OpenCV
| OpenCV
| |
|---|---|
| |
| Basisdaten
| |
| Entwickler | Intel, Willow Garage |
| Erscheinungsjahr | Juni 2000 |
| Aktuelle Version | 4.11.0[1] (9. Januar 2025) |
| Betriebssystem | plattformunabhängig |
| Programmiersprache | C, C++ |
| Kategorie | Programmbibliothek für: Bildverarbeitung Computer-Vision Kamerakalibrierung |
| Lizenz | BSD |
| deutschsprachig | nein |
| opencv.org | |
OpenCV ist eine freie Programmbibliothek mit Algorithmen für die Bildverarbeitung und maschinelles Sehen. Sie ist für die Programmiersprachen C, C++, Python und Java geschrieben und steht als freie Software unter den Bedingungen der BSD-Lizenz. Das „CV“ im Namen steht für englisch „Computer Vision“. Die Entwicklung der Bibliothek wurde von Intel initiiert und wurde bis 2013 von Willow Garage gepflegt. Nach deren Auflösung wurde sie von Itseez fortgeführt, welches mittlerweile von Intel übernommen wurde.[2]
Im September 2006 wurde die Version 1.0 herausgegeben. Ende September 2009 folgte nach längerer Pause die Version 2.0.0, welche die Bezeichnung „Gold“ trägt. Anfang Juni 2015 erschien Version 3.0, die erstmals OpenCL unterstützte.[3]
Die Stärke von OpenCV liegt in ihrer Geschwindigkeit und in der großen Menge der Algorithmen aus neuesten Forschungsergebnissen.
Anwendungsbereiche
Die Bibliothek umfasst unter anderem Algorithmen für Gesichtserkennung, 3D-Funktionalität, Haar-Klassifikatoren, verschiedene sehr schnelle Filter (z. B. Sobel, Canny, Gauß) und Funktionen für die Kamerakalibrierung.
OpenCV besteht aus Modulen für verschiedene Anwendungsfelder:
- 2D- und 3D-Merkmale (z. B. Interest-Operator oder Deskriptoren)
- Eigenbewegungsschätzung, siehe Photogrammetrie: Rückwärtsschnitt
- Gesichtserkennung
Automatische Gesichtserkennung mit OpenCV - Gestenerkennung
- Mensch-Computer-Interaktion (HCI)
- mobile Roboter
- Objekterkennung mit Hilfe der Viola-Jones-Methode
- Segmentierung und Erkennung
- Stereoskopisches Sehen (Stereopsis), ergibt Tiefenbilder
- Structure from motion (SfM), siehe Photogrammetrie
- optisches Tracking, Motion Compensation und Optischer Fluss
- Kalman-Filter zum Tracking
Ferner beinhaltet OpenCV eine Bibliothek für Maschinelles Lernen mit folgendem Funktionsumfang:
- Boosting (automatische Klassifizierung)
- Lernen eines Entscheidungsbaumes
- EM-Algorithmus (Expectation-Maximization)
- Nächste-Nachbarn-Klassifikation
- Bayes-Klassifikator
- Künstliche neuronale Netze, inkl. DNN
- Random Forest
- Support Vector Machine (SVM)
Einzelnachweise
- ↑ Release 4.11.0. 9. Januar 2025 (abgerufen am 26. Januar 2025).
- ↑ Intel acquires Itseez - OpenCV library. Abgerufen am 27. April 2018 (englisch).
- ↑ OpenCV 3.0 – The Transparent API and OpenCL™ Acceleration, Harris Gasparakis, 15. Oktober 2014
Literatur
- Gary Bradski, Adrian Kaehler: Learning OpenCV Computer Vision with the OpenCV Library. O'Reilly, 2008, ISBN 978-0-596-51613-0.