OpenCV是一个广泛应用于各种平台的计算机视觉库，包括Android和iOS设备。它提供了C和C++接口，并支持Python和Java等语言。在移动设备上，OpenCV自2010年起支持Android全功能。对于GPU加速，OpenCV使用CUDA实现，允许在低功耗ARM设备上高效运行复杂算法。此外，OpenCV也支持iOS，自2012年开始提供全面支持。
OpenCV 是跨平台的。这个库是用C语言编写的，这使得 OpenCV 几乎可以移植到所有的商业系统，从 PowerPC mac 到机器狗。从 2.0 版开始，OpenCV 就包含了传统的 C 接口和新的 c++ 接口。在大多数情况下，新的 OpenCV 算法是用 c++ 开发的。此外，Python 和 Java 等语言的包装器也被开发出来，以鼓励更广泛的受众采用。OpenCV 可以在桌面( Windows、Linux、 Android、MacOS、FreeBSD、OpenBSD )和移动设备( Android、Maemo、IOS )上运行。
安卓
自 2010 年 OpenCV 被移植到 Android 环境以来，该库在移动应用程序开发方面兼容了全部功能。
ARM
目前，大多数嵌入式设备都使用基于ARM架构的CPU，包括 Cortex-A 和 Cortex-M 系列。深度学习算法通常在基于 x86/x64 架构、具有强大的Nvidia图形处理器的服务器上训练。但是推论研究工作仍需要在低功耗的ARM芯片上进行。
CUDA
2010年， OpenCV 添加了一个提供GPU加速的新模块。GPU 模块是该库功能的一个重要组成部分，并且仍在积极的开发中。它是使用 CUDA 实现的，受益于 CUDA 生态系统，包括像 NPP ( NVIDIA 性能原语)这样的库。通过在 OpenCV 上添加 CUDA 加速，开发者可以在消耗更少能量的同时，在更高分辨率的图像上实时运行更精确和复杂的 OpenCV 算法。
IOS
2012年， OpenCV 开发团队积极为 IOS 添加扩展支持。从版本2.4.2(2012)开始对 IOS 完全支持。
OpenCL
2011年，一个提供 OpenCV 算法的 OpenCL™ 加速的新模块被添加到库中。这使得基于 OpenCV 的代码能够利用异构硬件，特别是利用离散和集成 GPU 的潜力。官方的 OpenCV WinMegaPack 从2.4.6(2013)版本开始包含 OCL 模块。
在2.4分支中，OpenCL 加速版本的函数和类位于单独的 OCL 模块和单独的命名空间中(cv::ocl)，而且往往有不同的名称
(e.g. cv::resize() vs cv::ocl::resize() and cv::CascadeClassifier vs cv::ocl::OclCascadeClassifier)
这就要求在用户应用程序代码中有一个独立的代码分支。从 OpenCV 3.0(2013年的主分支)开始， OpenCL 加速分支透明地添加到原始 API 函数中，并在需要使用的情况下自动引用。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
