imported>Faulenzius Seltenda am 13. April 2026 um 08:59 Uhr

2026-04-13T08:59:01Z

Neue Seite

{{Infobox Software
|Name =
|Logo = [[Datei:OpenCV logo black.svg|180px]]
|Screenshot =
|Beschreibung = 
|Maintainer =
|Hersteller = [[Intel]], [[Willow Garage]]
|Erscheinungsjahr = 
|AktuelleVersion = 
|AktuelleVersionFreigabeDatum = 
|AktuelleVorabVersion =
|AktuelleVorabVersionFreigabeDatum =
|Betriebssystem = [[Plattformunabhängigkeit|plattformunabhängig]]
|Programmiersprache = [[C++]]
|Kategorie = [[Programmbibliothek]] für: [[Bildverarbeitung]] [[Maschinelles Sehen|Computer-Vision]] [[Photogrammetrie|Kamerakalibrierung]]
|Lizenz = 
|Deutsch = nein
|Website = [https://opencv.org/ opencv.org]
|Dateien =
}}

'''OpenCV''' (englische Abk. für Open Source Computer Vision Library<ref>{{Internetquelle |url=https://github.com/opencv/opencv |titel=opencv/opencv |hrsg=OpenCV |datum=2023-02-23 |abruf=2023-02-23}}</ref>) ist eine [[Freie Software|freie]] [[Programmbibliothek]] mit [[Algorithmus|Algorithmen]] für die [[Bildverarbeitung]] und [[Computer Vision]]. Sie ist für die Programmiersprachen [[C (Programmiersprache)|C]], [[C++]], [[Python (Programmiersprache)|Python]] und [[Java (Programmiersprache)|Java]] geschrieben und steht als freie Software unter den Bedingungen der [[Apache-Lizenz|Apache 2 License]]. Die Entwicklung der Bibliothek wurde von [[Intel]] initiiert und bis 2013 von der Firma ''Willow Garage'' gepflegt. Nach deren Auflösung wurde sie vom Unternehmen ''Itseez'' fortgeführt, das im Jahr 2016 von Intel übernommen wurde.<ref>{{Internetquelle |url=https://opencv.org/intel-acquires-itseez.html |titel=Intel acquires Itseez - OpenCV library |zugriff=2018-04-27 |sprache=en |archiv-url=https://web.archive.org/web/20190214174741/https://opencv.org/intel-acquires-itseez.html |archiv-datum=2019-02-14 |offline=ja |archiv-bot=2024-04-04 22:21:20 InternetArchiveBot }}</ref>

Im September 2006 wurde die Version 1.0 von OpenCV herausgegeben. Ende September 2009 folgte nach längerer Pause die Version 2.0.0, welche die Bezeichnung „Gold“ trug. Anfang Juni 2015 erschien Version 3.0, die erstmals [[OpenCL]] unterstützte.<ref>[http://developer.amd.com/community/blog/2014/10/15/opencv-3-0-transparent-api-opencl-acceleration/ OpenCV 3.0 – The Transparent API and OpenCL Acceleration], Harris Gasparakis, 15. Oktober 2014</ref>

Die Stärke von OpenCV liegt in ihrer [[Rechenleistung|Geschwindigkeit]] und in der großen Menge der Algorithmen aus neuesten Forschungsergebnissen.

== Anwendungsbereiche ==
Die Bibliothek umfasst unter anderem Algorithmen für [[Gesichtserkennung (Fotografie)|Gesichtserkennung]], 3D-Funktionalität, Haar-[[Klassifikator]]en, verschiedene sehr schnelle [[Bildverarbeitung#Operationen der Bildverarbeitung|Filter]] (z. B. [[Sobel-Operator|Sobel]], [[Canny-Algorithmus|Canny]], [[Gauß-Filter#Bildverarbeitung|Gauß]]) und Funktionen für die [[Photogrammetrie|Kamerakalibrierung]].

OpenCV besteht aus Modulen für verschiedene Anwendungsfelder:
* 2D- und 3D-Merkmale (z. B. [[Interest-Operator]] oder Deskriptoren)
* Eigenbewegungsschätzung, siehe [[Photogrammetrie#Rückwärtsschnitt|Photogrammetrie: Rückwärtsschnitt]]
* [[Gesichtserkennung]] [[Datei:Face detection.jpg|mini|Automatische Gesichtserkennung mit OpenCV]]
* [[Gestenerkennung]]
* [[Mensch-Computer-Interaktion]] (HCI)
* [[Roboter#Autonome mobile Roboter|Mobile Roboter]]
* [[Klassifizierung]] mit Hilfe der [[Viola-Jones-Methode]]
* [[Segmentierung (Bildverarbeitung)|Segmentierung]] und Erkennung
* [[Stereoskopisches Sehen]] (Stereopsis), ergibt Tiefenbilder
* [[Structure from Motion]] (SfM), siehe [[Computer Vision]]
* 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 [[Entscheidungsbaum]]es
* [[EM-Algorithmus]] (Expectation-Maximization)
* [[Nächste-Nachbarn-Klassifikation]]
* [[Bayes-Klassifikator]]
* [[Künstliches neuronales Netz|Künstliche neuronale Netze]], inkl. [[Deep Learning|DNN]]
* [[Random Forest]]
* [[Support Vector Machine]] (SVM)

=== Deep Learning ===
[[Datei:Detected-with-YOLO--Schreibtisch-mit-Objekten.jpg|mini|Automatische Objekterkennung mit OpenCV. Hierzu wurde ein auf dem COCO-Dataset trainiertes YOLOv3 Modell geladen, das 80 verschiedene Objekte identifizieren kann.]]
Das DNN-Modul von OpenCV kann die von gängigen Deep Learning Frameworks vortrainierten Netze einlesen und auf ihnen einen ''Forward Pass'' ausführen. D. h., es werden Werte in der sichtbaren Eingangsschicht (englisch ''input layer'') des künstlichen neuronalen Netzwerks eingelesen und beim Durchlaufen aller Schichten des Netzwerks verarbeitet, bis sie dann an der sichtbaren letzten Schicht (''output layer'') ausgegeben werden.<ref>{{Internetquelle |url=https://github.com/opencv/opencv/wiki/Deep-Learning-in-OpenCV |titel=Deep-Learning-in-OpenCV |werk=GitHub |hrsg=OpenCV |datum=2019-01-17 |zugriff=2019-01-17 |sprache=en}}</ref> [[Objekterkennung]] mit z. B. YOLO wurde auf diese Weise realisiert. Das seit OpenCV 3.1 existierende DNN-Modul wurde mit Release 3.3 in das Haupt-Repository verschoben und ist somit leichter, also ohne Kompilierung des Quellcodes, benutzbar.

Unterstützt werden folgende Bibliotheken:
* [[Caffe]]
* [[TensorFlow]]
* [[PyTorch|Torch]]
* Darknet
* Modelle im [[ONNX]] Format

== Einzelnachweise ==
<references />

== Literatur ==
* {{Literatur
|Autor=Gary Bradski, Adrian Kaehler
|Jahr=2008
|Titel=Learning OpenCV Computer Vision with the OpenCV Library
|Verlag=O’Reilly
|ISBN=978-0-596-51613-0}}

== Weblinks ==
{{commonscat}}
* [https://sourceforge.net/projects/opencvlibrary/ SourceForge-Projektseite]
* [https://github.com/opencv/opencv/wiki OpenCV-WiKi]
* [https://www.nvidia.de/object/nvidia-for-opencv-press-20100923-de.html OpenCV auf GPU (nvidia.de)]

[[Kategorie:Computer Vision]]
[[Kategorie:Freie KI-Software]]

OpenCV - Versionsgeschichte

imported>Faulenzius Seltenda am 13. April 2026 um 08:59 Uhr