【OpenCV之路】ubuntu下的安装C++的opencv4、opencv_contrib、python中opencv的cuda加速、ubuntu下opencv的第一个工程

Ubuntu搭建OpenCV环境(C++) 😊 阅读详情

前言

opencv 基础模块可以满足大多数初学者的正常使用需求。
opencv_contrib 扩展模块中集成了很多使用的功能:人脸检测、生物识别、特征点提取等功能。
扩展模块是对基础模块的补充,由于某些算法具有专利保护,无法放到基础模块中,但又是学习图像处理常用的算法,如 SIFT特征点提取算法。

1 依赖库的安装

1 安装基础模块必须依赖的库

sudo apt-get install  cmake
sudo apt-get install build-essential libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev  libgtk-3-dev libavcodec-dev libavformat-dev  libswscale-dev libjasper-dev  

2 安装扩展模块必须依赖的库,否则安装过程会报错,错误后面有记录

sudo apt-get install libgtk-3-dev libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev libavresample-dev libgphoto2-dev
sudo apt-get install libopenblas-dev doxygen libvtk6-dev libgoogle-glog-dev tesseract-ocr libtesseract-dev
sudo apt-get install libhdf5-dev libatlas-base-dev  openjdk-8-jdk libgflags-dev

3 安装python的库,【如果是 python-dev python-numpy,安装为2.7版本的库】。

sudo apt-get install python3-dev python3-numpy

注意,这里在安装了python的环境的同时也安装了numpy的包,numpy是python版的opencv-cuda加速必须的包。
python开发者会在意python-opencv-cuda的安装环境:如果是想要安装在系统环境中,就可以使用上面的命令;如果想要安装在虚拟环境中,需要创建个虚拟环境,然后安装numpy,否则会编译不成功。我这里使用的是在conda的虚拟环境中安装

2 安装包下载

  • 下载opencv、opencv_contrib安装包。链接分别为:
    https://github.com/opencv/opencv
    https://github.com/opencv/opencv_contrib/
     
    opencvy也可在 官网 下载【Sources】。注意这里一定要与opencv的版本对应!我这里下载的为 opencv4.4.0、opencv_contrib4.4.0。
    在这里插入图片描述
  • 完成后对压缩包进行解压,我这里将opencv-4.4.0.zip 解压放在了路径【/home/ll/】下,将opencv_contrib-4.4.0.zip 解压放在路径【/home/ll/opencv-4.4.0】下

在这里插入图片描述

3 编译

首先需要在【opencv4.4.0】路径下创建并进入【build 文件夹】

mkdir build
cd build

这里编译情况分为:只编译C++的opencv基础模块、编译opencv和opencv_contrib时不需要cuda加速、编译opencv和opencv_contrib时要cuda加速 同时将cuda加速编译到python环境中。
 


3.1 c++/opencv 的编译

  • 如果只编译opencv基础模块,编译速度很快
    cmake -D CMAKE_BUILD_TYPE=Release -D OPENCV_GENERATE_PKGCONFIG=ON -D CMAKE_INSTALL_PREFIX=/usr/local ..
    sudo make -j4
    sudo make install
    
    需要说明:
    • OPENCV_GENERATE_PKGCONFIG=ON该选项开启生成opencv4.pc文件,支持 pkg-config 工程。默认的是False
      CMAKE_INSTALL_PREFIX 该选项是指定目录的安装目录。如上指定了【/usr/local】,则会安装在该路径下的【include、bin、lib】三个文件夹下。该项的设置,在安装多个版本设置不同路径变得很有必要。
    • -j4 指的的启用4个线程同时进行编译,电脑性能好可以设置更大,加快编译速度
       

3.2 c++/opencv_contrib 的编译

  • 在ubuntu 下安装扩展模块且不用cuda加速比较容易,只需要在前面编译opencv时的命令中添加一个扩展模块的路径即可,具体命令如下:
    cmake
    -D CMAKE_BUILD_TYPE=Release
    -D OPENCV_GENERATE_PKGCONFIG=ON
    -D CMAKE_INSTALL_PREFIX=/usr/local
    OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.4.0/modules # 注意这里路径匹配自己的路径名
    ..
    完整命令如下,实际编译时要一条一条命令运行,更好的查找错误,错误解决在下一节:
    cmake -D CMAKE_BUILD_TYPE=Release -D OPENCV_GENERATE_PKGCONFIG=ON -D CMAKE_INSTALL_PREFIX=/usr/local  OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.4.0/modules ..
    sudo make -j10
    sudo make install
    

 


3.3 c++/opencv_contrib/cuda 的编译

如果要使用cuda加速,就要使用下面的命令编译,其中会将CUDA相关的设置开启。
cmake命令展示如下:
cmake
-D CMAKE_BUILD_TYPE=RELEASE
-D PYTHON_DEFAULT_EXECUTABLE=$(python -c "import sys; print(sys.executable)")
-D PYTHON3_EXECUTABLE=$(python -c "import sys; print(sys.executable)")
-D PYTHON3_NUMPY_INCLUDE_DIRS=$(python -c "import numpy; print (numpy.get_include())")
-D PYTHON3_PACKAGES_PATH=$(python -c "from distutils.sysconfig import get_python_lib; print(get_python_lib())")
-D BUILD_opencv_python3=yes
-D BUILD_opencv_python2=no
-D CMAKE_INSTALL_PREFIX=/usr/local
-D WITH_TBB=ON
-D WITH_V4L=ON
-D WITH_OPENGL=ON
-D WITH_CUDA=ON
-D WITH_CUDNN=ON
-D ENABLE_FAST_MATH=1
-D CUDA_FAST_MATH=1
-D CUDA_NVCC_FLAGS="-D_FORCE_INLINES"
-D WITH_CUBLAS=1
-D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.4.0/modules # 注意这里的路径
..
 

需要注意:

  • 上面的编译命令中第3~6行,是在设置python版本的opencv的cuda加速的路径。这样写就不用每次修改自己的路径。但如果要安装在虚拟环境中,需要提前激活自己的虚拟环境,以便命令能够获取到相应的库的路径。当然也可以使用自己python的绝对路径,获取方式就是在终端运行 等号右边除去$ 的命令
    在这里插入图片描述
  • 如果不关心python-opencv-cuda的安装,可以删去第3~8行。会默认配置到系统环境下的python中。
     

完整命令如下:

cmake -D CMAKE_BUILD_TYPE=RELEASE -D PYTHON_DEFAULT_EXECUTABLE=$(python -c "import sys; print(sys.executable)") -D PYTHON3_EXECUTABLE=$(python -c "import sys; print(sys.executable)") -D PYTHON3_NUMPY_INCLUDE_DIRS=$(python -c "import numpy; print (numpy.get_include())") -D PYTHON3_PACKAGES_PATH=$(python -c "from distutils.sysconfig import get_python_lib; print(get_python_lib())") -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_V4L=ON -D WITH_OPENGL=ON -DBUILD_opencv_python3=yes -DBUILD_opencv_python2=no -D WITH_CUDA=ON -D WITH_CUDNN=ON -D ENABLE_FAST_MATH=1 -D CUDA_FAST_MATH=1 -D CUDA_NVCC_FLAGS="-D_FORCE_INLINES" -DWITH_CUBLAS=1 -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.4.0/modules ..
sudo make -j10
sudo make install

在第一条命令运行结束后如下图,红框内的路径一定要是自己设置的环境。不关心python-opencv-cuda的安装,需要保证第二个红框的 “Configuring done…” 即可 在这里插入图片描述


3.4 可能出现的问题

我在编译了多次后成功,这里记录下可能出现的问题和解决方案
 

【 IPPICV: Download failed 等】

在编译过程中,会下载一些文件,需要fanqiang下载。包括:face_landmark_model.dat、boostdesc_bgm_hd.i、vgg_generated_64.i 等。 下载的文件会放在【./.cache】路径下。需要下载的文件 以及下载文件解压后存放路径,可以在【./build/CMakeDownloadLog.txt】中大致搜到。
这部分内容的下载受网络的限制,我把我安装opencv4.4.0的下载的内容放在我的资源里,是否适用别的版本测试下即可。https://download.csdn.net/download/magic_ll/72572819
在这里插入图片描述
 

【报错 Could NOT find ***】

如果没有安装上面的依赖库,编译过程就会报错如下。其实在安装依赖库时,就是我自己遇到下面的错误,一个个安装,为了方便起见,将这些库统一安装。

'''No package 'gtk+-3.0' found'''
sudo apt-get install libgtk-3-dev

'''No package 'gstreamer-base-1.0' found'''
sudo apt-get -y install libgstreamer-plugins-base1.0-dev
sudo apt-get -y install libgstreamer1.0-dev

'''No package 'libavresample' found
No package 'libgphoto2' found'''
sudo apt-get  install libavresample-dev
sudo apt-get  install libgphoto2-dev`

'''Could not find OpenBLAS include. Turning OpenBLAS_FOUND off'''
sudo apt-get install libopenblas-dev   # 没有作用,但这个错误不影响最终的编译

''' Could NOT find Doxygen (missing:  DOXYGEN_EXECUTABLE)'''
sudo apt-get install doxygen

'''VTK is not found'''
sudo apt install libvtk6-dev

''' Failed to find glog '''
sudo apt install libgoogle-glog-dev

'''No package 'tesseract' found'''
sudo apt install tesseract-ocr
sudo apt install libtesseract-dev

'''Could NOT find HDF5'''
sudo apt install libhdf5-dev

'''Could NOT find Atlas (missing:  Atlas_CLAPACK_INCLUDE_DIR)'''
sudo apt install libatlas-base-dev  # 没有作用,但这个错误不影响最终的编译

'''Could NOT find JNI (missing:  JAVA_INCLUDE_PATH'''
sudo apt install openjdk-8-jdk

'''Failed to find gflags'''
sudo apt install libgflags-dev

4 环境配置

  • sudo gedit /etc/ld.so.conf.d/opencv.conf
    
    无论该文件是否为空白,都在文件的末尾添加路径【/usr/local/lib】,保存好退出。
    注意:这里添加内容与之前编译时设置路径有关,如果安装路径变化,这里添加的内容也要随之变化。
  • 更新 pkg-config
    sudo ldconfig
    
  • 查看安装
    pkg-config --libs opencv4
    pkg-config --cflags opencv4
    

在这里插入图片描述

  • 添加到系统环境变量
    sudo gedit /etc/bash.bashrc
    # sudo gedit ~/.bashrc
    
    打开文件后将下面两行命令添加到文件最后,并保存关闭
    PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig  
    export PKG_CONFIG_PATH 
    
    source /etc/bash.bashrc
    # source ~/.bashrc
    

5 验证安装是否成功

  • C++的opencv基础模块
    cd ./opencv4.4.0/samples/cpp
    g++ `pkg-config --cflags opencv4` drawing.cpp `pkg-config --libs opencv4` -o drawing.out
    ./drawing.out
    
  • C++的opencv的扩展模块以及cuda加速
    需要相应的工程测试,这里暂时没提供
  • python的opencv
    我这里是将opencv-cuda加速安装到自己的conda虚拟环境中,所以在虚拟环境中运行
    python
    import cv2
    print(cv2.__version__)
    
    能看到打印结果如下,说明opencv在该虚拟环境中成功安装。注意这个虚拟环境中,是没有通过pip安装的opencv,我看有的博主说import cv2失败直接pip安装,是不正确的。
    在这里插入图片描述
  • python的opencv-cuda加速
    我之前写的 【工程实现 || 基于opencv使用openpose完成人体姿态估计】,是基于python-opencv运行的,如果需要cuda加速,需要代码中设置下(图片为前面链接中的内容)
    在这里插入图片描述
    加速后的图片测试速度(除去前两帧)如下约为0.35s。不使用cuda加速一张图片需要2.7s
    在这里插入图片描述

6 opencv的卸载

cd /etc/ld.so.conf.d/
sudo rm opencv.conf
cd
cd ./opencv4.1/build
sudo make uninstall

7 ubuntu上编写第一个C++的opencv代码

创建一个路径,在该路径下打开终端;运行下面命令创建 CMakeLists.txt main.cpp两个文件,随便放置张图片命名为image.jpg

touch CMakeLists.txt main.cpp

打开CMakeLists.txt 文件,里面添加内容如下:

cmake_minimum_required(VERSION 2.6)
# 创建工程
project(testopencv)
# C++版本为11
set(CMAKE_CXX_FLAGS "-std=c++11")

find_package(OpenCV 4.4 REQUIRED)             # 找 OpenCV 4.4 安装路径
include_directories(${OpenCV_INCULDE_DIRS})   # 加载 OpenCV 4.1 的头文件
add_executable(testopencv main.cpp)           # 将程序生成可执行文件
target_link_libraries(testopencv ${OpenCV_LIBS})  # 链接lib文件到可执行文件

打开 main.cpp 文件,里面内容添加

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

using namespace std;
using namespace cv; 

int main(int agrc, char** agrv){
   Mat img = imread("../image.jpg");
   imshow("test", img);
   waitKey(0);
   return 0;
}
Ubuntu源码编译OpenCV全流程:从依赖安装到contrib模块与CUDA加速 OpenCV作为计算机视觉核心库,其预编译包常缺失contrib扩展模块与硬件加速支持。源码编译通过CMake构建系统,在本地探测环境并定制编译选项,实现模块可控、版本可控与硬件加速可控。这一过程涉及依赖管理、编译优化与动态链接,是C++工程实践的重要环节。在Ubuntu环境下,从源码编译OpenCV可启用SIFT等contrib模块,并开启CUDA、OpenCL、TBB等加速后端,满足工业质检、嵌入式部署等场景对特定算法与性能的需求。 阅读详情

相关推荐

在Ubuntu上安装C++版OpenCV

OpenCV(Open Source Computer Vision Library)是一个广泛使用的计算机视觉库,它提供了丰富的图像处理和计算机视觉算法。本文将介绍如何在Ubuntu操作系统上安装C++版的OpenCV,并提供相应的源代码。你已成功在Ubuntu上安装了C++版的OpenCV。为了验证OpenCV是否成功安装,我们可以编写一个简单的C++程序来加载并显示一张图片。进入刚才下载的OpenCV源代码目录,并创建一个用于构建的目录。这会配置OpenCV的构建过程,并生成相应的Makefile。

UtiExamples的博客 1406

Ubuntu20环境下OpenCV的C++环境配置

注意:需要下载与你Opencv相一致的版本,比如我这里需要下载4.5.5的opencv_contrib,在下图位置选择相应的版本,然后下载得到压缩包。在虚拟机中的Ubuntu中安装配置OpenCV,OpenCV的版本是4.5.5,安装过程简单明了,一步到位。要是你的电脑拉吉就把8改成4,另外这一步卡死了也没事,不会重头开始编译的,会在你上一次编译进度基础上继续。,点进去找到你要下载的Opencv版本,我们这里以4.5.5版本的为例,点击。按道理说,我们执行下面的指令就可以查看我们安装opencv的版本了。

北屿的博客 7443

ubuntu下安装c++版opencv,

1.以下位置下载opencv源码 Releases - OpenCV 2.编译配置文件, 因为opencv是源码包安装,所以不建议安装在/usr/local下,如果想要升级,可能无法卸载,所以建议安装在$HOME/.local目录下,这样便于卸载和修改。 通过下面的opencv配置选项参考来指定安装位置 OpenCV: OpenCV configuration options reference 通过参数 -DCMAKE_INSTALL_PREFIX=$HOME/opencv ../openc.

qq_41166909的博客 4331

Ubuntu系统安装opencv的python版本以及编译安装C++版本

Ubuntu系统安装opencv的python版本以及编译安装C++版本

CASIA-AdvancedRobot 5208

两轮差速移动机器人运动分析、建模和控制

两轮差速运动分析及建模运动学分析三种运动状态分析函数模型仿真验证直线验证曲线验证旋转验证运动控制 运动学分析 运动特性为两轮差速驱动,其底部后方两个同构驱动轮的转动为其提供动力,前方的随动轮起支撑作用并不推动其运动,如图1两轮差速驱动示意图所示。 定义其左右驱动轮的中心分别为Wl和Wr,且对应线速度为Vl和Vr,该值可以通过电机驱动接口输出的角转速ωl,ωr2和驱动轮半径r求得,即: Vl=r⋅...

启小新的博客 8万+

ROS入门(一)——ROS安装(vmware16+ubuntu20.04+ROS-Noetic)

嵌套:ROS可以在Ubuntu上运行,Ubuntu在虚拟机Vmware中安装。 从 虚拟机vmware安装→ubuntu安装→ros安装,逐步介绍安装ROS环境的过程。整个过程是我一步步跟着各种博客安装实现的,亲测可行。 版本: Vmware :Vmware Workstation16 Ubuntu :20.04 ROS :Noetic 其中vmware直接载当前最新版本就好,而ubuntu的版本要注意一下。 在ROS官网(cn - ROS Wiki),我们进入到ROS安装的步骤界面,可以看..

Netceor的博客 9743

Ubuntu 18.04 安装 OpenCV 和 OpenCV_Contrib

本文详细介绍了在Ubuntu系统下安装OpenCV及Contrib扩展库的完整流程。主要内容包括:1)彻底卸载旧版OpenCV的方法;2)从官网或GitHub获取指定版本源码;3)安装编译所需的依赖环境;4)通过CMake配置编译参数(特别注意contrib模块路径设置);5)解决常见编译错误(如缺失boostdesc文件、路径错误等);6)配置动态链接库路径;7)通过示例程序测试安装结果。文中针对4.6.0版本提供了具体操作命令,并强调了版本一致性要求,最后给出了验证安装成功的命令和错误排查方法。

人无远虑,必有近忧 4314

OpenRadar Matlab版:毫米波雷达信号处理全流程开源库详解

毫米波雷达数据解析与信号处理是感知领域的基础能力。本文介绍毫米波雷达从ADC原始采样到距离-多普勒(Range-Doppler)热图、CFAR检测、DOA估计直至点云与生命体征参数提取的完整处理链路,并深入讲解OpenRadar(Matlab版)开源库的内核设计、核心API与实测经验。从原理上看,距离FFT与多普勒FFT构成RD谱,CFAR自适应阈值实现目标检测,相位解缠与滤波用于呼吸心跳提取。技术价值在于将繁琐的雷达数据读取、矩阵变换和算法流程标准化,免去重复造轮子。可应用于人员存在感知、生命体征监护、4

weixin_33806859的博客 322

【Ubuntu 环境配置】(1)Ubuntu安装opencv-4.1.0+opencv_contrib-4.1.0(c++,py2,py3 皆可运行)

Ubuntu1804 安装opencv-4.1.0 + opencv_contrib-4.1.0(最终版) 文章目录Ubuntu1804 安装opencv-4.1.0 + opencv_contrib-4.1.0(最终版)一、环境1.1 Ubuntu 18.04_x641.2 opencv_4.1.0 + opencv_contrib-4.1.01.3 python3.6二、准备2.1.更新下系统...

咿呀的博客 1万+

fastadmin云快充充电桩系统部署文档uniapp

多商户 嘎嘎快充V1.0部署文档 一、服务器环境: 服务器配置4核心8GB内存5M带宽以上配置 VX next1402 只支持linux环境 nginx1.22 php7.2 开启redis、fileinfo扩展,关闭禁用workerman gatewayworkerman需要的函数,如pcntl相关的函数 mysql5.7 supervisor redis 注意: 1.站点必须配置https、websocket配置wss 2.注意开放直连服务端口:2024,并添加到安全组 二、必

itholiday2014的博客 1633

基于Simulink的电动汽车动力总成控制策略验证与标定仿真平台

电动汽车的动力总成(Powertrain)是车辆的核心系统,包括动力电池、电机控制器、逆变器和驱动电机等关键部件。动力总成的控制策略直接影响车辆的动力性能、能耗效率和驾驶体验。为了验证和优化这些控制策略,基于MATLAB/Simulink的仿真平台成为一种高效且经济的解决方案。本项目旨在构建一个完整的基于Simulink的电动汽车动力总成控制策略验证与标定仿真平台,涵盖控制策略建模、性能评估以及参数标定等功能模块,并通过仿真验证系统的有效性。

xiaoheshang_123的博客 177

Ubuntu 20.04下OpenCV 4.5+contrib源码编译实战指南

OpenCV是计算机视觉领域最核心的开源库,其模块化架构与硬件加速能力决定了实际项目中的性能边界。理解OpenCV的编译原理,关键在于掌握主库与opencv-contrib的耦合机制——SIFT、SURF、text、ximgproc等工业级算法仅在启用OPENCV_ENABLE_NONFREE且联合构建contrib时才可用;而TBB、CUDA、DNN等后端优化则依赖CMake精准配置。这种深度定制能力,使源码编译成为嵌入式部署、边缘AI推理和学术复现实验的刚性需求。本文聚焦Ubuntu 20.04这一广泛

weixin_30655569的博客 424

【QT开发教程】Qt的图形用户界面设计模式:MVC/MVP/MVVM

在Qt框架中,图形用户界面(GUI)的设计模式对于提高代码的可维护性、可扩展性和可测试性至关重要。MVC(Model-View-Controller)、MVP(Model-View-Presenter)和MVVM(Model-View-ViewModel)是常见的三种设计模式。本文将详细介绍这三种设计模式在Qt中的应用。

科技改变人类,技术成就未来 1522

如何在 Ubuntu 20.04 上安装 OpenCV

如何在 Ubuntu 20.04 上安装 OpenCV OpenCV(Open Source Computer Vision Library) 是一个开源的计算机视觉库,支持所有主流操作系统上的 C++ , Python,和 Java。它可以发挥多核进程和 GPU 加速,用于实时操作。 OpenCV 应用广泛,包括医疗图片分析,街景图片处理,监视视频,探测和识别面部,追踪移动物体,提取3D 模型,等等。 这篇文章描述如何在 Ubuntu 20.04 上安装 OpenCV。 想要从源码安装最新版的 OpenC

giaming的博客日志 1万+

air780e stm32标准库发送英文短信,如何实现?(附相关源码,仅供参考)

🏆 本文收录于《全栈Bug调优(实战版)》专栏,致力于分享我在项目实战过程中遇到的各类Bug及其原因,并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者,本文将为你指引出一条更高效的Bug修复之路,助你早日登顶,迈向财富自由的梦想🚀!同时,欢迎大家关注、收藏、订阅本专栏,更多精彩内容正在持续更新中。让我们一起进步,Up!Up!Up!    备注: 部分问题/难题源自互联网,经过精心筛选和整理,结合数位十多年大厂实战经验资深大佬经验总结所得,数条可行方案供所需之人参考。

**My Coding Family** 1242

黑猫带你学eMMC协议第1篇:全网最全emmc协议中文详讲,这份学习框架图,你值得拥有!!!(持续更新中...)

黑猫带你学eMMC协议第7篇:全网最全emmc写保护详解(write protect) 黑猫带你学eMMC协议第8篇:emmc可靠写详解(Write Reliability) 黑猫带你学eMMC协议第9篇:emmc的分区配置(partitioning) 黑猫带你学eMMC协议第10篇:eMMC命令队列详解(CMDQ) 黑猫带你学eMMC协议第11篇:eMMC擦除详解(erase/trim/discard/sanitize/secure erase/secure trim…) 黑猫带你学eMMC协议第12篇:

黑猫奥利奥的博客 2万+

【环境搭建】(四)ubuntu22.04系统安装Opencv4.8.0+Opencv-contrib4.8.0

解压opencv-4.8.0.zip和opencv-contrib-4.8.0.zip,并解压出来的文件放在任意你喜欢的位置。如果以上依赖安装报网络错误可以使用如下指令更换下载源为‘豆瓣源’该指令是在当前目录下新建build文件夹,并进入build文件夹下。

XiaoBai_Steve的博客 1204

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

ubuntu系统编译安装OpenCV 4.4并配置C++和Python开发环境

内容转载自我的博客 文章目录前言1. 下载源码2. 安装各种依赖3. 开始编译安装4. 配置C++开发环境5. 程序执行时加载动态库*.so6. 测试cpp文件7. 配置python3的opencv环境8. 卸载编译安装的OpenCV 前言 如果你只是想要使用C++或者Python语言来调用OpenCV,而且并不关心OpenCV是否为最新版本,那么请直接按照如下代码: sudo apt update && sudo apt install libopencv-dev python3-op.

晨曦的博客 2075

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

ubuntu编译安装opencv3.4 opencv3.4_contrib

ubuntu source code install opencv and opencv_contrib

ChangWei_wenzhou的博客 624

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Ubuntu 20.04 安装 OpenCV 全攻略:apt、pip、源码编译与 CUDA 加速

OpenCV 是计算机视觉的核心库,在 Ubuntu 20.04 上安装时,开发者常面临版本选择与 CUDA 加速的挑战。apt 安装简单但版本锁定,pip 安装便捷却缺少 GPU 支持,源码编译则能灵活启用 contrib 模块和 CUDA 加速。通过源码编译,可精确控制版本、开启 GPU 加速,并集成 contrib 模块,满足生产部署与高性能计算需求。本文详解三条路线,重点剖析源码编译步骤与常见问题排查,助你高效搭建视觉开发环境。

weixin_34246551的博客 426

【2026最新】Jetson全系列编译支持CUDA加速的OpenCV 4.10保姆级教程(适配Jetpack 6/5及Orin/Xavier/Nano等)

在 NVIDIA Jetson 边缘计算平台上(如 Jetson AGX Orin, Orin NX, Xavier NX, Nano 等),官方默认预装的 OpenCV 通常是不支持 CUDA 加速的(仅 CPU 版本)。对于从事计算机视觉(CV)开发的工程师来说,无法利用 GPU 加速会极大地限制模型推理、图像预处理的效率。手动从源码编译 OpenCV 支持 CUDA 是一项繁琐的工作,涉及到大量的依赖项安装、CMake 参数配置以及路径设置,稍有不慎就会编译失败(例如常见的 G-API 模块报错)

qq_40324073的博客 1985

Ubuntu20.04安装opencv-C++接口

OpenCV有c++接口的和Python接口的,本文主要介绍c++接口的安装,Python接口的opencv较为容易安装 安装cmake 在终端输入命令sudo apt-get install cmake 安装依赖库 在终端依次执行下面的语句 更新软件源 sudo apt-get update sudo apt-get upgrade 安装cmake git等工具 sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-c

气派飞鹰的博客 5185

从零构建:Ubuntu系统下OpenCV与CUDA协同编译的完整实践

本文详细介绍了在Ubuntu系统下从零开始构建支持CUDA加速的OpenCV开发环境的完整流程。通过源码安装OpenCV并配置CUDA支持,包括环境准备、版本选择、CMake配置、编译安装及性能测试等关键步骤,帮助开发者高效实现计算机视觉项目的GPU加速。特别针对CUDA架构选择、依赖管理等常见问题提供了实用解决方案。

weixin_30887919的博客 424

Ubuntu 20.04编译安装OpenCV 4.5+contrib完整指南

OpenCV是计算机视觉领域最核心的开源库,其C++底层与Python绑定机制决定了环境配置远不止‘pip install’那么简单。理解OpenCV编译原理,关键在于掌握版本协同(主库与opencv-contrib)、ABI兼容性(Python解释器与libpython链接)、非自由算法启用机制(SIFT/SURF依赖OPENCV_ENABLE_NONFREE)三大技术支点。在Ubuntu 20.04这一典型LTS环境中,GCC 9.3、CMake 3.16.3和Python 3.8.10构成特殊工具链组

weixin_33907511的博客 500

Ubuntu22.04下如何用CMake编译带CUDA加速的OpenCV4.9(附显卡算力查询指南)

本文详细指导在Ubuntu22.04系统下,使用CMake从源码编译支持CUDA加速的OpenCV4.9.0,并整合opencv_contrib模块。核心在于精准配置显卡算力参数(CUDA_ARCH_BIN)以避免常见编译与运行时错误,涵盖环境准备、算力查询、CMake配置、编译安装及最终验证的全流程,是提升计算机视觉项目性能的实用指南。

agile9scrum的博客 669

Ubuntu 20.04手动编译OpenCV 4.5.5生产环境安装指南

OpenCV是计算机视觉领域最核心的开源库,其编译原理涉及CMake构建系统、动态链接与ABI兼容性、CUDA/DNN等硬件加速模块集成等关键技术。理解OpenCV的模块化架构(主库+opencv-contrib)和版本锁死机制,是实现SIFT/SURF专利算法启用、DNN CUDA后端支持及图像I/O稳定性保障的前提。该技术方案显著提升YOLOv5/v7后处理、OCR文本识别、目标跟踪等AI应用的工程落地能力,尤其适用于Ubuntu 20.04 LTS环境下需长期维护的算法服务与嵌入式部署场景。本文聚焦O

注重长远 天天积累 cqujsjcyj 401
上一篇: 【pytorch】使用stat、profile打印网络的参数量、Flops、MAdd、内存使用的情况
下一篇: 【OpenCV之路】了解 OpenCV 的模块
magic_ll
博客等级 码龄9年 3万+粉丝 158原创
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值