Linux16.04配置OpenCV3.2

OpenCV-- 一个完全开源的图像处理库，通常用于图像处理，包涵了“模糊" “特征提取” “边缘检测” "目标跟踪"等多个CV领域的基础问题。它是基于C++语言来实现的，具有C++、C、Python和Java的接口，并且支持Windows, Linux, Mac, OS, iOS和Android。即具有很好的平台兼容性。OpenCV专为计算效率而设计，并强调实时应用。 以优化的C / C ++编写，该库可以利用多核处理。 通过启用OpenCL，可以对底层硬件进行加速。

使用OpenCV的用户已经超过4.7万人，下载量超过1400万。 用途从互动艺术，到矿山检查，网上缝合地图或通过先进的机器人。

配置OpenCV的目的？

1. 你的C++代码里面需要进行一定的图像或者视频操作；
2. 别人的代码里面调用到了OpenCV内部的一些函数。你需要运行别人的代码，来观察最后的结果；
3. 你的"数据挖掘" “机器学习” "深度学习"等应用中需要调用Opencv中的函数，来加速你的开发进程；
   总之，如果你本人的研究领域是CV领域，那么你可能就需要使用到OpenCV。

下面开始我们的配置过程吧。
1.首先，你需要去OpenCV的官网中下载最新版本的OpenCV安装包。下载链接
2.你需要将下载到的压缩包解压到特定的文件夹下面。
tar -zxvf xxx.tar

3. 接下来，你需要安装一些依赖包，这是个漫长的过程，需要你耐心的去等待。
1) sudo apt-get install libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libtbb-dev libqt4-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip
2) sudo apt-get install build-essential cmake git
3) sudo apt-get install ffmpeg libopencv-dev libgtk-3-dev python-numpy python3-numpy libdc1394-22 libdc1394-22-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libv4l-dev libtbb-dev qtbase5-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils unzip

这个过程很麻烦，可能与你的网速息息相关，因此建议你选择一个高速的网络。在这里给大家介绍一个Linux中的小技巧。即选择一个高速的安装源。具体的方法如下所示：
方案一：
1）在Linux的界面下点击左下角的“system setting"，如下图所示。

2）选择“Software&Update”，如下图所示：

3）选择“DownLoad from”,如下图所示：

4）点击最下方的“others”；
5）在“china”中选择“mirrors.tuna.tsinghua.edu.cn”；
6）点击右下方的“Choose Server”；
7）输入你的密钥；
8）选择“close”
9）选择“Reload”
到此就结束了，最后一步可能会花费一定的时间，希望你能耐心等待。我们选择的源是“清华的”，经过测试验证在国内这个源比较快，你可以可以尝试使用其他的下载源，方法如上所述。

方案二：
你可以将所有的依赖项添加到一个.sh文件中，只需要执行一个shell文件就可以安装所有的安装包，这也是一个不错的选择。

4. cd xxx/opencv    #切换到Opencv下（路径就是你解压的路径,去官网下载最新版的opencv并进行解压）
注：你可以使用 whereis opencv来查找你的opencv路径，默认路径为/usr/local中。

5. mkdir build  #新建一个build文件夹，编译的工程都在这个文件夹里
6. cd build/    
7. cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_QT=ON -D INSTALL_C_EXAMPLES=ON -D
INSTALL_PYTHON_EXAMPLES=ON -D WITH_OPENGL=ON ..
# 利用cmake来编译整个工程，这一步在编译源码中经常会看到。
注：
1）CMAKE_INSTALL_PREFIX用来指定安装的位置。INSTALL_C_EXAMPLES用来安装官方的opencv(C样例)。INSTALL_PYTHON_EXAMPLES安装python样例。这些样例可以用于后面的测试。
2）这个阶段需要花费一定的时间。
3）如果cmake成功，会出现下面的输出结果。
-- Generating done
-- Build files have been written to: /home/ise/software/opencv-3.2.0/build

8. sudo make -j8   # make编译
注：
1）其中-j表示本机的内核数，可以加快执行，如果你CPU是四核的，你需要使用 -j4
2）这个过程会花费相当长的一段时间，你需要耐心的等待，建议你去干别的事情，因为它需要花费半小时左右。
9. sudo make install             # make安装
10. sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'   # 进行一些配置
11. sudo ldconfig                # 使配置生效
12. sudo gedit /etc/bash.bashrc  
13. 在文件的末尾添加PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH  
14. sudo source /etc/bash.bashrc  # 使配置生效

15. 重启系统后cd到build文件夹下
16. sudo apt-get install checkinstall    # 安装checkinstall工具，用来管理安装的文件，便于卸载
17. sudo checkinstall   # 执行checkinstall
18. 按照提示就行操作即可。

注：
1）使用checkinstall的目的是为了更好的管理我安装的opencv，因为opencv的安装很麻烦，卸载更麻烦，其安装的时候修改了一大堆的文件，当我想使用别的版本的opencv时，将当前版本的opencv卸载就是一件头疼的事情，因此需要使用checkinstall来管理我的安装。
执行了checkinstall后，会在build文件下生成一个以backup开头的.tgz的备份文件和一个以build开头的.deb安装文件，当你想卸载当前的opencv时，直接执行dpkg -r build即可。
2）这几步可以不执行，它只是为了更好的管理opencv，方便卸载。

19. 验证opencv是否正确安装，这一步非常关键，有很多人会直接忽视掉这个过程，直接跑别人的代码，代码一直报错，却找不到问题，最后发现是自己的opencv没有配置好，这就有些尴尬啦。
方案一：测试自己写的一个小案例 -- 利用opencv来读取lena图片
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;

int main()
{
	Mat srcImage = imread("lena.jpg");
	imshow("srcIMage",srcImage);

	waitKey(0);

	return 0;
}

1）执行g++ `pkg-config opencv --cflags` opencv.cpp  -o opencv `pkg-config opencv --libs`   
2）./opencv  # 运行结果

注：你需要保证lena.jpg位于当前目录下。
输出的结果如下所示：

方案二：测试opencv自带的样例
1）cd ~/opencv/samples/c    # 切换到opencv的样例文件夹
2）chmod +x build_all.sh    # 改变文件的权限
3）./build_all.sh           # 编译所有的示例代码
4）运行人脸检测代码
./facedetect --cascade="/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml" --scale=1.5 lena.jpg
结果如下所示：

./facedetect --cascade="/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml" --nested-cascade="/usr/local/share/OpenCV/haarcascades/haarcascade_eye.xml" --scale=1.5 lena.jpg
运行结果如下所示：

~/opencv-2.4.9/build/bin/cpp-example-grabcut ~/opencv-2.4.9/samples/cpp/lena.jpg
运行结果如下所示：

注：
1）这里面有很多有趣的样例，你可以进行测试。它们可能需要配置一些参数，你可以查看“readme.txt”文件来了解详情。
2）lena.jpg原始图像如下所示：

3）建议你安装最新版本的opencv库，因为新版本会改进一些Bug的同时增加一些新的函数和功能。由于opencv的版本更新速率很快，这个博客很快就是过时，但是不同版本的安装流程基本相同，你仍然可以使用这个教程进行安装。
4）在编译cmake和make的过程中，可能会出现一些错误，如果你解决了相关问题，希望你能够共享，我将加入这个博客中。
5）如果您对本博客有任何问题，可以给我留言，我会在第一时间进行恢复大家，一起学习，一起进步。
6）由于个人能力有限，难免会有一些问题，还望大家多多包涵。
7）本博客是我自己的原创，如果想要转载，需要与我取得联系，我会尽快回复大家。
邮箱：1575262785@qq.com
8） 如果您对AI、自动驾驶、AR、ChatGPT等技术感兴趣，欢迎关注我的微信公众号“AI产品汇”，有问题可以在公众号中私聊我！