásadní změnu, ale měla být provedena už dávno: knihovna se zbavuje desetiletí technického dluhu.Features2D přejmenováno na Features.
Modul byl rozšířen o moderní vektory rysů z neuronových sítí. SIFT, ORB, FAST, GoodFeaturesToTrack a MSER byly zachovány v hlavním repozitáři, zatímco starší detektory a deskriptory byly přesunuty do opencv_contrib. Byly přidány ALIKED, DISK a porovnávač LightGlue. OpenCV se evidentně přizpůsobuje moderním pipeline, kde se obrazové rysy stále častěji extrahují pomocí neuronových sítí namísto klasických algoritmů.Nové datové typy v Core.
Přidány CV_16BF / cv::bfloat, CV_32U, CV_64U, CV_64S a CV_Bool. Vylepšena byla také podpora pro N-rozměrná pole, 1D pole a 0D skaláry. LAPACK je nyní vždy k dispozici: pokud chybí externí knihovna, OpenCV vytvoří vestavěnou minimální podmnožinu. Tyto změny jsou důležité pro DNN, numerické algoritmy a kompatibilitu s moderními datovými formáty, kde jsou bfloat16 a rozšířené typy stále běžnější.Zpracování obrazu bylo zrychleno.
Funkce WarpAffine, warpPerspective a remap byly v souboru imgproc přepracovány. Zlepšení výkonu se údajně pohybuje od 10 % do více než 300 % v závislosti na platformě, velikosti obrazu, datovém typu a příznakech operace.
Nejde jen o umělou inteligenci – takové optimalizace jsou přímo důležité pro klasické úkoly: video streamy, stabilizaci, projekční transformace a přípravu dat před inferencí.Vylepšený textový výstup.
Starý textový renderovací engine byl nahrazen TrueType enginem založeným na STB s vestavěným variabilním písmem Rubik. Lze vkládat vlastní písma a byla přidána rozsáhlá podpora Unicode. Složité písma, jako je arabština a dévanágarí, se však bez Harfbuzz stále zobrazují nesprávně a barevné emoji nejsou podporovány. OpenCV se stává pohodlnějším pro generování anotací, ladění obrázků a vizualizací bez externích knihoven.Aktualizováno 3D a kalibrace kamery.
calib3d je rozdělen na geometrii, calib, stereo a ptcloud. USAC se stal standardním backendem pro robustní homografii, základní/základní matice, PnP a další úlohy. Byl přidán kalibrační kanál pro více kamer spolu s počáteční podporou pro zpracování sítí a mračen bodů, včetně TSDF, ICP a importu a exportu .ply a .obj. Toto je důležitý krok pro robotiku, SLAM, AR/VR a vícekamerové systémy, kde samotné 2D zpracování dlouho nestačilo.Příklady a dokumentace byly revidovány.
Zastaralé příklady byly odstraněny a zbývající příklady byly aktualizovány. Příklady DNN nyní používají sdílenou kolekci modelů, kterou lze stáhnout pomocí skriptu download_models.py. Byly přidány experimentální příklady pro VLM a LDM a dokumentace získala moderní téma, rychlé vyhledávání, světlý/tmavý režim a vylepšenou navigaci. U tak rozsáhlé knihovny se nejedná o kosmetickou změnu: správná dokumentace a funkční příklady přímo ovlivňují, zda vývojáři skutečně migrují na OpenCV 5.x.
OpenCV 5.0 v konečném důsledku není jen další verzí s optimalizacemi, ale významným vylepšením: méně odkazu z éry OpenCV 1.x a větší zaměření na ONNX, inferenci neuronových sítí, moderní funkce, 3D zpracování a heterogenní akceleraci. Přechod u starších projektů však může vyžadovat určité úpravy kvůli odstranění C API a přesunu některých modulů do opencv_contrib.
Zdroj: linux.org.ru
