Foi lançada a biblioteca gratuita OpenCV 4.7 (Open Source Computer Vision Library), que fornece ferramentas para processamento e análise de conteúdo de imagens. OpenCV fornece mais de 2500 algoritmos, tanto clássicos quanto refletindo os mais recentes avanços em visão computacional e sistemas de aprendizado de máquina. O código da biblioteca é escrito em C++ e distribuído sob a licença BSD. As ligações são preparadas para várias linguagens de programação, incluindo Python, MATLAB e Java.
A biblioteca pode ser usada para reconhecer objetos em fotografias e vídeos (por exemplo, reconhecimento de rostos e figuras de pessoas, texto, etc.), rastrear movimentos de objetos e câmeras, classificar ações em vídeo, converter imagens, extrair modelos 3D, gerar espaço 3D a partir de imagens de câmeras estéreo, criar imagens de alta qualidade combinando imagens de qualidade inferior, buscar objetos na imagem que sejam semelhantes ao conjunto de elementos apresentado, aplicar métodos de aprendizado de máquina, colocar marcadores, identificar elementos comuns em diferentes imagens, eliminando automaticamente defeitos como olhos vermelhos.
Entre as mudanças no novo lançamento:
- Otimização significativa do desempenho de convolução no módulo DNN (Deep Neural Network) foi realizada com a implementação de algoritmos de aprendizado de máquina baseados em redes neurais. O algoritmo de convolução rápida Winograd foi implementado. Adicionadas novas camadas ONNX (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 e ReduceMin. Adicionado suporte para estrutura OpenVino 2022.1 e backend CANN.
- Melhor qualidade de detecção e decodificação de código QR.
- Adicionado suporte para marcadores visuais ArUco e AprilTag.
- Adicionado rastreador Nanotrack v2 baseado em redes neurais.
- Algoritmo de desfoque Stackblur implementado.
- Adicionado suporte para FFmpeg 5.xe CUDA 12.0.
- Uma nova API foi proposta para manipular formatos de imagens de várias páginas.
- Adicionado suporte para a biblioteca libSPNG para o formato PNG.
- libJPEG-Turbo permite aceleração usando instruções SIMD.
- Para a plataforma Android, foi implementado suporte para H264/H265.
- Todas as APIs básicas do Python são fornecidas.
- Adicionado um novo backend universal para instruções vetoriais.
Fonte: opennet.ru