发表 开放CV 5.0.0 ——一个用于计算机视觉和图像处理的开源库的重要版本发布。该版本发布于 6月6 2026年 并且已经在项目的 GitHub 代码库中标记为当前版本。OpenCV 根据以下许可证分发： Apache的2.0.
此次发布的精髓在于 OpenCV 从“经典计算机视觉库”向更现代化的计算机视觉/人工智能平台转型：该项目清理了旧的 API，重构了神经网络推理模块，扩展了 ONNX 支持，增加了对 VLM/LLM 脚本的支持，并更新了 3D/校准堆栈。开发者将 OpenCV 5.0 描述为一个目前较为稳定的分支，新功能将主要在此分支中添加。
主要变化
新型深度神经网络推理引擎。
DNN 模块现在采用了一种与旧引擎共存的新引擎。它能更好地处理动态张量形状、子图和现代 ONNX 特性。据称覆盖范围更广。 ONNX规范的80%而在 OpenCV 4.x 中，覆盖率不到 23%。
这可能是本次版本更新中最大的变化：OpenCV 正在朝着不仅仅是模型封装器，而是现代神经网络的成熟内置推理引擎的方向发展。加载模型时选择引擎。
cv::dnn::readNet() 及其相关函数新增了 ENGINE_AUTO 参数。默认情况下，OpenCV 会首先尝试使用新引擎，如果失败则回退到经典引擎。此行为也可以通过 OPENCV_FORCE_DNN_ENGINE 环境变量进行配置：使用旧引擎、新引擎、自动模式或 ONNX Runtime。旧项目无需立即完全切换到新引擎，但新模型可以逐步迁移到新引擎。与 ONNX 运行时集成。
现在可以使用启用 ONNX Runtime 的 CMake 参数来构建 OpenCV。OpenCV 使用其自身的 ONNX 解析器来构建 ORT 图，因此不需要完整的 ONNX 软件包。构建时可以使用以下 CMake 参数：-DWITH_ONNXRUNTIME=ON 和 -DDOWNLOAD_ONNXRUNTIME=ON；对于 NVIDIA GPU，可以使用 -DDOWNLOAD_ONNXRUNTIME_GPU=ON。此功能对于需要立即使用 GPU 进行推理的用户非常有用，因为 OpenCV 的新 DNN 引擎目前只能在 CPU 上运行。支持视觉语言模型。
新的深度神经网络引擎包含分词器、注意力层、解码模块、后处理模块和键值缓存，这些都是开箱即用运行 VLM 模型所必需的。该库最初用于图像处理，现在正扩展到同时处理图像和文本的模型领域。新版 DNN 引擎的 GPU 支持尚未就绪。
OpenCV 5.0 中的新引擎目前仅支持 CPU。官方承诺在未来的版本中提供原生 GPU 支持；目前，对于 GPU 用户，建议使用经典引擎或包含 ONNX 运行时和 NVIDIA 执行提供程序的版本。对于服务器或桌面 CUDA 推理，OpenCV 5.0 本身尚不足以取代专用运行时。旧版 Darknet 和 Caffe 解析器已被移除。
由于大多数模型已迁移到 ONNX 格式，开发者已移除 Darknet 和 Caffe 解析器。TFLite 目前仍将保留在经典引擎中，计划稍后迁移到新引擎。OpenCV 正在放弃旧格式，并将 ONNX 作为主要的模型交换格式。对遗留API进行重大清理。
OpenCV 1.x 的 C API 已被移除：诸如 cvCreateMat() 之类的函数以及 CvMat 等旧结构体不再是核心 API 的一部分。OpenVX 支持也已被移除，G-API 模块已移至 opencv_contrib，经典的 ML 模块也已移至此处。这对旧项目来说是一个重大变更，但早就应该进行了：该库正在摆脱数十年积累的技术债务。Features2D 更名为 Features。
该模块已扩展以支持来自神经网络的现代特征向量。SIFT、ORB、FAST、GoodFeaturesToTrack 和 MSER 已保留在主代码库中，而旧版检测器和描述符已移至 opencv_contrib。此外，还新增了 ALIKED、DISK 和 LightGlue 匹配器。OpenCV 显然正在适应现代图像处理流程，在这些流程中，图像特征越来越多地使用神经网络而非传统算法进行提取。Core 中的新数据类型。
新增了 CV_16BF / cv::bfloat、CV_32U、CV_64U、CV_64S 和 CV_Bool 类型。同时，对 N 维数组、一维数组和零维标量的支持也得到了改进。LAPACK 现在始终可用：如果缺少外部库，OpenCV 会构建一个内置的最小子集。这些改进对于深度神经网络 (DNN)、数值算法以及与现代数据格式的兼容性至关重要，因为 bfloat16 和扩展类型在这些格式中越来越常见。图像处理速度已得到提升。
imgproc 中的 WarpAffine、warpPerspective 和 remap 函数已进行重写。据称，性能提升幅度从 10% 到 300% 以上不等，具体取决于平台、图像大小、数据类型和操作标志。
这不仅仅关乎人工智能——此类优化对于经典任务也至关重要：视频流、稳定、投影变换以及推理前的数据准备。改进了文本输出。
旧的文本渲染引擎已被基于 STB 的 TrueType 引擎取代，该引擎内置了 Rubik 可变字体。用户可以嵌入自定义字体，并且增加了对 Unicode 的广泛支持。然而，如果没有 Harfbuzz，阿拉伯语和梵文等复杂文字仍然无法正确显示，并且不支持彩色表情符号。OpenCV 在生成注释、调试图像和可视化方面变得更加便捷，无需外部库。更新了3D和相机校准数据。
calib3d 分为 geometry、calib、stereo 和 ptcloud 四个部分。USAC 已成为鲁棒单应性矩阵、本质矩阵/基础矩阵、PnP 等任务的标准后端。此外，还新增了多相机标定流程，并初步支持网格和点云处理，包括 TSDF、ICP 以及 .ply 和 .obj 文件的导入和导出。这对于机器人、SLAM、AR/VR 和多相机系统而言意义重大，因为长期以来，仅靠 2D 处理已无法满足这些应用的需求。示例和文档已修订。
过时的示例已被移除，剩余的示例也已更新。DNN 示例现在使用共享模型集合，可通过 download_models.py 脚本下载。新增了 VLM 和 LDM 的实验性示例，文档也采用了现代化的主题，新增了快速搜索、浅色/深色模式以及改进的导航。对于如此庞大的库而言，这并非表面功夫：完善的文档和可运行的示例直接影响开发者是否会迁移到 OpenCV 5.x。
最终，OpenCV 5.0 不仅仅是又一个优化版本，而是一次意义重大的升级：它减少了 OpenCV 1.x 时代的遗留代码，更加注重 ONNX、神经网络推理、现代特性、3D 处理和异构加速。然而，由于 C API 的移除以及部分模块被转移到 opencv_contrib，旧项目的过渡可能需要一些调整。
来源： linux.org.ru
