ubuntu 卸载opencv OpenCV4.x版本商业应用授权_OpenCV4应用开发：入门、进阶与工程化实践最新章节在线阅读

1.1 简介

推出了一系列图像处理及计算机视觉算法的模块。自.x版本起，其开源许可协议由BSD变更为商业应用授权，开发者得以在商业应用开发中更有效地运用授权的专利算法，有效规避专利争议，进而拓宽了商业应用领域的覆盖面。

1.1.1 历史

自首个版本问世以来，时至今日已跨越二十余载，期间经历了数轮重大版本更新。在这些更新中，诸如版本A、版本B和版本C等，均具有划时代的意义。每一次重大更新都为开发者带来了新颖的功能和令人惊喜的改进，这充分展现了团队积极迎接技术革新的态度，同时确保了开发框架的持续实用性。

起初，该项目一直受到Intel公司的支持，随后则转由开源社区负责维护和提供帮助。其源代码和组件被划分为正规的组件和扩展组件。在正规组件中，早期开发的组件占据了多数，这些组件均实现了较为成熟的算法。而在扩展组件中，新开发的组件占据了较大比例，这些组件普遍稳定性不足，若直接应用于商业项目，可能会带来一定的技术风险，因此，用户最好对组件及其相关算法有较为深入的了解。同时，由于算法专利的限制，有时会出现先前版本中包含的函数在后续版本中被移至扩展模块的现象，尽管这种情况并不频繁，一旦发生，相关信息也会在日志文件中得到相应的记录。

如今，该系统已不再局限于仅支持C/C++接口，而是扩展到了涵盖Java、C++、C#等多种编程语言，并且兼容了Linux、macOS等众多主流操作系统。

1.1.2 的模块与功能

最初收录了超过五百项相关算法，时至今日，这一数字已攀升至两千多项。官方发布的版本中，算法模块在时间的磨砺和项目的验证下，持续得到改进，其稳定性和易用性均达到了极高的水平。依托于底层强劲的加速机制，这些算法的速度和性能已经达到了工业应用的标准。

中的常用模块如图1-1所示。（注意，并不是全部模块。）

图1-1 模块结构

在图1-1中，横向显示的模块主要如下。

最底层是图像和视频的编码与解码技术，而要加载图像和视频文件，则必须借助这两个核心模块。这些模块是在其他开源库的基础上构建而成的，通过这种方式，它们形成了特有的图像数据结构——Mat对象。

2）数据计算模块主要用于一些常见的图像像素处理与操作。

图像处理模块和高阶GUI模块位于数据计算模块之上，它们是最常被使用且至关重要的基础模块。在传统数字图像处理领域，众多常见算法和功能都被整合进了图像处理模块。毫不夸张地讲，一旦熟练掌握了这一模块，便能够轻松完成各种图像处理和预处理工作。而在高阶GUI模块中，常用的主要是各类函数。

图1-1中，所有竖向模块均须依托横向模块。这些竖向模块通常象征着视觉领域的各个细分领域，并且是开发者日常工作中频繁使用的工具。它们涵盖了2D特征提取、对象检测、视频分析以及机器学习等多个模块。

本书将重点阐述这些常用模块的操作技巧，读者一旦掌握了这些模块的操作方法，进一步学习其他模块便会变得更为简便。

此外，图1-1右侧的竖条代表扩展模块，这些模块需在独立编译后才能被应用。通常，扩展模块内包含一些最新的算法实现，然而，这些算法尚未完全成熟，并未经过项目全面的验证。因此，开发者在使用这些扩展模块时，需具备一定的相关知识储备。

1.1.3 里程碑

这是一款全新的里程碑式版本，采用.x的命名格式，其中的x代表具体的小版本号。它是在深度学习与人工智能领域蓬勃发展的背景下推出的，新增了对深度学习推理和加速模块的支持。此外，该版本的易用性、稳定性和可靠性均实现了显著提升。本书将针对.x版本进行相关知识的深入探讨，同时进行代码编写和程序展示，我们之所以选择这一版本，主要是基于以下三个方面的考虑。

与先前的版本相比，差异显著，官方的宣传用语形容为“超越”。

该SDK的版本在界面设计上更具亲和力，操作界面设计得非常直观，使得学习过程变得轻松，即便是对于没有C++编程背景的初学者来说，也能迅速掌握其使用方法。

该系统兼容多种第三方加速库的整合，无论是部署在客户端还是云端，均能有效提升程序执行速度。

1.1.4 发展现状与应用趋势

历经数载的成长，该系统凭借其稳定性、开放性、多语言支持以及免费整合商业产品等特点，吸引了众多开发者和知名商业企业的关注。其应用范围广泛，不仅涵盖了图像处理、机器视觉、工业机器人、智慧农业、无人驾驶等多个领域，而且在这些领域都发挥了重要作用。随着人工智能与视觉技术在未来的需求持续攀升，这款开源且免费的视觉框架展现出显著的竞争优势，注定会成为众多商业企业在产品开发时的首选方案。同时，我们相信，那些精通该开发框架的技术人才也将享受到丰厚的回报。