È stata rilasciata la libreria open source OpenCV 4.7 (Open Source Computer Vision Library), che offre strumenti per l'elaborazione e l'analisi del contenuto delle immagini. OpenCV fornisce oltre 2500 algoritmi, sia classici che che riflettono le ultime innovazioni nel campo della visione artificiale e dei sistemi di machine learning. Il codice della libreria è scritto in C++ e distribuito sotto licenza BSD. Sono stati preparati binding per vari linguaggi di programmazione, tra cui Python, MATLAB e Java.
La libreria può essere utilizzata per il riconoscimento di oggetti in foto e video (ad esempio, riconoscimento facciale e delle forme umane, del testo, ecc.), monitoraggio del movimento di oggetti e della telecamera, classificazione delle azioni nei video, trasformazione delle immagini, estrazione di modelli 3D, creazione di spazi 3D da immagini provenienti da telecamere stereo, realizzazione di immagini di alta qualità attraverso la fusione di immagini di qualità inferiore, ricerca di oggetti simili a un insieme fornito all'interno di un'immagine, applicazione di metodi di machine learning, posizionamento di marcatori, identificazione di elementi comuni in immagini diverse, rimozione automatica di difetti come l'effetto occhi rossi.
Tra le novità della nuova versione:
- È stata effettuata un'importante ottimizzazione delle prestazioni nella convoluzione del modulo DNN (Deep Neural Network) con l'implementazione di algoritmi di machine learning basati su reti neurali. È stato implementato l'algoritmo di convoluzioni veloci di Vinograd. Sono stati aggiunti nuovi strati ONNX (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 e ReduceMin. È stata aggiunta la compatibilità con il framework OpenVino 2022.1 e il backend CANN.
- Migliorata la qualità di riconoscimento e decodifica dei QR code.
- Aggiunta la compatibilità con i marker visivi ArUco e AprilTag.
- Aggiunto il tracker Nanotrack v2 basato su reti neurali.
- Implementato l'algoritmo di sfocatura Stackblur.
- Aggiunta la compatibilità con FFmpeg 5.x e CUDA 12.0.
- Proposto un nuovo API per la manipolazione di formati immagine multipagina.
- Aggiunta la compatibilità con la libreria libSPNG per il formato PNG.
- In libJPEG-Turbo è stato implementato un accelerazione utilizzando istruzioni SIMD.
- Sulla piattaforma Android è stata implementata la compatibilità con H264/H265.
- Forniti tutti gli API di base per il linguaggio Python.
- Aggiunto un nuovo backend universale per istruzioni vettoriali.
Fonte: opennet.ru
