opencv windows安装下载-跨平台视觉库opencv4下载 v4.5.2 官方最新版-绿色软件之家

opencv是一款开源的跨平台计算机视觉库,这款软件不仅轻量而且速度高效，不仅可以在Windows平台上面运行还可以在Linux、Windows和Mac OS操作系统上实现他的强大功能,它最大的特点是比其它主流视觉函数库来说,优化了c代码的编写提升软件的处理速度,有需要的用户快来下载吧!

opencv介绍

OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了python、Ruby、matlab等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库(Integrated Performance Primitives)得到更快的处理速度。右图为OpenCV与当前其他主流视觉函数库的性能比较。

opencv windows版

更新内容

在2013年最后一天发现OpenCV2.4.8版本推出了，不得不佩服辛勤的开发者们！新版本主要增强了对于并行计算的支持（CUDA），以及对于OpenCL的支持，增加了对于java开发和Android更高版本的支持，修正了一些BUG。小弟不才还在体验研究中，貌似有很多很不错的新功能。

2010年12月06日，OpenCV 2.2.0 正式版发布。

2011年06月25日，OpenCV-2.3.0rc 发布了，新增加了一个stitching拼接模块，Android支持更加方便了，使用Google test框架，其他变化主要是内部性能改进。

2013年07月03日，OpenCV 2.4.6发布。

主要更新是关于手持设备方面的:

首先，OpenCV 2.3的Android build终于变成了官方支持的NDK-Build的方式了。以前的方法相当让人头疼，使用的非Android官方的方法去写JNI接口，tutorial跟着走一遍也不知道所以然。

其次，What’s new里面说道，新的Android支持是NVidia在开发。本来OpenCV就是支持CUDA显卡加速的。

下载安装软件：

下载 Opencv for Windows 最新版本，本文是 Opencv 2.4.8。双击后会出现解压提示，实际上就是“安装”了，路径填写为 D:/Program Files，然后确定。

Note

D:/Program Files 可以为任意自己希望opencv安装的路径，解压完成后，会在你所填目录中新增一个 opencv文件夹，里面就是opencv的所有内容了。例如按照我的路径，解压完成后Opencv就在 D:/Program Files/opencv 里面了。

下载 VS 2013，并安装。（自己找破解吧）

配置环境变量：

在系统变量里面新建变量，名为 OPENCV ，值为自己解压opencv路径下的build路径，如 D:\Program Files\opencv\build。

Tip

这一步是方便以后如果opencv路径改变了，只需要修改此变量就可以了，而不必做大范围修改。

在系统变量里面编辑 Path 变量，在末尾添加 ;%OPENCV%\x86\vc12\bin 。

Note

x86和x64分别表示32bit和64bit的VS工程，根据自己的工程来修改，否则虽编译成功但会运行错误；vc10, vc11, vc12 分别表示VS2010, VS2012, VS2013的visual studio使用的编译器版本，根据自己的VS版本来填写正确的编译器版本号。

VS内配置Opencv

这里用VS属性表的方式将Opencv配进工程，每次只需要添加属性表即可完成配置，比手工界面配置方便很多。

属性管理器 -> 右键 "test"（工程名） -> 添加现有属性表

找到之前新建或者下载的属性表（ D:\Program Files\opencv\opencv248.props ），添加进工程

测试

解决方案资源管理器 -> 源文件（右键）-> 添加 -> 新建项

Visual C++ -> C++文件：输入名称test点添加

版本更新说明

OpenCV 1.x

OpenCV 最初基于C语言开发，API也都是基于C的，面临内存管理、指针等C语言固有的麻烦。

2006年10月1.0发布时，部分使用了C++，同时支持Python，其中已经有了random trees、boosted trees、neural nets等机器学习方法，完善对图形界面的支持。

2008年10月1.1pre1发布，使用 VS2005构建，Python bindings支持Python 2.6，Linux下支持Octave bindings，在这一版本中加入了SURF、RANSAC、Fast approximate nearest neighbor search等，Face Detection (cvHaarDetectObjects)也变得更快。

OpenCV 2.x

当C++流行起来，OpenCV 2.x发布，其尽量使用C++而不是C，但是为了向前兼容，仍保留了对C API的支持。从2010年开始，2.x决定不再频繁支持和更新C API，而是focus在C++ API，C API仅作备份。

2009年9月2.0 beta发布，主要使用CMake构建，加入了很多新特征、描述子等，如FAST、LBP等。

2010年4月2.1版本，加入了Grabcut等，可以使用SSE/SSE2…指令集。

2010年10月2.2版本发布，OpenCV的模块变成了大家熟悉的模样，像opencv_imgproc、opencv_features2d等，同时有了opencv_contrib用于放置尚未成熟的代码，opencv_gpu放置使用CUDA加速的OpenCV函数。

2011年6月起的2.3.x版本、2012年4月起的2.4.x版本，一面增加新方法，一面修复bug，同时加强对GPU、Java for Android、 OpenCL、并行化的支持等等，OpenCV愈加稳定完善，值得注意的是 SIFT和SURF从2.4开始被放到了nonfree 模块（因为专利）。

考虑到过渡，OpenCV 2.4.x仍在维护，不过以后可能仅做bug修复和效率提升，不再增加新功能——鼓励向3.x迁移。

OpenCV 3.x

随着3.x的发布，1.x的C API将被淘汰不再被支持，以后C API可能通过C++源代码自动生成。3.x与2.x不完全兼容，与2.x相比，主要的不同之处在于OpenCV 3.x 的大部分方法都使用了OpenCL加速。

2014年8月3.0 alpha发布，除大部分方法都使用OpenCL加速外，3.x默认包含以及使用IPP，同时，matlab bindings、Face Recognition、SIFT、SURF、 text detector、motion templates & simple flow 等都移到了opencv_contrib下（opencv_contrib不仅存放了尚未稳定的代码，同时也存放了涉及专利保护的技术实现），大量涌现的新方法也包含在其中。

2017年8月3.3版本，2017年12月开始的3.4.x版本，opencv_dnn从opencv_contrib移至opencv，同时OpenCV开始支持C++ 11构建，之后明显感到对神经网络的支持在加强，opencv_dnn被持续改进和扩充。

OpenCV 4.0

2018年10月4.0.0发布，OpenCV开始需要支持C++11的编译器才能编译，同时对几百个基础函数使用 "wide universal intrinsics"重写，这些内联函数可以根据目标平台和编译选项映射为SSE2、 SSE4、 AVX2、NEON 或者 VSX 内联函数，获得性能提升。此外，还加入了QR code的检测和识别，以及Kinect Fusion algorithm，DNN也在持续改善和扩充。