opencv安装从零开始：为什么、在哪里、多少、如何、怎么全部搞定

对于任何希望涉足计算机视觉、图像处理或人工智能领域的人来说，OpenCV（Open Source Computer Vision Library）都是一个不可或缺的工具。它提供了数千种优化的算法，涵盖了从基本的图像操作到高级的机器学习任务。

什么是OpenCV？为什么我们需要安装它？

OpenCV是一个开源的计算机视觉和机器学习软件库。它最初由英特尔开发，旨在提供一个通用的计算机视觉基础设施，加速机器感知应用程序的开发。它拥有C++、Python、Java等接口，并支持Windows、Linux、macOS、Android和iOS等多个平台。

为什么我们需要安装OpenCV？

强大的功能集： OpenCV包含了丰富的计算机视觉算法，例如图像处理（滤波、边缘检测、色彩空间转换）、特征检测与描述、目标检测（如人脸识别、物体识别）、视频分析（光流、背景去除、目标跟踪）、3D重建以及机器学习（分类、聚类、深度学习模块）。
性能优化： 许多核心功能都经过了高度优化，利用了多核处理和GPU加速（如CUDA），以确保在实际应用中的高效运行。
广泛的应用： 从安全监控、医疗影像分析、自动驾驶、机器人导航到AR/VR、人机交互，OpenCV的应用无处不在。
社区支持： 作为一个成熟的开源项目，OpenCV拥有庞大的用户和开发者社区，提供了丰富的教程、示例和问题解决方案。

安装OpenCV是开始任何计算机视觉项目的第一步。

在哪里安装OpenCV？有哪些先决条件？

OpenCV可以在多种操作系统和环境中安装。

在哪里安装？

OpenCV可以安装在以下主要环境中：

操作系统： Windows、Linux（如Ubuntu、CentOS、Debian）、macOS。
编程语言环境： 最常见的是Python环境和C++开发环境。
虚拟环境： 对于Python项目，强烈建议在独立的虚拟环境（如venv或conda环境）中安装OpenCV，以避免与系统或其他项目产生依赖冲突。

先决条件：

在开始安装之前，根据你的操作系统和目标用途，可能需要准备以下先决条件：

Python安装： 如果你计划使用Python进行开发，确保已安装Python 3.6或更高版本。推荐使用Python的发行版如Anaconda，它自带了许多科学计算库。
Python包管理器： pip或conda，通常随Python安装。
C++编译器：
- Windows： Visual Studio (推荐安装带有C++桌面开发工作负载的版本)。
- Linux： GNU C++ Compiler (GCC) 和 G++。通常通过sudo apt install build-essential (Ubuntu/Debian) 或 sudo yum install gcc-c++ (CentOS/RHEL) 安装。
- macOS： Xcode Command Line Tools。通过xcode-select --install安装。
CMake： 如果你需要从源代码构建OpenCV（例如为了启用GPU支持或自定义模块），你需要安装CMake。你可以从其官方网站下载或通过包管理器安装。
Git： 如果你需要从GitHub克隆OpenCV的源代码仓库，你需要安装Git。
其他可选依赖（尤其在从源代码构建时）：
- NumPy： Python科学计算的基础库，对于Python版本的OpenCV是必不可少的。
- Matplotlib： Python中用于绘图的库，常用于显示OpenCV处理后的图像。
- CUDA Toolkit： 如果你想利用NVIDIA GPU进行加速，需要安装相应版本的CUDA Toolkit和cuDNN。
- FFmpeg： 用于视频处理，支持各种视频格式的编解码。
- OpenCL： 开放计算语言，用于异构计算平台的并行编程。
- Intel TBB (Threading Building Blocks)： 提供并行算法模板和数据结构，可用于多线程优化。

OpenCV有多少个版本？我应该安装哪个版本？

OpenCV有多个主要版本（如2.x、3.x、4.x），每个版本都会发布一系列小版本更新（如4.5.4）。一般来说，建议安装最新的稳定版本，因为它包含了最新的功能、性能优化和错误修复。

OpenCV的几种主要形式：

opencv-python： 这是标准、官方提供的Python版OpenCV。它包含了OpenCV核心功能，是绝大多数Python用户的首选。
opencv-contrib-python： 这个包包含了额外的（”contrib”）模块。这些模块可能是实验性的、正在开发中的，或者包含一些专利算法（在某些国家/地区可能受限）。例如，许多著名的目标检测算法（如SIFT、SURF等）在OpenCV 3.x及更高版本中被移到了contrib模块。如果你需要这些高级功能，你应该安装这个版本。
opencv-python-headless： 这是一个没有图形用户界面（GUI）组件（如highgui模块）的版本。它特别适用于服务器环境、Docker容器或任何不需要显示图像的场景，可以减少依赖并避免X服务器相关的错误。
OpenCV C++库： 这是OpenCV的原始和最核心的C++版本。如果你正在开发C++应用程序或需要对性能有极致要求，或者需要访问所有底层细节，通常会选择从源代码编译安装。

我应该安装哪个版本？

大多数Python用户：
如果你只是想快速开始Python项目，并且不确定是否需要额外模块，那么pip install opencv-python通常是最佳选择。

如果你确定需要SIFT、SURF、AKAZE等特征检测器或其他高级功能，则安装pip install opencv-contrib-python。
需要最新功能或GPU加速的C++/Python用户：
如果你需要利用NVIDIA GPU（CUDA）加速，或者需要访问OpenCV最新的开发版功能，或者需要为特定的C++项目进行高度定制，那么从源代码编译安装是唯一的途径。
Linux系统级安装：
如果你只是想在Linux系统上快速获得一个可用的OpenCV版本（无论是C++还是Python），通过系统包管理器安装（如sudo apt install libopencv-dev python3-opencv）可能是一个便捷的选择，但它通常提供的是略旧的版本。

建议： 除非你有特殊需求，否则推荐安装最新的稳定版本，并优先考虑通过包管理器（pip/conda）安装预编译的Python版本。

如何安装OpenCV？详细步骤解析

方法一：使用Python包管理器（Pip/Conda）—— 最简单、最推荐的方式

这是在Python环境中安装OpenCV最直接和最流行的方法。强烈建议在一个虚拟环境中执行此操作。

步骤1：创建并激活虚拟环境（可选但强烈推荐）

使用venv（Python内置模块）：

打开终端或命令提示符。
导航到你的项目目录：cd /path/to/your/project
创建虚拟环境：python -m venv my_opencv_env (将my_opencv_env替换为你喜欢的环境名称)
激活虚拟环境：
- Windows： .\my_opencv_env\Scripts\activate
- Linux/macOS： source my_opencv_env/bin/activate

使用conda（如果你安装了Anaconda/Miniconda）：

打开终端或Anaconda Prompt。
创建虚拟环境：conda create -n my_opencv_env python=3.9 (选择你需要的Python版本)
激活虚拟环境：conda activate my_opencv_env

步骤2：安装OpenCV

在激活的虚拟环境中，使用pip进行安装。

安装标准OpenCV Python包：

pip install opencv-python
如果需要额外模块（如SIFT/SURF等）：

pip install opencv-contrib-python

注意： opencv-contrib-python包通常会同时安装标准OpenCV，所以通常不需要同时安装两者。
如果是在无头服务器上，不需要GUI功能：

pip install opencv-python-headless

安装过程可能需要一些时间，取决于你的网络速度和计算机性能。

步骤3：验证安装

在同一个激活的虚拟环境中，打开Python解释器或运行一个Python脚本：

启动Python解释器：python
输入以下代码：

import cv2
print(cv2.__version__)

如果成功打印出OpenCV的版本号（例如4.5.4），则表示安装成功。

方法二：从源代码编译安装（C++/Python）—— 高级且灵活

这种方法适用于需要特定配置（如CUDA支持）、特定版本，或者开发C++应用程序的场景。过程相对复杂。

通用步骤（适用于Linux/macOS，Windows类似但工具不同）

步骤1：安装先决条件

C++编译器： 确保已安装GCC/G++ (Linux/macOS) 或 Visual Studio (Windows)。
CMake： 安装CMake。
Git： 安装Git。
Python（如果需要Python绑定）： 确保Python及其开发头文件已安装。在Linux上，可能需要sudo apt install python3-dev python3-numpy。
可选依赖： 根据你的需求安装，例如CUDA Toolkit和cuDNN (用于GPU加速)、FFmpeg (用于视频编解码)。

步骤2：下载OpenCV源代码

使用Git克隆OpenCV主仓库：

git clone https://github.com/opencv/opencv.git
（可选）如果需要contrib模块，克隆其仓库：

git clone https://github.com/opencv/opencv_contrib.git
进入OpenCV主目录：

cd opencv
（可选）切换到特定版本标签：

git checkout 4.5.4 (替换为你需要的版本)

步骤3：配置构建环境（使用CMake）

在OpenCV主目录内创建一个构建目录并进入：

mkdir build
cd build
运行CMake配置命令。这里需要根据你的需求添加不同的选项（标志）。
一个通用示例（包含Python 3绑定和一些常用选项）：

cmake -D CMAKE_BUILD_TYPE=Release \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D BUILD_PYTHON_SUPPORT=ON \
-D BUILD_opencv_python3=ON \
-D PYTHON3_EXECUTABLE=$(which python3) \
-D PYTHON3_INCLUDE_DIR=$(python3 -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") \
-D PYTHON3_NUMPY_INCLUDE_DIRS=$(python3 -c "import numpy.distutils.misc_util; print(numpy.distutils.misc_util.get_numpy_include())") \
-D INSTALL_PYTHON_EXAMPLES=OFF \
-D INSTALL_C_EXAMPLES=OFF \
-D OPENCV_ENABLE_NONFREE=ON \
-D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \
-D BUILD_EXAMPLES=OFF ..

常用CMake选项解释：
- -D CMAKE_BUILD_TYPE=Release：构建发布版本，优化性能。
- -D CMAKE_INSTALL_PREFIX=/usr/local：指定安装路径（默认为/usr/local，可改为其他目录）。
- -D BUILD_PYTHON_SUPPORT=ON 和 -D BUILD_opencv_python3=ON：启用Python 3绑定。
- -D PYTHON3_EXECUTABLE, PYTHON3_INCLUDE_DIR, PYTHON3_NUMPY_INCLUDE_DIRS：明确指定Python 3解释器和相关路径。如果你在虚拟环境中，这些路径应指向虚拟环境内的Python。
- -D OPENCV_ENABLE_NONFREE=ON：启用非自由（non-free）模块，通常包含SIFT、SURF等专利算法。
- -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules：如果克隆了opencv_contrib仓库，指定其模块路径。
- -D WITH_CUDA=ON -D WITH_CUDNN=ON -D CUDA_GENERATION=Auto：启用CUDA加速（需要安装CUDA Toolkit和cuDNN）。
- -D WITH_FFMPEG=ON：启用FFmpeg支持。
Windows用户提示： 使用Visual Studio生成器，例如：
cmake -G "Visual Studio 16 2019" -A x64 -D CMAKE_BUILD_TYPE=Release ... ..
其中"Visual Studio 16 2019"是你安装的Visual Studio版本，-A x64指定64位平台。

步骤4：编译源代码

在build目录中执行编译命令：
- Linux/macOS：
  
  make -j$(nproc) (使用所有CPU核心进行编译，加快速度)
  
  或者 make -j8 (使用8个核心)
- Windows (使用Visual Studio)：
  打开生成的OpenCV.sln文件，在Visual Studio中选择“Release”配置和“x64”平台，然后右键点击“ALL_BUILD”项目进行“生成”。
  
  或者在命令行使用MSBuild：
  msbuild ALL_BUILD.vcxproj /p:Configuration=Release
编译过程可能需要较长时间，取决于你的配置和硬件性能。

步骤5：安装库文件

编译完成后，在build目录中执行安装命令：
- Linux/macOS：
  
  sudo make install
- Windows (使用Visual Studio)：
  在Visual Studio中右键点击“INSTALL”项目，选择“生成”。
  
  或者在命令行使用MSBuild：
  msbuild INSTALL.vcxproj /p:Configuration=Release
这将把OpenCV的头文件、库文件、Python绑定等复制到CMAKE_INSTALL_PREFIX指定的目录。
更新系统环境变量（Linux/macOS）：
如果CMAKE_INSTALL_PREFIX不是标准的系统路径（如/usr/local），你需要确保系统能找到OpenCV的库文件。编辑~/.bashrc或~/.zshrc文件，添加或修改以下行：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/opencv/install/lib
export PYTHONPATH=$PYTHONPATH:/path/to/opencv/install/lib/python3.x/site-packages (如果安装了Python绑定)
source ~/.bashrc (或.zshrc)

其中/path/to/opencv/install是你的CMAKE_INSTALL_PREFIX路径。
Windows用户：
将OpenCV的bin目录（例如C:\opencv\build\install\x64\vc16\bin）添加到系统的Path环境变量中。

步骤6：验证安装（C++和Python）

Python验证： 同方法一中的验证步骤。在命令行中导入cv2并打印版本号。

C++验证：

编写一个简单的C++程序，例如main.cpp：

#include <opencv2/opencv.hpp>

        #include <iostream>

        

        int main() {

            std::cout << "OpenCV Version: " << CV_VERSION << std::endl;

            cv::Mat img = cv::imread("lena.jpg"); // 尝试加载一张图片

            if (img.empty()) {

                std::cerr << "Could not read the image: lena.jpg" << std::endl;

                return 1;

            }

            cv::imshow("Image", img);

            cv::waitKey(0);

            return 0;

        }

编译并运行：

Linux/macOS：

g++ main.cpp -o main $(pkg-config --cflags --libs opencv4)

（注意：opencv4可能需要根据你系统上的pkg-config配置更改，例如opencv或opencv_core）

./main
Windows： 在Visual Studio中创建一个新的C++项目，配置项目属性，添加OpenCV的包含目录和库目录，并链接所需的.lib文件（例如opencv_world454.lib或多个独立的库文件）。

如果程序成功编译并运行，打印OpenCV版本，并且能够显示图片（如果你提供了lena.jpg），则C++安装也成功。

方法三：使用系统包管理器（仅限Linux）

这是在Linux系统上快速安装OpenCV的便捷方式，但通常版本较旧，且不提供所有自定义选项。

Ubuntu/Debian：

sudo apt update
sudo apt install libopencv-dev python3-opencv

libopencv-dev用于C++开发，python3-opencv用于Python 3。
Fedora/CentOS：

sudo yum install opencv-devel python3-opencv

验证方式同前述Python和C++方法。

OpenCV安装常见问题与疑难解答

在安装OpenCV过程中，可能会遇到一些常见问题。这里列出了一些及解决方案：

1. Python中出现 `ModuleNotFoundError: No module named ‘cv2’`

问题原因：
- OpenCV未正确安装在当前激活的Python环境中。
- 你在系统Python中运行，但OpenCV安装在虚拟环境中。
- 安装过程中出现错误，导致cv2模块缺失。
解决方案：
1. 检查虚拟环境： 确保你已激活安装OpenCV的虚拟环境。如果你使用的是系统Python，请确保没有其他虚拟环境处于激活状态。
2. 重新安装： 尝试在正确的环境中重新运行pip install opencv-python或pip install opencv-contrib-python。
3. 检查安装日志： 仔细查看pip install的输出，看是否有错误消息。

2. C++编译时链接错误（`undefined reference to ‘cv::imread’`等）

问题原因：
- 编译器找不到OpenCV的库文件。
- 链接时未包含所有必需的OpenCV库。
- 库文件路径未正确添加到链接器搜索路径。
解决方案：
1. 检查CMake安装路径： 确保在从源代码编译时，CMAKE_INSTALL_PREFIX是正确的，并且系统能够找到安装的库文件。
2. 更新环境变量： 在Linux/macOS上，确保LD_LIBRARY_PATH（或DYLD_LIBRARY_PATH）包含OpenCV库的路径。在Windows上，确保OpenCV的bin目录在Path环境变量中。
3. 正确链接：
  - Linux/macOS： 使用pkg-config --cflags --libs opencv4确保链接所有必需的库。如果pkg-config找不到，可能需要手动指定库文件和路径。
  - Windows (Visual Studio)： 确保在项目属性中正确设置了“附加包含目录”、“附加库目录”和“附加依赖项”。
4. 库版本匹配： 确保你编译程序时使用的头文件和链接的库文件版本是匹配的。

3. 从源代码构建时CMake配置失败

问题原因：
- 缺少必要的依赖项（如Python头文件、NumPy、CUDA Toolkit等）。
- CMake选项配置错误。
- 路径设置不正确。
解决方案：
1. 仔细阅读错误消息： CMake的错误消息通常会明确指出缺少什么或者哪里出错。
2. 安装所有先决条件： 确保已安装所有需要的编译器、Python开发包、NumPy、CUDA等。
3. 检查CMake选项： 确认所有-D选项的值是否正确，特别是文件路径和布尔值（ON/OFF）。例如，Python路径应指向你计划使用的Python环境。
4. 清除构建目录： 在重新运行CMake之前，删除build目录下的所有内容，然后重新创建。

4. GUI窗口无法显示图像或报错（特别是Linux服务器）

问题原因：
- 在无头（headless）服务器上尝试使用GUI功能。
- 缺少X服务器或相关图形库。
- 安装了opencv-python-headless版本。
解决方案：
1. 避免GUI： 如果在没有显示界面的服务器上运行，请避免使用cv2.imshow()、cv2.waitKey()等功能。考虑将图像保存到文件或传输到本地机器进行显示。
2. 安装GUI依赖： 如果你确实需要在Linux服务器上进行远程GUI显示，你需要设置X服务器转发（如SSH的-X选项），并确保服务器安装了xorg-dev、libgtk2.0-dev或libqt5-dev等图形库，并在CMake配置时启用GUI模块。
3. 检查OpenCV版本： 如果你安装的是opencv-python-headless，则故意不包含GUI功能，需要安装标准opencv-python。

5. `opencv-contrib-python`安装失败或功能缺失

问题原因：
- 网络问题导致下载失败。
- 版本冲突。
- 某些非自由模块可能需要特殊的构建选项。
解决方案：
1. 检查网络： 确保网络连接稳定。
2. 清除缓存并重试： pip cache purge后重新安装。
3. 考虑从源代码构建： 如果通过pip安装的opencv-contrib-python仍然无法满足需求（例如，特定专利算法无法使用），则可能需要从源代码构建，并确保在CMake配置时启用了-D OPENCV_ENABLE_NONFREE=ON。

通过仔细遵循上述安装步骤和故障排除建议，你将能够顺利地在你的开发环境中部署OpenCV，为你的计算机视觉之旅打下坚实的基础。

opencv安装