\nEine neue DNN-Inferenz-Engine.<\/strong>
\nIm dnn-Modul wurde eine neue Engine eingef\u00fchrt, die neben der alten koexistiert. Sie arbeitet besser mit dynamischen Tensorformen, Untergraphen und modernen ONNX-Funktionen. Es wird eine Abdeckung von \u00fcber 80 % der ONNX-Spezifikation<\/strong>, w\u00e4hrend in OpenCV 4.x weniger als 23 % abgedeckt waren.
\nDies ist wahrscheinlich die Haupt\u00e4nderung der Ver\u00f6ffentlichung: OpenCV versucht, nicht nur eine Umh\u00fcllung um Modelle zu sein, sondern eine vollwertige integrierte Inferenz-Engine f\u00fcr moderne neuronale Netze.<\/p>\n<\/li>\n\nDie Auswahl der Engine beim Laden eines Modells.<\/strong>
\nIn cv::dnn::readNet() und verwandten Funktionen wurde der Parameter ENGINE_AUTO hinzugef\u00fcgt. Standardm\u00e4\u00dfig versucht OpenCV zun\u00e4chst die neue Engine, und im Falle eines Misserfolgs wird zur klassischen zur\u00fcckgekehrt. Das Verhalten kann auch \u00fcber die Umgebungsvariable OPENCV_FORCE_DNN_ENGINE festgelegt werden: alte Engine, neue, automatischer Modus oder ONNX Runtime nutzen. Alte Projekte m\u00fcssen nicht sofort vollst\u00e4ndig auf die neue Engine umsteigen, aber neue Modelle k\u00f6nnen schrittweise darauf umgestellt werden.<\/p>\n<\/li>\n\nIntegration mit ONNX Runtime.<\/strong>
\nOpenCV kann jetzt mit aktivierter ONNX Runtime compilierte werden. In diesem Fall verwendet OpenCV seinen eigenen ONNX-Parser zum Erstellen des ORT-Diagramms, sodass das vollst\u00e4ndige ONNX-Paket nicht erforderlich ist. F\u00fcr den Build sind die CMake-Parameter -DWITH_ONNXRUNTIME=ON und -DDOWNLOAD_ONNXRUNTIME=ON vorgesehen; f\u00fcr NVIDIA-GPUs \u2014 -DDOWNLOAD_ONNXRUNTIME_GPU=ON. Diese Funktion wird n\u00fctzlich sein f\u00fcr diejenigen, die bereits jetzt GPU-Inferenz ben\u00f6tigen, da die neue DNN-Engine von OpenCV derzeit nur auf der CPU arbeitet.<\/p>\n<\/li>\n\nUnterst\u00fctzung f\u00fcr Vision-Language-Modelle.<\/strong>
\nDie neue DNN-Engine umfasst Tokenizer, Attention-Schichten, Decoding-Bl\u00f6cke, Nachbearbeitung und KV-Cache, die erforderlich sind, um VLM-Modelle \"out of the box\" auszuf\u00fchren. Die Bibliothek war historisch mit der Bildverarbeitung verbunden und betritt nun den Bereich der Modelle, die gleichzeitig mit Bild und Text arbeiten.<\/p>\n<\/li>\n\nDie GPU-Unterst\u00fctzung der neuen DNN-Engine ist derzeit noch nicht verf\u00fcgbar.<\/strong>
\nDie neue Engine in OpenCV 5.0 funktioniert nur auf der CPU. Native GPU-Unterst\u00fctzung soll in k\u00fcnftigen Versionen hinzugef\u00fcgt werden; bis dahin wird empfohlen, die klassische Engine oder eine Version mit ONNX Runtime und NVIDIA-Ausf\u00fchrungstr\u00e4gern f\u00fcr GPU zu verwenden. F\u00fcr serverseitige oder Desktop-CUDA-Inferenz ersetzt OpenCV 5.0 noch nicht spezialisierte Runtimes.<\/p>\n<\/li>\n\nDie alten Parser f\u00fcr Darknet und Caffe wurden entfernt.<\/strong>
\nDie Entwickler haben die Parser f\u00fcr Darknet und Caffe entfernt, da die meisten Modelle bereits in ONNX konvertiert wurden. TFLite bleibt zun\u00e4chst \u00fcber die klassische Engine verf\u00fcgbar, die \u00dcbertragung auf die neue Engine ist sp\u00e4ter geplant. OpenCV gibt alte Formate auf und konzentriert sich auf ONNX als prim\u00e4res Austauschformat f\u00fcr Modelle.<\/p>\n<\/li>\n\nGro\u00dfe Bereinigung des veralteten API.<\/strong>
\nDie C API von OpenCV 1.x wurde entfernt: Funktionen wie cvCreateMat() und alte Strukturen wie CvMat geh\u00f6ren nicht mehr zur Haupt-API. Auch die Unterst\u00fctzung von OpenVX wurde entfernt, das G-API-Modul wurde in opencv_contrib verschoben, ebenso der klassische ML-Modul. Eine durchschlagende \u00c4nderung f\u00fcr alte Projekte, aber sie war l\u00e4ngst f\u00e4llig: Die Bibliothek befreit sich von der technischen Schuld, die \u00fcber Jahrzehnte angesammelt wurde.<\/p>\n<\/li>\n\nFeatures2D wurde in Features umbenannt.<\/strong>
\nDas Modul wurde auf moderne Merkmalsvektoren aus neuronalen Netzwerken ausgeweitet. Im Hauptrepository sind SIFT, ORB, FAST, GoodFeaturesToTrack und MSER geblieben, w\u00e4hrend veraltete Detektoren und Deskriptoren in opencv_contrib verschoben wurden. ALIKED, DISK und der Matcher LightGlue wurden hinzugef\u00fcgt. OpenCV passt sich deutlich an moderne Pipelines an, in denen Bildmerkmale immer h\u00e4ufiger nicht mit klassischen Algorithmus, sondern mit neuronalen Netzwerken extrahiert werden.<\/p>\n<\/li>\n\nNeue Datentypen im Kern.<\/strong>
\nDie Datentypen CV_16BF \/ cv::bfloat, CV_32U, CV_64U, CV_64S und CV_Bool wurden hinzugef\u00fcgt. Auch die Unterst\u00fctzung f\u00fcr N-dimensionale Arrays, 1D-Arrays und 0D-Skalare wurde verbessert. LAPACK ist jetzt immer verf\u00fcgbar: Wenn die externe Bibliothek fehlt, baut OpenCV ein minimales eingebautes Teilensemble zusammen. Diese \u00c4nderungen sind wichtig f\u00fcr DNN, numerische Algorithmen und die Kompatibilit\u00e4t mit modernen Datenformaten, in denen bfloat16 und erweiterte Typen immer h\u00e4ufiger vorkommen.<\/p>\n<\/li>\n\nDie Bildverarbeitung wurde beschleunigt.<\/strong>
\nIn imgproc wurden warpAffine, warpPerspective und remap \u00fcberarbeitet. Die Leistungsverbesserungen liegen zwischen 10% und mehr als 300%, abh\u00e4ngig von der Plattform, der Bildgr\u00f6\u00dfe, dem Datentyp und den Betriebsflags.
\nDas betrifft nicht mehr das AI-Modul \u2013 solche Optimierungen sind direkt wichtig f\u00fcr klassische Aufgaben: Video-Streams, Stabilisierung, projektive Transformationen und die Datenvorbereitung vor dem Inferenzprozess.<\/p>\n<\/li>\n\nDie Textausgabe wurde verbessert.<\/strong>
\nDer alte Text-Rendering-Mechanismus wurde durch einen STB-basierten TrueType-Renderer mit der eingebetteten variablen Schriftart Rubik ersetzt. Benutzerspezifische Schriftarten k\u00f6nnen angeschlossen werden, und es gibt eine umfassende Unterst\u00fctzung f\u00fcr Unicode. Komplexe Schriftsysteme wie Arabisch und Devanagari werden jedoch nach wie vor ohne Harfbuzz nicht korrekt dargestellt, und farbige Emojis werden nicht unterst\u00fctzt. OpenCV wird benutzerfreundlicher f\u00fcr die Generierung von Anmerkungen, Debug-Bildern und Visualisierungen ohne externe Bibliotheken.<\/p>\n<\/li>\n\n3D und Kalibrierung von Kameras wurden aktualisiert.<\/strong>
\ncalib3d wurde in geometry, calib, stereo und ptcloud unterteilt. USAC ist der Standard-Backend f\u00fcr die robuste Sch\u00e4tzung von Homographien, der essenziellen\/fundamentalen Matrix, PnP und anderen Aufgaben geworden. Eine Pipeline zur Kalibrierung mehrerer Kameras wurde hinzugef\u00fcgt, erste Unterst\u00fctzung f\u00fcr die Verarbeitung von Netzen und Punktwolken, einschlie\u00dflich TSDF, ICP, Import und Export von .ply und .obj. Dies ist ein wichtiger Schritt f\u00fcr Robotik, SLAM, AR\/VR und Multikamerasysteme, wo eine 2D-Verarbeitung l\u00e4ngst nicht mehr ausreichend ist.<\/p>\n<\/li>\n\nDie Beispiele und die Dokumentation wurden \u00fcberarbeitet.<\/strong>
\nVeraltete Beispiele wurden entfernt, die verbleibenden aktualisiert. F\u00fcr DNN-Beispiele wird eine gemeinsame Sammlung von Modellen verwendet, die mit dem Skript download_models.py heruntergeladen werden kann. Experimentelle Beispiele f\u00fcr VLM und LDM wurden hinzugef\u00fcgt, und die Dokumentation erhielt ein modernes Design mit schneller Suche, hellen\/dunklen Modi und verbesserter Navigation. F\u00fcr eine so gro\u00dfe Bibliothek ist dies kein kosmetisches Update: Eine ordentliche Dokumentation und funktionierende Beispiele haben direkten Einfluss darauf, ob Entwickler tats\u00e4chlich auf OpenCV 5.x umsteigen k\u00f6nnen.<\/p>\n<\/li>\n<\/ul>\nInsgesamt ist OpenCV 5.0 nicht nur ein weiteres Release mit Optimierungen, sondern ein signifikantes Update in allen Bereichen: weniger Erbe aus der \u00c4ra von OpenCV 1.x und mehr Orientierung an ONNX, neuronaler Inferenz, modernen Merkmalen, 3D-Verarbeitung und heterogenem Beschleunigung. Der \u00dcbergang f\u00fcr alte Projekte kann jedoch Anpassungen erfordern, da die C-API entfernt und Teile der Module nach opencv_contrib verschoben wurden.<\/p>\n
Quelle: linux.org.ru<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"\u041e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d OpenCV 5.0.0 \u2014 \u043a\u0440\u0443\u043f\u043d\u044b\u0439 \u0432\u044b\u043f\u0443\u0441\u043a \u043e\u0442\u043a\u0440\u044b\u0442\u043e\u0439 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u043d\u043e\u0433\u043e \u0437\u0440\u0435\u043d\u0438\u044f \u0438 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439. \u0420\u0435\u043b\u0438\u0437 \u0441\u043e\u0441\u0442\u043e\u044f\u043b\u0441\u044f 6 \u0438\u044e\u043d\u044f 2026 \u0433\u043e\u0434\u0430 \u0438 \u0443\u0436\u0435 \u043e\u0442\u043c\u0435\u0447\u0435\u043d \u043a\u0430\u043a \u0430\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u044b\u0439 \u0432 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0438 \u043f\u0440\u043e\u0435\u043a\u0442\u0430 \u043d\u0430 GitHub. OpenCV \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u044f\u0435\u0442\u0441\u044f \u043f\u043e\u0434 \u043b\u0438\u0446\u0435\u043d\u0437\u0438\u0435\u0439 Apache-2.0. \u0421\u0443\u0442\u044c \u0440\u0435\u043b\u0438\u0437\u0430 \u2014 \u043f\u0435\u0440\u0435\u0445\u043e\u0434 OpenCV \u043e\u0442 \u00ab\u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u043d\u043e\u0433\u043e \u0437\u0440\u0435\u043d\u0438\u044f\u00bb \u043a \u0431\u043e\u043b\u0435\u0435 \u0441\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0439 \u043f\u043b\u0430\u0442\u0444\u043e\u0440\u043c\u0435 \u0434\u043b\u044f CV\/AI-\u0437\u0430\u0434\u0430\u0447: \u043f\u0440\u043e\u0435\u043a\u0442 \u0432\u044b\u0447\u0438\u0441\u0442\u0438\u043b \u0441\u0442\u0430\u0440\u043e\u0435 API, \u043f\u0435\u0440\u0435\u0440\u0430\u0431\u043e\u0442\u0430\u043b […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":8,"featured_media":181945,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-181944","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47OpenCV 5.0.0 | ProHoster","description":"Ver\u00f6ffentlicht","canonical_url":"https:\/\/prohoster.info\/de\/blog\/news\/opencv-5-0-0","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"de_DE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47OpenCV 5.0.0 | ProHoster","og:description":"\u041e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d","og:url":"https:\/\/prohoster.info\/de\/blog\/news\/opencv-5-0-0","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2026-06-08T00:48:46+00:00","article:modified_time":"2026-06-08T00:48:46+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":[],"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/181944","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/comments?post=181944"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/181944\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/media\/181945"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/media?parent=181944"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/categories?post=181944"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/tags?post=181944"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![](\"\/wp-content\/uploads\/2026\/06\/0827c35d7663a25a36859f66c23893bc.jpg\")
<\/p>\n