Se ha lanzado la biblioteca de código abierto OpenCV 4.7 (Open Source Computer Vision Library), que proporciona herramientas para el procesamiento y análisis de contenido de imágenes. OpenCV ofrece más de 2500 algoritmos, tanto clásicos como que reflejan los últimos avances en el campo de la visión por computadora y los sistemas de aprendizaje automático. El código de la biblioteca está escrito en C++ y se distribuye bajo la licencia BSD. Se han preparado enlaces para varios lenguajes de programación, incluidos Python, MATLAB y Java.
La biblioteca se puede utilizar para el reconocimiento de objetos en fotografías y videos (por ejemplo, reconocimiento de rostros y figuras humanas, texto, etc.), seguimiento del movimiento de objetos y cámaras, clasificación de acciones en videos, transformación de imágenes, extracción de modelos 3D, formación de un espacio 3D a partir de imágenes de cámaras estereoscópicas, creación de imágenes de alta calidad a través de la combinación de imágenes de menor calidad, búsqueda de objetos en una imagen similares a un conjunto presentado, aplicación de métodos de aprendizaje automático, colocación de marcadores, identificación de elementos comunes en diferentes imágenes, eliminación automática de defectos como el efecto de ojos rojos.
Entre los cambios en la nueva versión:
- Se ha realizado una optimización significativa del rendimiento de la convolución en el módulo DNN (Deep Neural Network) con la implementación de algoritmos de aprendizaje automático basados en redes neuronales. Se ha implementado el algoritmo de convoluciones rápidas de Vinograd. Se han añadido nuevas capas ONNX (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 y ReduceMin. Se ha añadido soporte para el marco OpenVino 2022.1 y el backend CANN.
- Se ha mejorado la calidad de detección y decodificación de códigos QR.
- Se ha añadido soporte para marcadores visuales ArUco y AprilTag.
- Se ha añadido un rastreador Nanotrack v2 basado en redes neuronales.
- Se ha implementado el algoritmo de desenfoque Stackblur.
- Se ha añadido soporte para FFmpeg 5.x y CUDA 12.0.
- Se ha propuesto una nueva API para manipulación de formatos de imágenes multipágina.
- Se ha añadido soporte para la biblioteca libSPNG para el formato PNG.
- Se ha activado la aceleración en libJPEG-Turbo mediante instrucciones SIMD.
- Se ha implementado soporte para H264/H265 en la plataforma Android.
- Se han proporcionado todas las API básicas para el lenguaje Python.
- Se ha añadido un nuevo backend universal para instrucciones vectoriales.
Fuente: opennet.ru
