总结：除opencv3不自带sift，fast，surf等算法，需要额外安装。极少数方法与OpenCV2不一样，资料较少以外，OpenCV3还有以下主要优点，建议使用OpenCV3.3.1
C风格的API消失，完全被C++的API替代，代码更加简洁、不易出错。读者如果想借助opencv最新的功能，记得清理代码中的C风格API。
C++API将更加简洁。
所有的算法都将继承自cv::Algorithm接口。
大型的模块将拆分为小模块，模块将在后面继续讲解
opencv3并不自带sift，fast等，需要额外安装。
drawMatches这个函数在OpenCV2.4.12中不存在。3.0以后才提供。所以运行时得到这样的报错。
更多的硬件加速，Neon、OpenCL、CUDA
OpenCV3开始图片、视频编解码从highgui模块分离出来,组成了imgcodecs和videoio
增加Drawing Functions绘画的功能
增加更多功能
opencv_dnn模块已经从贡献库（opencv_contrib）移动到主要的资源库（opencv），并且有了明显的改进：
高级API已经被修改，现在更加方便。
回归测试已经扩大，新增了一些测试。现在有46个。
Torch和TF装载机以及一些处理层已经修复了许多bug。现在我们检查一组网络中OpenCV DNN匹配的结果，还是非常接近原始框架的结果。我们还检查在这些网络的论文中声称的结果是否可以通过OpenCV DNN实现。
性能得到了显着改善。使用AVX，AVX2，SSE和NEON，已经实现了层融合，并对一些性能关键层进行了优化。不再需要外部BLAS（OpenBLAS，MKL，ATLAS）。
新增了C++和Python中的示例。
可选的Halide后端已被添加。当GPU足够快时，它可以加速GPU上的OpenCV DNN。
有关该模块的详细信息，请参阅OpenCV中的深度学习。
从2015.12到2017.2版本升级的IPPICV将核心和imgproc模块的速度提高了〜15％（在相应的性能测试中测量为几何平均值）。
SSE4.2/AVX/AVX2代码的动态调度已经实现。之前，OpenCV必须使用SSE4.x/AVX/AVX2打开才能使用这种优化，并使其与旧硬件不兼容。现在，OpenCV二进制文件会自动适应真实的硬件，如果可用的话可以使用新的指令，同时保持与旧硬件的兼容性。OpenCV中所有现有的AVX/AVX2优化都被重构为使用这种技术。DNN的AVX加速也使用动态调度。
OpenCV现在可以配置和构建为C++11库。传递-DENABLE_CXX11=ON给CMake。在最新的Fedora等一些现代Linux发行版中，它默认是启用的。
添加了C++11用户的新功能：
硬件加速视频编码/使用英特尔的GPU通过英特尔媒体SDK解码支持已实施了Linux操作系统（在后端为形式cv::VideoCapture和cv::VideoWriter）。
支持原始H.264和MPEG1/2视频流的编码和解码，还不支持媒体容器。
在OpenCV 3.0中有新的功能（比如文本检测，KAZE检测器），但是对于大多数开发人员来说，更重要的是关于速度的提升。我建议你使用OpenCV 3.0，而且，这远非冒险。
关键的区别是OpenCV 3.0中可读性好的的API。几乎所有的OpenCV 3.0方法都是OpenCL加速的。所以，所有的方法都可以在GPU上运行，这可能导致性能从10％提高到230％。如果您在OpenCV 2.4。*中需要这种性能，则必须明确调用cv::ocl::*或cv::gpu::*方法。
如果你碰巧是一个Java开发人员，那就更好了。目前在OpenCV 3.0中提供了以前不可用的类/方法的Java包装（请参阅广泛使用的KalmanFilter）
从开发人员的角度来看，内部模块重构的变化很小，因为可以通过更改代码中的OpenCV头来解决这个问题。
下面是来自知乎的回答
知乎回答：
作者：应澜链接：https://www.zhihu.com/question/31660075/answer/52852066
