OpenCV 安装概述

OpenCV 核心团队的软件包

每个版本都会发布使用默认参数和最新编译器构建的适用于 Android、iOS 和 Windows 的包，它们不包含opencv_contrib模块。

• GitHub 版本：Releases · opencv/opencv · GitHub
• SourceForge.net： OpenCV - Browse Files at SourceForge.net

第三方软件包

其他组织和个人维护自己的 OpenCV 二进制发行版。例如：

• 常用 Linux 发行版中的系统软件包 （https://pkgs.org/search/?q=opencv)
• PyPI （Search results · PyPI)
• 康达 （Search :: Anaconda.org)
• 柯南 （GitHub - conan-community/conan-opencv: [DEPRECATED] Conan recipes for OpenCV)
• vcpkg （https://github.com/microsoft/vcpkg/tree/master/ports/opencv)
• NuGet （NuGet Gallery | Packages matching opencv)
• 冲泡 （opencv — Homebrew Formulae)
• Maven （Maven Central Repository Search)

从源代码构建

现有的二进制包可能不适用于您的用例，那么您必须自己构建 OpenCV 的自定义版本。本部分简要概述了构建过程，请查看特定平台的教程以获取实际的构建说明。

OpenCV 使用 CMake 构建管理系统进行配置和构建，因此本节主要介绍使用 CMake 构建软件的一般过程。

步骤 0：先决条件

安装 C++ 编译器和生成工具。在 *NIX 平台上，它通常是 GCC/G++ 或 Clang 编译器和 Make 或 Ninja 构建工具。在 Windows 上，它可以是 Visual Studio IDE 或 MinGW-w64 编译器。Android NDK 中提供了适用于 Android 的原生工具链。XCode IDE 用于为 OSX 和 iOS 平台构建软件。

从官方网站或其他来源安装 CMake。

获取其他第三方依赖项：具有额外功能（如解码视频或显示 GUI 元素）的库;提供所选算法优化实现的库;用于文档生成和其他附加功能的工具。查看 OpenCV 配置选项参考，了解可用选项和相应的依赖项。

第 1 步：获取软件源

典型的软件项目由一个或多个代码存储库组成。OpenCV 有两个包含代码的存储库：opencv - 具有稳定且积极支持的算法的主存储库，以及包含实验性和非自由（专利）算法的 opencv_contrib;以及一个包含测试数据的存储库：opencv_extra。

您可以以存档的形式下载存储库的快照，也可以使用完整历史记录克隆存储库。

要下载快照存档：

• 转到 Releases · opencv/opencv · GitHub 并从任何版本下载“源代码”存档。
• （可选）转到 Releases · opencv/opencv_contrib · GitHub 并下载与 opencv 相同的版本的“源代码”存档
• （可选）转到 Releases · opencv/opencv_extra · GitHub 并下载与 opencv 相同版本的“源代码”存档
• 将所有存档解压缩到某个位置

要克隆存储库，请在控制台中运行以下命令（必须安装 git）：

git clone https://github.com/opencv/opencv

git -C opencv 签出<some-tag>

# 可选

git clone https://github.com/opencv/opencv_contrib

git -C opencv_contrib checkout <same-tag-as-opencv>

# 可选

git clone https://github.com/opencv/opencv_extra

git -C opencv_extra checkout <same-tag-as-opencv>

注意

如果要使用多个存储库构建软件，请确保所有组件彼此兼容。对于 OpenCV，这意味着 opencv 和 opencv_contrib 存储库必须在同一标记下签出，或者所有快照存档都从同一版本下载。

在选择要下载的版本时，请考虑您的目标平台和开发工具版本，最新版本的 OpenCV 可能会在非常旧的编译器中出现构建问题，反之亦然。我们建议使用最新版本和新的操作系统/编译器组合。

第 2 步：配置

在此步骤中，CMake 将验证所有必要的工具和依赖项是否可用且与库兼容，并将为所选生成系统生成中间文件。它可以是 Makefile、IDE 项目和解决方案等。通常，此步骤在新创建的构建目录中执行：

cmake -G<generator> <configuration-options> <source-directory>

注意

cmake-gui应用程序允许使用图形用户界面查看和修改可用选项。有关详细信息，请参阅 Resources。

第 3 步：构建

在构建过程中，源文件被编译为目标文件，这些文件链接在一起或以其他方式组合到库和应用程序中。可以使用通用命令运行此步骤：

cmake --build <build-directory> <build-options>

...或者可以直接调用底层构建系统：

做

（可选）第 3 步：安装

在安装过程中，构建过程中，构建目录中的构建结果和其他文件将被复制到安装位置。默认安装位置在 UNIX 和 Windows 上。可以在配置步骤中通过设置选项更改此位置。若要执行安装，请运行以下命令：/usr/localC:/Program FilesCMAKE_INSTALL_PREFIX

cmake --build <build-directory> --target install <other-options>

注意

此步骤是可选的，OpenCV 可以直接从构建目录使用。

如果安装根目录是受保护的系统目录，则必须使用超级用户或管理员权限（例如 ）。sudo cmake ...

（可选）第 4 步：构建插件

通过将部分代码提取到动态加载的插件中，可以解耦一些 OpenCV 依赖项并使其成为可选的。它有助于生成自适应二进制发行版，这些发行版可以在依赖性较低的系统上运行，并且只需安装缺少的库即可扩展功能。目前，模块 core、videoio 和 highgui 的一些依赖项都支持这种机制。在某些情况下，可以通过设置诸如 或 之类的选项来与 OpenCV 一起构建插件，可以在 OpenCV 配置选项参考中找到与此场景相关的更多选项。在其他情况下，插件应该在它们自己的构建过程中单独构建，本节描述了这种独立的构建过程。VIDEOIO_PLUGIN_LISTHIGHGUI_PLUGIN_LIST

注意

建议使用与 OpenCV 构建兼容的编译器、配置和构建选项，否则生成的库可能会拒绝加载或导致其他运行时问题。请注意，由于 OpenCV 和相应的第三方库之间存在额外的障碍，当动态加载后端时，某些功能可能会受到限制或工作速度变慢。

构建过程类似于主 OpenCV 构建，但您必须使用位于相应子目录中的特殊 CMake 项目，这些文件夹还可以包含引用脚本和 Docker 镜像。为插件使用名称前缀非常重要，以便加载器能够找到它们。每个受支持的前缀只能用于加载一个库，但是可以为单个前缀探测多个候选库。例如，您可以拥有 libopencv_videoio_ffmpeg_3.so 和 libopencv_videoio_ffmpeg_4.so 插件，第一个可以成功加载的插件将占用内部插槽并停止探测过程。下表列出了可能的前缀和项目位置：opencv_<module>_<backend>

模块	后端	位置
核心	parallel_tbb、parallel_onetbb parallel_openmp	opencv/模块/核心/杂项/插件
高桂	GTK、GTK2、GTK3	opencv/modules/highgui/misc/插件
视频IO	ffmpeg、gstreamer、intel_mfx、msmf	opencv/模块/videoio/misc

例：

# TBB 检测的设置环境，例如：

# 导出 TBB_DIR=<dir-with-tbb-cmake-config>

cmake -G<generator> \

-DOPENCV_PLUGIN_NAME=opencv_core_tbb_<后缀> \

-DOPENCV_PLUGIN_DESTINATION=<目标文件夹> \

-DCMAKE_BUILD_TYPE=<配置> \

<opencv>/modules/core/misc/plugins/parallel_tbb

cmake --构建。--config <配置>

注意

在 Windows 上，插件必须与现有的 OpenCV 版本链接。将 environment 或 CMake 变量设置为包含 OpenCVConfig.cmake 文件的目录，它可以是 OpenCV 构建目录或您执行安装的位置中的某个路径。

   在线教程

• 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
• 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
• EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
• 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
• 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
• 机器学习 – 有指导和无指导情况下的基本机器学习算法
• 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
• 斯坦福统计学习

有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​

人工智能书籍

• OpenCV（中文版）.(布拉德斯基等)
• OpenCV+3计算机视觉++Python语言实现+第二版
• OpenCV3编程入门 毛星云编著
• 数字图像处理_第三版
• 人工智能:一种现代的方法
• 深度学习面试宝典
• 深度学习之PyTorch物体检测实战
• 吴恩达DeepLearning.ai中文版笔记
• 计算机视觉中的多视图几何
• PyTorch-官方推荐教程-英文版
• 《神经网络与深度学习》(邱锡鹏-20191121)
• …
  

第一阶段：零基础入门（3-6个月）

新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。

第二阶段：基础进阶（3-6个月）

熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。

第三阶段：工作应用

这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。

 有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​