最近由于工作中需要利用opencv进行图像识别，生产环境是java的，jar包和动态链接库需要本地编译生成，比较费时间。为了方便测试算法，花了一点时间在本地anaconda中配置了一个python的opencv开发环境，现将步骤分享给大家。
1. 安装anaconda
前往官网下载地址，下载对应操作系统的安装包，按照步骤安装即可。
2. 配置anaconda仓库国内镜像提高下载速度
用过类似pip之类的包管理工具的同学应该都知道我们通常需要配置国内的镜像，否则我们将会获得生不如死的包下载速度，通常是以kb为单位的。好在anaconda仓库在国内有很多镜像，我们这里以清华大学的TUNA为例，只需在命令行执行以下命令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
即可添加 Anaconda Python 免费仓库，添加完后运行 conda install numpy 测试一下吧，速度是不是快得飞起？我们从anaconda官方仓库中搜索opencv可以发现，opencv安装包位于名为conda-forge的目录下，而'conda-forge'这个源TUNA上也有维护，我们只需添加进我们的conda配置中即可：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
3. 创建anaconda虚拟环境
最新的opencv 3.4.1用过anaconda的同学们应该很熟悉环境创建命令了，没用过的也没关系，这个命令很简单：
$ conda install [待安装的包名称]
而上面我们提到opencv位于'conda-forge'目录下，因此我们需要在执行'install'命令时加入'-c'选项来指定安装目录，不过在安装之前我们需要确认以下所需的python版本：
$ conda search -c conda-forge --spec 'opencv=3*'
我们可以看到，opencv最新的3.4.1版本可以支持python 2.7,3.5以及3.6：
3.4.1 py27_blas_openblas_200 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge [blas_openblas]
3.4.1 py35_blas_openblas_200 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge [blas_openblas]
3.4.1 py36_blas_openblas_200 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge [blas_openblas]
因此我们启动一个python3.6的anaconda环境：
$ conda create -n opencv python=3.6
进入这个环境：
$ source activate opencv
安装opencv
$ conda install -c conda-forge opencv
等待几分钟后opencv就会安装好了。
4. 验证opencv安装
验证opencv安装很简单，进入python控制台，输几行命令：
(opencv) laiyi@localhost:/$ python
Python 3.6.2 |Continuum Analytics, Inc.| (default, Jul 20 2017, 13:14:59)
[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> cv2.__version__
'3.4.1'
>>>
看到opencv版本号输出成功后，我们的安装就宣告成功了。
