C++计算机视觉 OpenCV库编译安装（编译.视觉.安装.计算机.OpenCV...）

wufei123 发布于 2025-09-02 阅读（10）
答案：编译安装OpenCV需先搭建环境，安装C++编译器、CMake及依赖库，Ubuntu下用apt-get安装必要组件；接着配置CMake生成Makefile，指定编译类型和安装路径；然后通过make -j4编译，sudo make install安装；之后配置环境变量，更新ldconfig并添加PKG_CONFIG_PATH和LD_LIBRARY_PATH；最后编写测试程序验证安装。遇到依赖问题时，根据CMake提示安装对应-dev库，必要时清除CMake缓存重配；在Visual Studio中需手动添加头文件、库目录及依赖项，CLion中则在CMakeLists.txt使用find_package(OpenCV REQUIRED)并设置OpenCV_DIR；若运行时找不到DLL，需将OpenCV的bin目录加入系统PATH；启用CUDA支持需安装CUDA Toolkit和cuDNN，在CMake中开启WITH_CUDA并指定路径，注意版本兼容性，编译后调用cv::cuda::getCudaEnabledDeviceCount()验证CUDA是否启用成功。

c++计算机视觉 opencv库编译安装

OpenCV库的编译安装，简单来说，就是把源代码变成你的电脑能直接用的“工具箱”。这个过程可能会遇到一些坑，但只要耐心点，一步一步来，就能搞定。

解决方案

  1. 准备工作：环境搭建

    首先，你需要一个C++编译器，比如GCC或者Visual Studio。如果用Visual Studio，记得安装C++ Desktop Development组件。然后，下载CMake，这是个跨平台的构建工具，能帮你生成编译配置文件。最后，当然是OpenCV的源代码，可以从OpenCV官网或者GitHub下载。

    如果你的系统是Ubuntu，可以用以下命令安装依赖：

    sudo apt-get update
sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install libgphoto2-dev libv4l-dev libtiff5-dev libjasper-dev libpng12-dev

  2. CMake配置：生成Makefile

    解压OpenCV源代码，新建一个

    build
    文件夹，进入这个文件夹，打开命令行或者终端，运行CMake命令。
    cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..

    这里

    -D CMAKE_BUILD_TYPE=Release
    指定编译类型为Release，
    -D CMAKE_INSTALL_PREFIX=/usr/local
    指定安装路径。最后的
    ..
    表示CMakeLists.txt文件在上一级目录。

    如果CMake配置过程中报错，比如找不到某些依赖库，就需要根据错误提示安装相应的库。比如，提示找不到

    libpng
    ，就安装
    libpng-dev
    。

  3. 编译：开始漫长的等待

    CMake配置成功后，就可以开始编译了。在

    build
    文件夹下，运行
    make
    命令。
    make -j4

    -j4
    表示使用4个线程并行编译，可以加快编译速度。这个过程可能会比较长，取决于你的电脑性能。

    编译过程中可能会出现各种错误，比如代码错误、依赖库版本不匹配等等。这时候就需要根据错误信息，修改代码或者重新配置CMake。遇到问题，善用搜索引擎，大部分问题都能找到答案。

  4. 安装：把OpenCV放到指定位置

    编译完成后，运行

    make install
    命令，将OpenCV安装到指定的目录。
    sudo make install

    这个过程会将OpenCV的头文件、库文件等复制到

    /usr/local
    目录下。

  5. 配置环境变量：让系统找到OpenCV

    安装完成后，需要配置环境变量，让系统能够找到OpenCV的头文件和库文件。

    编辑

    /etc/ld.so.conf.d/opencv.conf
    文件，添加
    /usr/local/lib
    。
    sudo nano /etc/ld.so.conf.d/opencv.conf

    然后运行

    sudo ldconfig
    更新动态链接库缓存。

    编辑

    ~/.bashrc
    文件，添加以下内容：
    export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

    然后运行

    source ~/.bashrc
    使环境变量生效。

  6. 验证：写个小程序试试

    写一个简单的OpenCV程序，编译运行，看看是否能够正常工作。

    #include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main() {
    Mat image = imread("test.jpg");
    if (image.empty()) {
        cout << "Could not open or find the image" << endl;
        return -1;
    }
    imshow("Display window", image);
    waitKey(0);
    return 0;
}

    编译命令：

    g++ main.cpp -o main `pkg-config --cflags --libs opencv4`

    如果程序能够正常显示图片，就说明OpenCV安装成功了。

如何解决OpenCV编译过程中常见的依赖问题？

OpenCV编译过程中，依赖问题是常客。最常见的莫过于缺失图像处理相关的库，比如libpng、libjpeg、libtiff等。解决方法也很直接，缺啥补啥。

首先，仔细阅读CMake的输出信息，它会明确指出缺失哪些依赖。然后，使用包管理器安装这些依赖。在Ubuntu下，通常使用apt-get：

sudo apt-get install libpng-dev libjpeg-dev libtiff-dev zlib1g-dev

如果依赖库的版本过低，导致编译失败，可以尝试从源代码编译安装最新版本的依赖库。这个过程稍微复杂一些，需要下载源代码、配置、编译、安装。

另外，CMake的缓存可能会导致一些奇怪的问题。如果修改了依赖库的安装路径或者版本，需要清除CMake缓存，重新运行CMake。清除缓存的方法是删除

build
文件夹下的CMakeCache.txt文件。 如何在不同的IDE（Visual Studio, CLion）中配置OpenCV环境？

不同的IDE配置OpenCV环境的方式略有不同，但核心思路都是一样的：告诉IDE OpenCV的头文件在哪里，库文件在哪里。

Visual Studio

  1. 打开项目属性，选择“VC++目录”。
  2. 在“包含目录”中添加OpenCV的头文件路径，通常是
    C:\opencv\build\include
    。
  3. 在“库目录”中添加OpenCV的库文件路径，通常是
    C:\opencv\build\x64\vc15\lib
    。
  4. 在“链接器”->“输入”->“附加依赖项”中添加OpenCV的库文件名，比如
    opencv_world450d.lib
    （Debug版本）或者
    opencv_world450.lib
    （Release版本）。

CLion

CLion使用CMake来管理项目。需要在CMakeLists.txt文件中添加以下内容：

cmake_minimum_required(VERSION 3.15)
project(YourProjectName)

set(CMAKE_CXX_STANDARD 14)

find_package(OpenCV REQUIRED)

include_directories(${OpenCV_INCLUDE_DIRS})

add_executable(YourProjectName main.cpp)

target_link_libraries(YourProjectName ${OpenCV_LIBS})

find_package(OpenCV REQUIRED)
会自动查找OpenCV的安装路径。如果找不到，需要手动指定
OpenCV_DIR
变量，指向OpenCV的CMake配置文件所在的目录，通常是
C:\opencv\build
。 OpenCV编译安装后，如何解决程序运行时找不到DLL的问题？

程序运行时找不到DLL，通常是因为系统找不到OpenCV的动态链接库。解决方法是将OpenCV的DLL文件所在的目录添加到系统的PATH环境变量中。

找到OpenCV的DLL文件所在的目录，通常是

C:\opencv\build\x64\vc15\bin
。然后，打开“系统属性”->“高级”->“环境变量”，编辑“系统变量”中的“Path”变量，添加OpenCV的DLL文件所在的目录。

重启电脑，让环境变量生效。

另外，如果你的程序是Debug版本，需要确保使用的是Debug版本的OpenCV DLL文件。反之，如果你的程序是Release版本，需要确保使用的是Release版本的OpenCV DLL文件。

编译OpenCV时，CUDA支持的配置和常见错误处理

要让OpenCV支持CUDA，需要在编译时启用CUDA选项。

  1. 安装CUDA Toolkit和cuDNN

    首先，确保已经安装了CUDA Toolkit和cuDNN。CUDA Toolkit是NVIDIA提供的用于GPU编程的工具包，cuDNN是用于深度学习加速的库。从NVIDIA官网下载并安装对应版本的CUDA Toolkit和cuDNN。

  2. CMake配置

    在CMake配置时，需要启用

    WITH_CUDA
    选项，并指定CUDA Toolkit的安装路径。
    cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_CUDA=ON -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda ..

    如果CMake能够找到CUDA Toolkit，会自动配置CUDA相关的选项。

  3. 常见错误处理

    • CUDA找不到： 确保CUDA Toolkit的安装路径正确，并且已经添加到系统的PATH环境变量中。
    • cuDNN找不到： 确保cuDNN的库文件已经复制到CUDA Toolkit的lib目录下。
    • 编译错误： 检查CUDA版本和OpenCV版本是否兼容。不同版本的CUDA Toolkit可能需要不同版本的OpenCV。

编译成功后，可以通过

cv::cuda::getCudaEnabledDeviceCount()
函数来检查OpenCV是否成功启用了CUDA。如果返回的值大于0，就说明OpenCV已经成功启用了CUDA。

以上就是C++计算机视觉 OpenCV库编译安装的详细内容，更多请关注知识资源分享宝库其它相关文章！

标签:  编译 视觉 安装 

相关阅读

发表评论:

◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。

最近发表

标签列表