17.jpg

之前在Windows上借助VS编译opencv,很轻松就能搞定，到Linux下踩了坑，Ubuntu下编译、卸掉重编、搞了几次，还把系统库给卸载掉了（sudo apt-get remove python3.6千万不要尝试）.....如果你也通过卸载python2.x、python3.x把系统搞挂了，没有了桌面，千万不要慌～首先，卸载了就搞干净点：sudo apt-get autoremove，然后，安装一个全新的Ubuntu桌面，sudo apt-get install ubuntu-desktop，最后你会发现，有惊无险，桌面回来了！！！

下面回到正题：Ubuntu18.04安装opencv-3.4.x（5.6.8都试过，没问题）

原文转载自：语雀文档 ，样式更好看：）

1 源码下载

官网：https://opencv.org/releases/ Github：https://github.com/opencv/opencv 随便从哪下载，都可以

2. apt-get安装

Ubuntu下，OpenCV的安装方式有两种：

• 1.通过apt-get 安装opencv-python
• 2.从源码构建

方式1.很简单：直接$ sudo apt-get install python-opencv 如果你只是在python中简单使用opencv，首选此种方式安装，如果你需要在其他项目中编译引用opencv，建议从源码构建安装；还有一点：python-opencv里的代码可能没有源码更新的及时，从源码构建虽然复杂，不过稳定些、可控性更强。下文主要介绍通过源码构建安装OpenCV，系统及版本：Ubuntu18.04 + Opencv3.4.8。

3 从源码安装

从源码编译安装的方式又有两种：

• 默认位置安装
• 自定义位置安装

推荐默认位置安装，安装后可执行文件和lib文件都会安装到系统相应路径，方便使用。自定义位置安装则需要自己设置环境变量和其他的设置。如果只是简单应用，不是对opencv各个版本有使用区分，建议直接默认位置安装。 不论是默认安装还是自定义位置、安装前都需要安装一些构建必须的依赖项。

3.1 构建依赖项

安装前需要下载一些必须的依赖项。 不同版本opencv依赖会有不同，具体见官网，下面的依赖项适用于opencv-3.4.8

官网：https://docs.opencv.org/3.4.8/d2/de6/tutorial_py_setup_in_ubuntu.html

1.cmake gcc g++ 通常系统都有，可以cmake(gcc/g++) --version查看其版本：

image

有的话无需安装，否则可以执行如下命令安装：

sudo apt-get install cmake
sudo apt-get install gcc g++

2.安装python2、python3支持模块

可选、譬如你可以只打算在python3里用opencv，那么就忽略python2的模块安装。

# 安装python2支持
sudo apt-get install python-dev python-numpy
# 安装python3支持
sudo apt-get install python3-dev python3-numpy

3.GTK支持(图形界面库)

# 安装gtk2支持
sudo apt-get install libgtk2.0-dev
# 安装gtk3支持
sudo apt-get install libgtk-3-dev

4.可选图片支持库

用于处理多种图片格式（可选）

sudo apt-get install libpng-dev
sudo apt-get install libjpeg-dev
sudo apt-get install libopenexr-dev
sudo apt-get install libtiff-dev
sudo apt-get install libwebp-d

5.下载ippcv

cmake时会自动下载ippcv，如果不翻墙可能速度过慢，导致cmake一直卡在那，解决方法：下载压缩包 ippicv_2019_lnx_intel64_general_20180723.tgz 放在opencv源码主目录/3rdparty/ippicv/下，同时修改统计目录下的ippicv.cmake，把47行的下载链接换成本地文件：file: ROOT_DIR/3rdparty/ippicv/ippicv_2019_lnx_intel64_general_20180723.tgz

image

3.2 默认位置安装

git clone或官网下载的压缩包解压后得到opencv源码包，切换到源码主目录

# 新建build文件夹，存放构建文件
$ mkdir build
$ cd build

执行cmake，构建CMakeLists.txt自动化创建makefile，cmake需要之前可以指定一些构建参数，用来确定安装位置、是否为python2/python3执行安装等、构建的类型是否是release等，如果不指定参数，直接傻瓜式cmake也是可以的。

# 傻瓜式cmake
cmake ../
# 带参数cmake 默认位置安装
cmake ../ -DWITH_CUDA=OFF  -DCMAKE_BUILD_TYPE=RELEASE -DBUILD_EXAMPLES=ON  -DBUILD_DOCS=OFF -DBUILD_PERF_TESTS=OFF -DBUILD_TESTS=OFF
# 带参数cmake 自定义位置安装
cmake ../ -DWITH_CUDA=OFF -DCMAKE_INSTALL_PREFIX=/usr/local/opencv/opencv-3.4.8 -DCMAKE_BUILD_TYPE=RELEASE -DBUILD_EXAMPLES=ON  -DBUILD_DOCS=OFF -DBUILD_PERF_TESTS=OFF -DBUILD_TESTS=OFF

注意，-D是cmake执行时指定的参数 CMAKE_INSTALL_PREFIX是默认安装路径前缀，如不指定，默认是/usr/local，也可以指定自定义文件夹（见下面的【自定义安装】）；WITH_CUDA默认是开启的，如果不指定OFF则opencv编译时会默认使用可用的CUDA,虽然速度会提升，不过可能会和其他使用cuda的深度学习框架有冲突，建议根据opencv实际使用情况来决定是否开启CUDA加速！CMAKE_BUILD_TYPE可以根据需要选择DEBUG或RELEASE。

cmake选项设置参考：
https://docs.opencv.org/3.4/d7/d9f/tutorial_linux_install.html http://amritamaz.net/blog/opencv-config

image

cmake主要是用于生产Makefile的，正式的构建还没开始，执行make -j8构建

# 执行make编译，-j8参数表示允许cpu并行编译，最多允许8个线程,可以大大加速构建过程
# -j根据自己cpu核心数设定，6核可以设为-j6～-j12
make -j8

image

构建过程耗时几分钟，完成后，需要make install将编译生成的可执行文件和lib文件等，安装到系统相应目录。

# 安装编译好的可执行文件
sudo make install

默认位置安装，则会安装到系统如下目录：

• /usr/local/bin
• /usr/local/lib
• /usr/local/share

bin下的可执行文件：

image

lib是库文件，主要是以libopencv开头的so文件、文件夹：pkgconfig、python2.x、python3.x(pkgconfig里存放的是opencv.pc)；share里就两个文件夹：OpenCV和licenses 安装好还需要进行配置，见下面【配置】一节

3.3 自定义位置安装

自定义位置安装，前面的步骤都和默认安装一致，主要是cmake时需要指定编译参数-DCMAKE_INSTALL_PREFIX为自己指定的目录，然后增加相应的设置：主要是设置扫描路径和设置环境变量。**

自定义安装，执行sudo make install后，会安装到自定义目录的相应位置，譬如，我自定义目录： /usr/local/opencv/opencv-3.4.8，下文用OPENCV_DIR_PATH代表。则安装到以下位置：

• /usr/local/opencv/opencv-3.4.8/bin
• /usr/local/opencv/opencv-3.4.8/lib
• /usr/local/opencv/opencv-3.4.8/share

3.3.1 设置扫描路径

设置扫描路径，这块主要针对自定义位置安装，项目编译后产生的可执行文件、库文件、头文件需要被别的项目引用，扫描路径怎么设置？也有两种方式：

• 1.复制opencv.pc至系统pkgconfig文件夹中
• 2.将opencv.pc所在目录设定到环境变量PKG_CONFIG_PATH

OpenCV编译后会在/OPENCV_DIR_PATH/lib/pkgconfig/下产生opencv.pc文件，里面定义了这些路径变量：

image

prefix定义了编译安装的主目录；exec_prefix则是可执行文件目录；然后还有include文件夹目录等等。

通过/usr/bin/下的pkg-config命令，会扫描所有系统/usr/lib/下和环境变量PKG_CONFIG_PATH所定义的所有pkgconfig文件夹，这些文件夹都是存放各个程序编译信息.pc文件，pkg-config扫描后，这些.pc文件保存的编译信息就能被其他项目/程序获取。(.pc文件主要定义了安装程序的主目录prefix、可执行程序目录exec_prefix、lib目录libdir、包含目录includedir、sharedlibdir等，有点类似于环境变量，不过更多是为了程序编译服务的)

# 查看所有系统将会扫描的pkgconfig文件夹路径；
pkg-config --variable pc_path pkg-config
#根据opencv.pc查看其有那些路径变量
pkg-config --print-variables opencv
#查看opencv.pc中prefix变量的值（即其编译安装的位置）
pkg-config --variable prefix opencv

image

自定义安装，我们会在/OPENCV_DIR_PATH/lib/pkgconfig/下发现opencv.pc。于是我们有两种选择： 1.复制opencv.pc至系统pkgconfig文件夹中 **理论上可以将opencv.pc复制到任意一个 **pkg-config --variable pc_path pkg-config 列出的pkgconfig文件夹中，不过最好复制到/usr/local/lib/pkgconfig/下。 例：

cd /OPENCV_DIR_PATH/lib/pkgconfig
sudo cp opencv.pc  /usr/local/lib/pkgconfig

Ubuntu18.04安装后，系统自带了opencv3.2.0，默认将opencv.pc存放在/usr/lib/x86_64-linux-gnu/pkgconfig/下，如果需要将opencv.pc复制到这里，可以先将系统自带的opencv.pc备份下，然后再cp过去。 2.将opencv.pc所在目录设定到环境变量PKG_CONFIG_PATH

#修改bash.bashrc文件
sudo vim /etc/bash.bashrc
# 在最后加入：
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/OPENCV_DIR_PATH/lib/pkgconfig
export PKG_CONFIG_PATH
source /etc/bash.bashrc
#查看变量是否生效
echo $PKG_CONFIG_PATH

3.3.2 设置环境变量

这里有两块：

1.设置OpenCV的环境变量（可选，不建议） 如果编译时默认安装的位置是系统bin和lib文件夹、所以可执行文件和lib文件都可以立即执行。譬如：opencv_version这个可执行程序，由于其路径属于系统路径：usr/bin/opencv_version，故可以在任意shell窗口中直接运行，自定义位置安装的则不可以。故可以为其设置环境变量，不过通常也不需要,原因有两点：1.opencv的可执行命令较少2.通常我们编译OpenCV并不是为了得到其可执行文件，而是为了得到lib文件夹中的.so库文件，供其他程序/项目直接引用。

2.设置Python的cv2包的环境变量（必须） 自定义位置编译时，可能会出现一种情况，编译成功安装成功，OpenCV的c++demo也可以正常运行，但是进入python环境import cv2时会发现找不到包。因为自定义编译时，生成的cv2模块路径是： /OPENCV_DIR_PATH/lib/python3.6/dist-packages 需要将此路径设置加入环境变量PYTHONPATH中，以便于python环境中import时可以找到cv2。

# 新增PYTHONPATH环境变量
sudo vim ~/.bashrc
export PYTHONPATH=$PYTHONPATH:/OPENCV_DIR_PATH//lib/python3.6/dist-packages
#如：export PYTHONPATH=$PYTHONPATH:/usr/local/opencv/opencv-3.4.8/lib/python3.6/dist-packages
source ~/.bashrc

然后，我们就可以正常在python环境中import cv2了。

image

安装好还需要进行配置，见下面【配置】一节

4. 配置

主要是将opencv的lib路径添加到配置，能被系统扫描到，有什么用？其他项目，如darknet构建时需要用到opencv的lib,就可以直接引用到。

sudo gedit /etc/ld.so.conf.d/opencv.conf

将你opencv安装目录/lib路径写入opencv.conf,并保存。如果你编译时是默认安装，路径是： /usr/local/lib。

image

保存后刷新，使配置生效

#刷新lib库目录
sudo ldconfig
#刷新目录缓存
sudo /sbin/ldconfig

有的教程写的是：编辑/etc/ld.so.conf，在最后加入 include /usr/local/lib，效果一样

5. 验证

查看版本

方式一：shell中直接查看

pkg-config opencv --modversion

方式二：python中查看

>>>import cv2;

>>>cv2.__version_``_

Python dmeo

import cv2 as cv
img = cv.imread('/home/lyon/Desktop/helloworld.jpg',1)
cv.imshow('Image',img)
cv.waitKey(0)

效果：桌面弹出一个图片框：

image

C++ demo

找到你的opencv源码包，假如是opencv-3.4.8,cd到opencv-3.4.8/samples/cpp/example_cmake/下执行官方给出的demo,需要执行cmake和make来编译cpp文件：

cmake .
make
./opencv_example

执行demo会调用打开Sample窗口，并调用你本地摄像头显示画面，没有摄像头画面如下：

image

如果你是自定义路径安装的，请注意一下： 看一下CmakeLists.txt的内容：

image

注释中表示，你需要设置变量OpenCV_DIR来找到OpenCVConfig.cmake文件的位置。通常如果你是执行默认位置安装，那么系统默认路径为：/usr/share/OpenCV/OpenCVConfig.cmake。如果你是自定义位置安装，需要通过在CmakeLists.txt中设置OpenCV_DIR变量的路径，来定位到你的Opencv目录，譬如：

set(OpenCV_DIR /usr/local/opencv/opencv-3.4.8/share/OpenCV/)

6. 卸载

卸载相比安装，容易了许多，还是cd到opencv源码主目录/build文件夹下 sudo make uninstall

image

执行sudo make uninstall可将opencv相关的可执行文件、lib文件等从/usr/local/bin/、/usr/local/lib、usr/local/share中删除,不过还是会留空下文件夹，需要手动删除。可以继续执行：sudo make clean 将源码包内的编译相关文件删除、最后在build文件夹内执行sudo rm rf *删除源码包内所有文件。

有用的话，请点个赞哦 ：)

<iframe frameborder="0" allowfullscreen="" src="https://www.zhihu.com/video/1181704421771218944?autoplay=false&useMSE=" style="display: block; width: 688px; height: 387px;"></iframe>

Yolo+Opencv目标检测Demo—西西里