OpenCV 5.0.0

Publicerad OpenCV 5.0.0 — en stor utgivning av det öppna biblioteket för datorseende och bildbehandling. Utgivningen ägde rum 6 juni 2026 och har redan uppmärksammats som aktuell i projektets repository på GitHub. OpenCV distribueras under licensen Apache-2.0.

Huvudsyftet med utgivningen är att övergå från "den klassiska biblioteket för datorseende" till en mer modern plattform för CV/AI-uppgifter: projektet har rensat bort det gamla API:et, omarbetat modulen för neuronnätinference, utökat stödet för ONNX, lagt till förberedelser för VLM/LLM-scenarier och uppdaterat 3D/kalibreringsstacken. Utvecklarna beskriver OpenCV 5.0 som en gren som nu också anses vara stabil, och den nya funktionaliteten kommer huvudsakligen att hamna där.

Viktiga ändringar

• En ny DNN-inferensmotor.
  I dnn-modulen finns en ny motor som samexisterar med den gamla. Den fungerar bättre med dynamiska tensorformer, delgrafer och moderna ONNX-funktioner. Täckningen av mer än 80% av ONNX-specifikationen, medan OpenCV 4.x täckte mindre än 23%.
  Detta är förmodligen den största förändringen i utgåvan: OpenCV försöker bli mer än bara en bindning kring modeller, utan en fullfjädrad inbyggd inferensmotor för moderna neuronnät.

• Val av motor vid modellinläsning.
  I cv::dnn::readNet() och relaterade funktioner har en parameter ENGINE_AUTO lagts till. Som standard försöker OpenCV först med den nya motorn, och vid misslyckande faller tillbaka på den klassiska. Beteendet kan också anges via miljövariabeln OPENCV_FORCE_DNN_ENGINE: använd den gamla motorn, den nya, automatisk läge eller ONNX Runtime. Gamla projekt behöver inte omedelbart helt övergå till den nya motorn, men nya modeller kan gradvis översättas till den.

• Integration med ONNX Runtime.
  OpenCV kan nu byggas med en kopplad ONNX Runtime. I detta fall använder OpenCV sin egen ONNX-parser för att bygga ORT-grafen, så det kräver inte det fullständiga ONNX-paketet. Byggparametrar CMake -DWITH_ONNXRUNTIME=ON och -DDOWNLOAD_ONNXRUNTIME=ON är tillgängliga; för NVIDIA GPU — -DDOWNLOAD_ONNXRUNTIME_GPU=ON. Funktionen kommer att vara användbar för dem som behöver GPU-inferens redan nu, eftersom den nya DNN-motorn i OpenCV för närvarande endast fungerar på CPU.

• Stöd för vision-language-modeller.
  Den nya DNN-motorn inkluderar tokeniserare, uppmärksamhetsskikt, avkodningsblock, efterbehandling och KV-cache som behövs för att köra VLM-modeller "out-of-the-box". Biblioteket har historiskt varit kopplat till bildbehandling och går nu in i området för modeller som arbetar med både bild och text.

• GPU-stödet för den nya DNN-motorn är ännu inte klart.
  Den nya motorn i OpenCV 5.0 fungerar endast på CPU. Native GPU-stöd lovas att läggas till i kommande versioner; tills vidare rekommenderas den klassiska motorn eller en byggnad med ONNX Runtime och NVIDIA-exekveringsleverantörer för GPU. OpenCV 5.0 ersätter fortfarande inte specialiserade runtime-miljöer för server- eller desktop CUDA-inferens.

• Gamla parserare för Darknet och Caffe har tagits bort.
  Utvecklarna har tagit bort parserarna för Darknet och Caffe, eftersom de flesta modeller redan har översatts till ONNX. TFLite finns fortfarande tillgängligt genom den klassiska motorn, medan övergången till den nya motorn är planerad till senare. OpenCV överger gamla format och fokuserar på ONNX som den primära utbytesformatet för modeller.

• Stor rensning av föråldrat API.
  C API för OpenCV 1.x har tagits bort: funktioner som cvCreateMat() och gamla strukturer som CvMat ingår inte längre i det grundläggande API:et. Stödet för OpenVX har också tagits bort, och G-API-modulen har flyttats till opencv_contrib, där även den klassiska ML-modulen har skickats. Detta är en brytande förändring för gamla projekt, men det har länge varit på sin plats: biblioteket frigör sig från den tekniska skulden som har byggts upp under årtionden.

• Features2D har döpts om till Features.
  Modulen har utvidgats för moderna funktioner från neurala nätverk. I det grundläggande arkivet har SIFT, ORB, FAST, GoodFeaturesToTrack och MSER lämnats kvar, medan föråldrade detektorer och descriptorer har flyttats till opencv_contrib. ALIKED, DISK och matcharen LightGlue har lagts till. OpenCV anpassar sig tydligt till moderna pipeliner, där bildfunktioner allt oftare utvinns av neurala nätverk snarare än klassiska algoritmer.

• Nya datatyper i Core.
  CV_16BF / cv::bfloat, CV_32U, CV_64U, CV_64S och CV_Bool har lagts till. Stödet för N-dimensionella matriser, 1D-matriser och 0D-skalärer har också förbättrats. LAPACK är nu alltid tillgängligt: om den externa biblioteket inte finns samlar OpenCV ihop en inbyggd minimal delmängd. Ändringarna är viktiga för DNN, numeriska algoritmer och kompatibilitet med moderna dataformat där bfloat16 och utökade typer blir allt vanligare.

• Bildbehandlingen har snabbandats.
  I imgproc har warpAffine, warpPerspective och remap omarbetats. Prestandaförbättringar anges att ligga mellan 10% och mer än 300% beroende på plattform, bildstorlek, datatyp och operationsflaggor.
  Det handlar inte längre om AI-modulen — sådana optimeringar är direkt viktiga för klassiska uppgifter: videoströmmar, stabilisering, projektionsomvandlingar och databehandling innan inferens.

• Textutmatningen har förbättrats.
  Den gamla textrenderingsmekanismen har ersatts med en STB-baserad TrueType-motor med en inbyggd variabel typsnitt, Rubik. Det går att koppla in egna typsnitt, och det finns ett brett stöd för Unicode. Dock visas komplexa skriftsystem som arabiska och devanagari för närvarande inkorrekt utan Harfbuzz, och färgglada emoji stöds inte. OpenCV blir mer bekvämt för att generera anteckningar, felsökningsbilder och visualiseringar utan externa bibliotek.

• 3D och kalibrering av kameror har uppdaterats.
  calib3d har delats upp i geometry, calib, stereo och ptcloud. USAC har blivit standardbackend för robust uppskattning av homografi, essential/fundamental matrix, PnP och andra uppgifter. En pipeline för flera kamerakalibreringar har lagts till, med initialt stöd för bearbetning av nät och punktmoln, inklusive TSDF, ICP, import och export av .ply och .obj. Detta är ett viktigt steg för robotteknik, SLAM, AR/VR och flerkamerasystem där enbart 2D-behandling länge har varit otillräcklig.

• Exempel och dokumentation har omarbetats.
  Föråldrade exempel har tagits bort, de som är kvar har uppdaterats. För DNN-exempel används en gemensam samling modeller som kan laddas ner med skriptet download_models.py. Experimentella exempel för VLM och LDM har lagts till, och dokumentationen har fått ett modernt tema, snabb sökning, ljus/mörkt läge och förbättrad navigering. För ett så stort bibliotek är detta inte en kosmetisk förändring: ordentlig dokumentation och fungerande exempel påverkar direkt om utvecklare kan gå över till OpenCV 5.x.

Resultatet är att OpenCV 5.0 inte bara är ännu en release med optimeringar, utan en betydande uppdatering av allt: mindre arv från eran OpenCV 1.x och mer fokus på ONNX, neuronnätinferens, moderna funktioner, 3D-bearbetning och heterogen acceleration. Övergången för gamla projekt kan dock kräva ändringar på grund av borttagning av C API och flytt av delar av moduler till opencv_contrib.

Källa: linux.org.ru