È stato rilasciato OpenCV 4.7 (Open Source Computer Vision Library), una libreria open source che fornisce strumenti per l'elaborazione e l'analisi del contenuto delle immagini. OpenCV offre oltre 2500 algoritmi, sia classici che che riflettono le ultime conquiste nel campo della visione artificiale e dei sistemi di apprendimento automatico. Il codice della libreria è scritto in C++ e distribuito con 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 fotografie e video (ad esempio, riconoscimento di volti e figure umane, testo, ecc.), tracciamento del movimento di oggetti e telecamere, classificazione delle azioni nei video, trasformazione delle immagini, estrazione di modelli 3D, costruzione di spazi 3D da immagini di telecamere stereo, creazione di immagini di alta qualità tramite fusione di immagini di qualità inferiore, ricerca di oggetti in un'immagine simili a un insieme di elementi fornito, applicazione di metodi di apprendimento automatico, posizionamento di marcatori, rilevamento di elementi comuni su diverse immagini, eliminazione automatica di difetti, come l'effetto occhi rossi.
Tra le novità del nuovo rilascio:
- È stata effettuata una significativa ottimizzazione delle prestazioni delle convoluzioni nel modulo DNN (Deep Neural Network), implementando algoritmi di apprendimento automatico basati su reti neurali. È stato realizzato un algoritmo per convoluzioni rapide di Vinograd. Sono stati aggiunti nuovi strati ONNX (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 e ReduceMin. È stato aggiunto il supporto per il framework OpenVino 2022.1 e il backend CANN.
- È stata migliorata la qualità di rilevamento e decodifica dei codici QR.
- È stato aggiunto il supporto per i marker visivi ArUco e AprilTag.
- È stato aggiunto il tracker Nanotrack v2 basato su reti neurali.
- È stato implementato un algoritmo di sfocatura Stackblur.
- È stato aggiunto il supporto per FFmpeg 5.x e CUDA 12.0.
- È stata proposta una nuova API per la manipolazione dei formati immagine multipagina.
- È stato aggiunto il supporto per la libreria libSPNG per il formato PNG.
- Nella libJPEG-Turbo è stata implementata un'accelerazione tramite istruzioni SIMD.
- Per la piattaforma Android è stato implementato il supporto per H264/H265.
- Sono stati forniti tutti i principali API per il linguaggio Python.
- È stato aggiunto un nuovo backend universale per le istruzioni vettoriali.
Fonte: opennet.ru
