OPENCV 1.0 RC1 版本介绍

OpenCV 1.0 RC1 版本发布,新增多个图像处理和机器学习功能,并优化了部分滤波算法。支持 GCC4.x 和 Visual Studio .NET 2005 编译器,提供了对 Win32 和 x64 平台的支持。新增支持 MacOSX 的通用二进制代码。API 方面,对 cvCamShift 等函数进行了调整。

注:下面内容是从发布版本的 changelog 文件中翻译过来的,仅供参考。

======================
OPENCV 1.0 RC1 , 发布时间:2006年8月
======================

>>> 新函数与新特征 <<<

- 支持的新编译器/环境:
* GCC 4.x
* Visual Studio .NET 2005.
注意: a) 工程文件 .vcproj's 以及相应的环境文件均被转换成 VS.NET 2005 的格式,
因此它们不能被 VS.NET 2003 打开。作为工作区,可以将工程文件和工作区转换
为 Visual Studio 6.0,再转换到 VS.NET 2003.
b) 工程可以在 Win32 以及 x64 (a.k.a. EM64T/AMD64) 平台上编译.
c) 默认情况下支持 OpenMP.
* 在 MacOSX 上,通用的 OpenCV 二进制代码可以在缺省情况下编译,因此 PPC 和 INTEL MAC‘S 系统
全部都支持。
* 取消了对 Borland C++ 的支持,但是仍然有一个脚本文件 utils\gen_make.py 可以通过生成文件
makefile.bcc's 来编译 (没有在 RC1 上测试)。
* 新的命令行 makefiles _make\makefile.* 被引入,允许用户在 Win64 (EM64T/AMD64 and Itanium)
平台上编译 OPENCV。具体细节参考文件 INSTALL。

- cxcore:
* 增加了一些新的函数:
cvMixChannels, cvRandShuffle, cvRange, cvCalcPCA, cvProjectPCA, cvBackProjectPCA,
cvNormalize, cvReduce, cvGetNumThreads, cvSetNumThreads, cvGetThreadNum.
See docs/ref/opencvref_cxcore.htm for details.
* 扩展了函数 cvCalcCovarMatrix, cvMulTransposed
* 为库增加宏: 见 cxcore/include/cvver.h
* 为 CvImage 和 CvMatrix 增加 C++ 类:
见 cxcore/include/cxcore.hpp 以及样例 samples/c/image.cpp
* 矩阵的最大通道数增加到 64 个,尽管只有一些特殊函数才处理这样的图像。
- cv:
* 新函数:
cvPyrMeanShiftFiltering, cvWatershed, cvGetAffineTransform.
see docs/ref/opencvref_cv.htm for details.
* 扩展:
cvDistTransform (true distance transform algorithm),
cvThresh (Otsu adaptive algorithm),
cvCanny (using true gradient as an option)
* 所有的滤波函数重新编写过,为线性可分以及不可分滤波增加了新的 C++ 类,并增加了
morphology, laplace, box filer (模糊).
见 cv/include/cv.hpp.

****** API 的变化:
* cvCamShift, cvBoxPoints 以及所有其它与角度有关的函数,现在都用角度而不是弧度返回

- cvaux:
* 增加了新的大型视频监控模块,见
(cvaux/src/vs and cvaux/include/cvvidsurv.h).
该模块完善了智能目标跟踪功能,见 docs/vidsurv 中的描述
- ml (机器学习):
* 这是一个全新的为统计分类、回归以及聚类而写的 C++ 类库. 见 docs/ref/opencvref_ml.htm.
- highgui:
* 所有的视频捕捉的代码在结构上都重新构造并且按模块划分,采用了更好的函数名字(原有的函数
名字通过宏仍然支持)。
* 增加了对 Quicktime (MacOSX) 和 Xine (Linux, (注意查看相关的许可)!)) 的支持.

- 捆绑与界面:
* 现在支持 IPP 5.1.*,而这是一个推荐与OPENCV一起使用的版本。用户可以执行建立单独的
IPP DLL 作为二进制版本的分发。见(interfaces/ipp)
* 大大提高并扩展了与 Python 的绑定
(见 interfaces/swig[/python] 以及 samples/python).

>>> 优化: <<<
- 应用新的 IPP5.1 功能,下列的滤波函数都被大大优化:
cvSobel, cvLaplace, cvErode, cvDilate.
- cvFilter2D 对于大的内核运行得更快 (使用基于 DFT 的算法)
- 一些函数可以使用 OPENMP 做并行处理:
cvHaarDetectObjects, cvCalcOpticalFlowPyrLK, cvDistTransform (the new algorithm only),
因此它们的运行速度在双核CPU上要快 ~50-80% , 当代码用 Intel compiler 或者 MSVC2005
编译时。

ANSYS Workbench 中生成网格时,若卡在 "Generating initial mesh..." 状态,可能是由于模型几何复杂、网格尺寸设置不合理、计算资源不足或软件自身的问题导致。以下是一些可能的解决方法: ### 1. **简化几何模型** - 在划分网格前,确保几何模型已经过清理和简化。去除不必要的小特征(如小孔、倒角等)可以显著减少网格生成的复杂性。 - 使用 ANSYS DesignModeler 或 SpaceClaim 进行几何修复,移除可能导致网格划分失败的小面或边。 ### 2. **调整网格尺寸与控制** - 如果全局网格尺寸设置得太小,会导致网格数量剧增,从而增加计算负担。适当增大全局网格尺寸,再在关键区域使用局部加密功能。 - 对于局部细节区域,可使用 **Sizing** 或 **Refinement** 功能进行局部网格控制,而不是在整个模型中使用统一的细网格 [^2]。 ### 3. **选择合适的网格划分方法** - ANSYS Meshing 提供了多种网格划分方法,如自动网格划分(Automatic)、六面体主导(Hex Dominant)、四面体(Tetrahedrons)等。 - 若模型结构较为规则,建议使用 **Hex Dominant** 方法,它在保证精度的同时能有效减少单元数量。 - 若模型复杂度较高,可优先使用 **Tetrahedron** 方法,其对复杂几何适应性更强。 ### 4. **启用多线程加速** - 在 ANSYS Meshing 的设置中,启用多核行计算选项,以加快网格生成速度。 - 在 **Mesh > Automatic Method > Use Multi Zone** 中启用分区行处理。 ### 5. **检查内存与硬件资源** - 确保系统具备足够的内存(RAM)来处理大规模网格模型。如果内存不足,系统会频繁使用虚拟内存,导致程序响应迟缓。 - 若模型非常大,考虑升级硬件配置或使用更高性能的计算平台。 ### 6. **更新软件版本** - ANSYS 定期发布更新版本,修复已知问题优化网格划分模块。确保使用的是最新版本,有助于避免因软件 Bug 导致的卡顿问题。 ### 7. **切换到其他网格划分工具** - 如果 ANSYS Meshing 模块持续出现问题,可尝试使用 **ANSYS ICEM CFD** 或 **FLUENT MESH** 等模块进行网格划分,它们在某些特定场景下表现更稳定 [^1]。 ### 示例:局部网格控制设置 ```python # 示例为伪代码,仅用于说明局部网格控制逻辑 mesh_control = MeshControl() mesh_control.type = 'Sizing' mesh_control.location = 'Edge' # 或 'Face', 'Body' mesh_control.size = 0.3 # 设置局部网格尺寸 mesh_control.apply_to(model.geometry.edge_by_id(123)) ``` ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值