与版本2.4相比，OpenCV 3.0引入了许多新算法和功能。有些模块已被重写，有些已经重组。尽管2.4中的大多数算法仍然存在，但接口可能不同。本节描述了一般性的最显着变化，过渡操作的所有细节和示例都在本文档的下一部分中。

1、贡献存储库

 https://github.com/opencv/opencv_contrib

这是一个适用于所有新算法，实验算法和非免费算法的地方。与主存储库相比，它没有得到支持团队的太多关注，但社区努力使其保持良好状态。（即OpenCV的附加库，人脸识别等一些附加的功能可能需要用到这个库）

要使用contrib存储库构建OpenCV ，请将以下选项添加到cmake命令：

-DOPENCV_EXTRA_MODULES_PATH=<path-to-opencv_contrib>/modules

或者参考我的博客为opencv添加contrib库。

2、头文件布局

　　在2.4中，所有头文件都位于相应的模块子文件夹（opencv2 / <module> / <module> .hpp）中，在3.0中有顶级模块头文件，其中包含大部分模块功能：opencv2 / <module> .hpp和所有 C语言风格的API定义已移至单独的标头（例如opencv2 / core / core_c.h）。

3、算法接口

　　通用算法使用模式已更改：现在必须在包装在智能指针cv :: Ptr中的堆上创建。版本2.4允许直接或通过智能指针进行堆栈和堆分配。

　　已经从cv :: Algorithm类中删除了get和set方法以及CV_INIT_ALGORITHM宏。在3.0中，所有属性都已转换为getProperty / setProperty纯虚拟方法对。因此，它是不是能够创建和使用CV ::算法通过名称实例（使用通用的算法::创建（字符串）方法），应该显式调用相应的函数方法。

4、重写了模块

• ml模块已被重写
• highgui模块已被拆分为：imgcodecs，videoio和highgui本身
• features2d模块已重组（某些功能检测器已移至opencv_contrib / xfeatures2d模块）
• 传统的，非自由的模块已被删除。一些算法已被移动到不同的位置，一些算法已被完全重写或删除
• CUDA API已更新（gpu模块 - >几个cuda模块，命名空间gpu - >命名空间cuda）
• OpenCL API已经改变（ocl模块已被删除，单独的ocl :: implementation - > Transparent API）
• 其他一些方法和类已被重新定位

5、机器学习模块

由于此模块已被重写，因此需要花费一些精力才能使您的软件适应它。所有算法都与其基类StatModel一起位于单独的ml命名空间中。单独的SomeAlgoParams类已被一组相应的getProperty / setProperty方法替换。

下表说明了2.4和3.0机器学习类之间的对应关系。

尽管3.0中重写的ml算法允许您从xml / yml文件加载旧的训练模型，但预测过程中的偏差是可能的。

points_classifier.cpp示例中的以下代码片段说明了模型培训过程中的差异：

using namespace cv;
// ======== version 2.4 ========
Mat trainSamples, trainClasses;
prepare_train_data( trainSamples, trainClasses );
CvBoost  boost;
Mat var_types( 1, trainSamples.cols + 1, CV_8UC1, Scalar(CV_VAR_ORDERED) );
var_types.at<uchar>( trainSamples.cols ) = CV_VAR_CATEGORICAL;
CvBoostParams  params( CvBoost::DISCRETE, // boost_type
                       100, // weak_count
                       0.95, // weight_trim_rate
                       2, // max_depth
                       false, //use_surrogates
                       0 // priors
                     );
boost.train( trainSamples, CV_ROW_SAMPLE, trainClasses, Mat(), Mat(), var_types, Mat(), params );
// ======== version 3.0 ========
Ptr<Boost> boost = Boost::create();
boost->setBoostType(Boost::DISCRETE);
boost->setWeakCount(100);
boost->setWeightTrimRate(0.95);
boost->setMaxDepth(2);
boost->setUseSurrogates(false);
boost->setPriors(Mat());
boost->train(prepare_train_data()); // 'prepare_train_data' returns an instance of ml::TrainData class

6、功能检测

一些算法（FREAK，BRIEF，SIFT，SURF）已移至opencv_contrib存储库，xfeatures2d模块，xfeatures2d命名空间。它们的接口也已更改（从cv::Feature2D基类继承）。

xfeatures2d模块类列表：

• cv :: xfeatures2d :: BriefDescriptorExtractor - 用于计算简要描述符的类（2.4位置：features2d）
• cv :: xfeatures2d :: FREAK - 实现FREAK（快速视网膜关键点）关键点描述符的类（2.4位置：features2d）
• cv :: xfeatures2d :: StarDetector - 该类实现CenSurE检测器（2.4位置：features2d）
• cv :: xfeatures2d :: SIFT - 使用Scale Invariant Feature Transform（SIFT）算法提取关键点和计算描述符的类（2.4位置：nonfree）
• cv :: xfeatures2d :: SURF - 从图像中提取Speeded Up Robust功能的类（2.4位置：nonfree）

需要以下步骤：

1. 将opencv_contrib添加到编译过程
2. 包括opencv2/xfeatures2d.h标题
3. 使用命名空间 xfeatures2d
4. 用或替换operator()呼叫detect，compute或者detectAndCompute如果需要

有些类现在使用通用方法detect，compute或者detectAndCompute由Feature2D基类而不是自定义提供operator()

以下代码片段说明了差异（来自video_homography.cpp示例）：

using namespace cv;
// ====== 2.4 =======
#include "opencv2/features2d/features2d.hpp"
BriefDescriptorExtractor brief(32);
GridAdaptedFeatureDetector detector(new FastFeatureDetector(10, true), DESIRED_FTRS, 4, 4);
// ...
detector.detect(gray, query_kpts); //Find interest points
brief.compute(gray, query_kpts, query_desc); //Compute brief descriptors at each keypoint location
// ====== 3.0 =======
#include "opencv2/features2d.hpp"
#include "opencv2/xfeatures2d.hpp"
using namespace cv::xfeatures2d;
Ptr<BriefDescriptorExtractor> brief = BriefDescriptorExtractor::create(32);
Ptr<FastFeatureDetector> detector = FastFeatureDetector::create(10, true);
// ...
detector->detect(gray, query_kpts); //Find interest points
brief->compute(gray, query_kpts, query_desc); //Compute brief descriptors at each keypoint location

7、OpenCL

所有专门的ocl实现都隐藏在通用C ++算法接口之后。现在可以在运行时动态选择函数执行路径：CPU或OpenCL; 这种机制也称为“透明API”。

新类cv :: UMat旨在以方便的方式隐藏与OpenCL设备的数据交换。

以下示例说明了API修改（来自OpenCV站点）：

• OpenCL感知代码OpenCV-2.x

// initialization
VideoCapture vcap(...);
ocl::OclCascadeClassifier fd("haar_ff.xml");
ocl::oclMat frame, frameGray;
Mat frameCpu;
vector<Rect> faces;
for(;;){
    // processing loop
    vcap >> frameCpu;
    frame = frameCpu;
    ocl::cvtColor(frame, frameGray, BGR2GRAY);
    ocl::equalizeHist(frameGray, frameGray);
    fd.detectMultiScale(frameGray, faces, ...);
    // draw rectangles …
    // show image …
}

• OpenCL感知代码OpenCV-3.x

// initialization
VideoCapture vcap(...);
CascadeClassifier fd("haar_ff.xml");
UMat frame, frameGray; // the only change from plain CPU version
vector<Rect> faces;
for(;;){
    // processing loop
    vcap >> frame;
    cvtColor(frame, frameGray, BGR2GRAY);
    equalizeHist(frameGray, frameGray);
    fd.detectMultiScale(frameGray, faces, ...);
    // draw rectangles …
    // show image …
}

8、cuda

cuda模块已分成几个小块：

• cuda - CUDA加速计算机视觉
• cudaarithm - 矩阵运算
• cudabgsegm - 背景分割
• cudacodec - 视频编码/解码
• cudafeatures2d - 特征检测和描述
• cudafilters - 图像过滤
• cudaimgproc - 图像处理
• cudalegacy - 遗产支持
• cudaoptflow - 光流
• cudastereo - 立体声通信
• cudawarping - 图像变形
• cudev - 设备层

gpu命名空间已被删除，请改用cv :: cuda命名空间。许多类也已重命名，例如：

• gpu::FAST_GPU- > cv :: cuda :: FastFeatureDetector
• gpu::createBoxFilter_GPU- > cv :: cuda :: createBoxFilter

9、文档格式

文档已转换为Doxygen格式。您可以在OpenCV参考文档的教程部分（OpenCV的编写文档）中找到更新的文档编写指南。

10、支持两个版本

在某些情况下，可以支持两种版本的OpenCV。

11、源代码版本检测

要检查应用程序源代码中的库主要版本，应使用以下方法：

#include "opencv2/core/version.hpp"
#if CV_MAJOR_VERSION == 2
// do opencv 2 code
#elif CV_MAJOR_VERSION == 3
// do opencv 3 code
#endif

注意不要使用CV_VERSION_MAJOR，它对2.4和3.x分支有不同的含义！

12、编译系统

通过检查编译系统中的库版本，可以链接不同的模块或启用/禁用应用程序中的某些功能。标准的cmake或pkg-config变量可用于此：

• OpenCV_VERSION 对于cmake，将包含完整版本：例如“2.4.11”或“3.0.0”
• OpenCV_VERSION_MAJOR 对于cmake，将仅包含主要版本号：2或3
• pkg-config文件有标准字段 Version

例：

if(OpenCV_VERSION VERSION_LESS "3.0")
# use 2.4 modules
else()
# use 3.x modules
endif()