千呼万唤始出来，OpenCV 4.0正式发布！
OpenCV 4.0 正式版来啦！虽然官网还没更新，但Github已经放出来了！
重回英特尔的OpenCV终于迎来一次大版本更新，增加了诸多新特性，快来一起看看吧～
因为OpenCV最开始开发时的语言是C，导致许多模块无法利用C++ 11的良好特性，OpenCV 4.0版本的一个重要使命就是去除C语言风格的接口，使其完全支持C++ 11！
1.大量从OpenCV 1.x遗留的C语言风格的API接口被删掉，主要影响的模块是objdetect, photo, video, videoio, imgcodecs, calib3d。
2.在core模块中的持久化（在XML，YAML或JSON中存储和加载结构化数据）已 完全用 C ++ 重新实现，并去除了相应的 C 风格的接口。 目前，base64支持尚未完成（仅支持加载base64编码的XML和YAML，还未支持编码）。 现在，存储在FileNode中的序列的随机访问是O(N)操作; 使用cv :: FileNodeIterator能够更快地进行顺序访问。 速度上，FileStorage的加载比以前的实现少了3-6倍的内存！
3.编译新版OpenCV现在需要支持 C++ 11 的编译器。
DNN（深度神经网络）模块是目前OpenCV更新最重要的模块！
1.增加Mask-RCNN模型支持。
其使用指南：
https://github.com/opencv/opencv/wiki/TensorFlow-Object-Detection-API
Python例子：https://github.com/opencv/opencv/blob/master/samples/dnn/mask_rcnn.py
52CV曾经报道过的例子：
OpenCV4.0 Mask RCNN 实例分割示例 C++/Python实现
2.集成ONNX解析器。 支持多个流行的分类网络。 部分支持YOLO对象检测网络（YOLO的ONNX版本缺少一些提供矩形列表的最终图层）。
3.通过引入Intel DLDT 改进DNN模块速度。
Intel DLDT近期已经开源，详见：
https://software.intel.com/openvino-toolkit
4.API更改：默认情况下，blobFromImage方法不会交换R和B通道，也不会对输入图像进行裁剪。 而且，此API更改也已添加到OpenCV 3.4分支。
5.为不支持OpenCL而支持Vulkan的硬件平台添加了实验性质的Vulkan后端（还在开发中！不建议大家使用——52CV君）。
6.为OpenCV支持的最流行的深度学习网络添加了快捷方式。 可以通过指定模型的别名，跳过预处理参数甚至模型的路径！
比如：
python object_detection.py --model opencv_face_detector.caffemodel --config opencv_face_detector.prototxt --mean 104 177 123 --width 300 --height 300
可以直接被替代为：
python object_detection.py opencv_fd
7.修复了AMD和NVIDIA GPU上的OpenCL加速。 现在，可以为模型启用DNN_TARGET_OPENCL，开启OpenCL支持。 请注意，DNN_TARGET_OPENCL_FP16仅在英特尔GPU上进行测试，因此仍需要额外的flags。（这个善意的提醒也就意味着你最好不要用那两家的显卡玩OpenCV(^ ^)）
G-API为算法的硬件优化加速提供计算图支持！
opencv_gapi是全新添加的模块， 它是非常有效的图像处理引擎。开发者可以在程序中定义多个图像处理步骤组成的图，执行的时候进行优化，使得fast and portable。
非常看好这一模块的应用！
“加速”是OpenCV开发永恒不变的主题！
每次发布这块的说明都差不多，总结起来就是一句话：
我们很努力地给你们在CPU的指令级上进行了加速，只要是支持该指令的CPU尽量让你们用上，而且我们还支持NEON了哦～
objdetect模块新增QR码的检测和解码！
因为这个功能在移动端几乎成为APP的标配了。
参考例子：
https://github.com/opencv/opencv/blob/master/samples/cpp/qrcode.cpp
52CV曾经对检测功能进行了测试：
实现了流行的Kinect Fusion算法！
并针对CPU和GPU（OpenCL）进行了优化，集成到opencv_contrib / rgbd模块中。 为了使实时采集处理更高效，在opencv / videoio模块中更新了Kinect 2支持。 在4.0 beta版本中，iGPU的代码已经加速，在高分辨率的情况下（512x512x512 integration volume），性能提升了3倍。
非常高效且高质量的DIS密集光流算法已经从opencv_contrib转移到opencv/video模块。
示例：
https://github.com/opencv/opencv/blob/master/samples/cpp/dis_opticalflow.cpp
这还是比较赞的，之前OpenCV的光流模块相比学术界的最新成果实在是太弱了。
总结
新版OpenCV更加聚焦图像处理基础功能和深度学习模块！英特尔自家的加速库和G-API是值得表扬的亮点！
下载