diterbitkan OpenCV 5.0.0 — sebuah rilis besar dari pustaka sumber terbuka untuk visi komputer dan pemrosesan gambar. Rilis tersebut berlangsung 6 Juni 2026 tahun ini dan sudah ditandai sebagai versi terbaru di repositori GitHub proyek tersebut. OpenCV didistribusikan di bawah lisensi Apache-2.0.
Inti dari rilis ini adalah transisi OpenCV dari "perpustakaan visi komputer klasik" ke platform yang lebih modern untuk tugas-tugas CV/AI: proyek ini telah membersihkan API lama, mengerjakan ulang modul inferensi jaringan saraf, memperluas dukungan ONNX, menambahkan dukungan untuk skrip VLM/LLM, dan memperbarui tumpukan 3D/kalibrasi. Para pengembang menggambarkan OpenCV 5.0 sebagai cabang yang sekarang dianggap stabil, dan fungsionalitas baru terutama akan ditambahkan ke dalamnya.
Perubahan besar
Mesin inferensi DNN baru.
Modul dnn kini memiliki mesin baru yang berdampingan dengan mesin lama. Mesin baru ini bekerja lebih baik dengan bentuk tensor dinamis, subgraph, dan fitur ONNX modern. Cakupan (coverage) diklaim lebih luas. 80% dari spesifikasi ONNX, sedangkan di OpenCV 4.x kurang dari 23% yang tercakup.
Ini mungkin perubahan terbesar dalam rilis ini: OpenCV bergerak menuju lebih dari sekadar pembungkus model, tetapi menjadi mesin inferensi bawaan yang lengkap untuk jaringan saraf modern.Memilih mesin saat memuat model.
Parameter ENGINE_AUTO telah ditambahkan ke cv::dnn::readNet() dan fungsi terkait. Secara default, OpenCV pertama-tama mencoba mesin baru dan, jika tidak berhasil, akan kembali ke mesin klasik. Perilaku ini juga dapat dikonfigurasi melalui variabel lingkungan OPENCV_FORCE_DNN_ENGINE: gunakan mesin lama, mesin baru, mode otomatis, atau ONNX Runtime. Proyek lama tidak diharuskan untuk beralih sepenuhnya ke mesin baru secara langsung, tetapi model baru dapat secara bertahap dimigrasikan ke mesin tersebut.Integrasi dengan ONNX Runtime.
OpenCV kini dapat dibangun dengan ONNX Runtime yang diaktifkan. OpenCV menggunakan parser ONNX-nya sendiri untuk membangun grafik ORT, sehingga tidak memerlukan paket ONNX lengkap. Parameter CMake berikut tersedia untuk pembangunan: -DWITH_ONNXRUNTIME=ON dan -DDOWNLOAD_ONNXRUNTIME=ON; untuk GPU NVIDIA, -DDOWNLOAD_ONNXRUNTIME_GPU=ON. Fitur ini akan berguna bagi mereka yang membutuhkan inferensi GPU sekarang, karena mesin DNN baru OpenCV saat ini hanya berjalan pada CPU.Dukungan untuk model bahasa-visi.
Mesin DNN baru ini mencakup tokenizer, lapisan perhatian, blok dekoding, pasca-pemrosesan, dan cache KV, yang diperlukan untuk menjalankan model VLM secara langsung. Secara historis terkait dengan pemrosesan gambar, pustaka ini sekarang berkembang ke ranah model yang secara simultan memproses gambar dan teks.Dukungan GPU untuk mesin DNN baru belum siap.
Mesin baru di OpenCV 5.0 hanya berjalan pada CPU. Dukungan GPU asli dijanjikan untuk rilis mendatang; untuk saat ini, mesin klasik atau build dengan ONNX Runtime dan penyedia eksekusi NVIDIA direkomendasikan untuk GPU. Untuk inferensi CUDA server atau desktop, OpenCV 5.0 saja belum menggantikan runtime khusus.Parser Darknet dan Caffe versi lama telah dihapus.
Para pengembang telah menghapus parser Darknet dan Caffe, karena sebagian besar model telah dimigrasikan ke ONNX. TFLite akan tetap menggunakan mesin klasik untuk saat ini, dengan migrasi ke mesin baru yang direncanakan di kemudian hari. OpenCV meninggalkan format lama dan berfokus pada ONNX sebagai format pertukaran model utama.Pembersihan besar-besaran pada API lama.
API C OpenCV 1.x telah dihapus: fungsi seperti cvCreateMat() dan struktur lama seperti CvMat tidak lagi menjadi bagian dari API inti. Dukungan OpenVX juga telah dihapus, modul G-API telah dipindahkan ke opencv_contrib, dan modul ML klasik juga telah dipindahkan ke sana. Ini adalah perubahan yang berdampak negatif bagi proyek-proyek lama, tetapi sudah lama tertunda: pustaka ini sedang melepaskan beban teknis selama beberapa dekade.Features2D berganti nama menjadi Features.
Modul ini telah diperluas untuk mengakomodasi vektor fitur modern dari jaringan saraf. SIFT, ORB, FAST, GoodFeaturesToTrack, dan MSER tetap dipertahankan di repositori utama, sementara detektor dan deskriptor lama telah dipindahkan ke opencv_contrib. ALIKED, DISK, dan pencocok LightGlue telah ditambahkan. OpenCV jelas beradaptasi dengan alur kerja modern, di mana fitur gambar semakin banyak diekstrak menggunakan jaringan saraf daripada algoritma klasik.Tipe data baru di Core.
Menambahkan CV_16BF / cv::bfloat, CV_32U, CV_64U, CV_64S, dan CV_Bool. Dukungan untuk array N-dimensi, array 1D, dan skalar 0D juga telah ditingkatkan. LAPACK sekarang selalu tersedia: jika pustaka eksternal hilang, OpenCV akan membangun subset minimal bawaan. Perubahan ini penting untuk DNN, algoritma numerik, dan kompatibilitas dengan format data modern, di mana bfloat16 dan tipe yang diperluas semakin umum.Pemrosesan gambar telah dipercepat.
WarpAffine, warpPerspective, dan remap telah dikerjakan ulang di imgproc. Peningkatan kinerja diklaim berkisar antara 10% hingga lebih dari 300% tergantung pada platform, ukuran gambar, tipe data, dan flag operasi.
Ini bukan hanya tentang AI—optimasi semacam ini sangat penting untuk tugas-tugas klasik: aliran video, stabilisasi, transformasi proyeksi, dan persiapan data sebelum inferensi.Peningkatan kualitas output teks.
Mesin rendering teks lama telah digantikan dengan mesin TrueType berbasis STB dengan font variabel Rubik bawaan. Font kustom dapat disematkan, dan dukungan Unicode yang luas telah ditambahkan. Namun, aksara kompleks seperti Arab dan Devanagari masih ditampilkan secara tidak benar tanpa Harfbuzz, dan emoji berwarna tidak didukung. OpenCV menjadi lebih nyaman untuk menghasilkan anotasi, gambar debug, dan visualisasi tanpa pustaka eksternal.Kalibrasi 3D dan kamera telah diperbarui.
calib3d terbagi menjadi geometri, kalibrasi, stereo, dan ptcloud. USAC telah menjadi backend standar untuk homografi yang kuat, matriks esensial/fundamental, PnP, dan tugas-tugas lainnya. Pipeline kalibrasi multi-kamera telah ditambahkan, bersama dengan dukungan awal untuk pemrosesan mesh dan point cloud, termasuk TSDF, ICP, dan impor serta ekspor .ply dan .obj. Ini merupakan langkah penting untuk robotika, SLAM, AR/VR, dan sistem multi-kamera, di mana pemrosesan 2D saja sudah lama tidak mencukupi.Contoh dan dokumentasi telah direvisi.
Contoh-contoh yang sudah usang telah dihapus, dan contoh-contoh yang tersisa telah diperbarui. Contoh DNN sekarang menggunakan koleksi model bersama, yang dapat diunduh menggunakan skrip download_models.py. Contoh eksperimental untuk VLM dan LDM telah ditambahkan, dan dokumentasi telah mendapatkan tema modern, pencarian cepat, mode terang/gelap, dan navigasi yang lebih baik. Untuk pustaka sebesar ini, ini bukan perubahan kosmetik: dokumentasi yang tepat dan contoh yang berfungsi secara langsung memengaruhi apakah pengembang akan benar-benar bermigrasi ke OpenCV 5.x.
Pada akhirnya, OpenCV 5.0 bukan hanya rilis lain dengan optimasi, tetapi peningkatan yang signifikan: lebih sedikit warisan dari era OpenCV 1.x dan lebih fokus pada ONNX, inferensi jaringan saraf, fitur modern, pemrosesan 3D, dan akselerasi heterogen. Namun, transisi untuk proyek-proyek lama mungkin memerlukan beberapa penyesuaian karena penghapusan API C dan pemindahan beberapa modul ke opencv_contrib.
Sumber: linux.org.ru
