Opencv2标志着opencv革命性的改变，Opencv2带来了全新的C++接口，将Opencv的能力无限放大。在2.0时代，opencv增加了新的平台支持，包括iOS和Android，通过CUDA和openGL实现了GPU加速，为Python和Java用户提供了接口。
Opencv 3改变了项目架构的方式，3.0版本不会像2.0版本一样激进的尝试，只会有足够稳定的改进。项目架构的改变是Opencv 3最为重大的革新之处。2.0版本是各个模块都是以整体的形式构建然后组合在一起的。然而，随着功能的增加，opencv主体集成了各种各样的功能模块，变得越来越臃肿。而3.0版本就是为了给日益发福的opencv减肥，因为Opencv3决定向其他大项目一样，抛弃整体架构，使用内核+插件的架构形式。
在GitHub中，除了存放着正式版本的opencv的主仓库和新增加的”opencv_extra”仓库以外，opencv3中还添加了一个名为”opencv_contrib”的全新仓库，该仓库包括很多让人兴奋的功能：脸部识别，文本探测，文本识别，新的边缘检测器，充满艺术感的图像修复，深度地图处理，新的光流和追踪算法等。
opencv_contrib仓库是大多数实验性代码放置的地方，一些API可能会有改变，这些额外模块可以在CMake中用OPENCV_EXTRA_MODULES_PATH=/modules传递给CMake文件。
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。
参考https://www.cnblogs.com/shine-lee/p/9884551.html
Original: https://blog.csdn.net/weixin_46195203/article/details/116990969
Author: Wildcraner
Title: OpenCV各版本差异
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/702863/
转载文章受原作者版权保护。转载请注明原作者出处！