Ubuntu 20.04 安装 OpenCV 和 OpenCV

Ubuntu 20.04 安装 OpenCV 和 OpenCV_contrib 教程

- - Ubuntu 20.04 安装 OpenCV 和 OpenCV_contrib 教程
  - - 前言
  - OpenCV
  - - 概述
    - 核心功能
    - 优势特点
    - 应用领域
    - 安装与使用
  - OpenCV_contrib
  - - 概述
    - 核心功能
    - 具体模块
  - 安装与使用
  - - 一、准备工作
    - 二、下载OpenCV和OpenCV_contrib
    - 三、编译和安装OpenCV
    - 四、配置环境变量
    - 五、验证安装
    - 六、总结
    - 七、安装时遇到的问题

Ubuntu 20.04 安装 OpenCV 和 OpenCV_contrib 教程

前言

在Ubuntu 20.04上安装OpenCV和OpenCV_contrib可以为你提供强大的计算机视觉和图像处理功能。它们各自具有独特的特点和功能。以下是对它们的详细介绍：

OpenCV

概述

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，自1999年由Intel建立以来，凭借其强大的功能和广泛的应用，迅速成为计算机视觉领域的核心力量。它提供了丰富的工具和功能，广泛应用于图像处理、视频分析、视图重建、物体识别、面部识别等领域。

核心功能

OpenCV的功能覆盖了图像处理的各个方面，主要包括但不限于以下几点：

图像处理：支持图像的加载、保存、调整大小、旋转、裁剪、滤波、边缘检测等操作。OpenCV提供的直方图均衡化、图像平滑等功能，能够有效改善图像质量，为后续处理奠定基础。
物体检测与跟踪：集成了多种目标检测和跟踪算法，如Haar级联检测器、HOG特征检测器、卡尔曼滤波器等，广泛应用于人脸检测、行人检测、车牌识别等场景。
特征提取与匹配：包括角点检测、描述符提取、特征匹配等功能，有助于从图像中提取关键信息并进行比较和分析。
机器学习：集成了分类、聚类、回归等机器学习算法，方便进行模式识别和数据挖掘。
深度学习：与主流深度学习框架（如TensorFlow、PyTorch）集成，支持神经网络模型的训练和推断，推动计算机视觉技术的进一步发展。
视频分析：包括视频捕捉、视频处理、目标跟踪、视频稳定等功能，适用于监控和安全等应用。

优势特点

开源性：作为开源项目，OpenCV允许任何人自由地使用、修改及分发其源代码。
跨平台兼容性：支持Windows、Linux、Mac等多个操作系统，展现了出色的灵活性和广泛适用性。
高效性能：基于C/C++的底层设计使得OpenCV在图像处理任务中表现卓越，计算能力出众。
可扩展接口：除C/C++外，还提供Python等语言接口，便于开发者根据需求进行个性化扩展和定制。

应用领域

OpenCV的广泛应用领域使其成为连接多个行业的桥梁，包括但不限于：

智能监控：通过人脸检测、行为分析等技术，提高监控系统的智能化水平。
自动驾驶：在车辆识别、道路检测、障碍物避让等方面发挥重要作用。
医学图像处理：辅助医生进行病灶检测、手术规划等。
工业检测：实现产品质量检测、自动化生产等。
农业图像分析：监测作物生长状况、病虫害识别等。
机器人技术：为机器人提供视觉感知能力，实现自主导航、目标抓取等功能。

安装与使用

以Python用户为例，可以通过pip命令安装OpenCV库：

pip install opencv-python

或者使用conda进行安装：

conda install -c conda-forge opencv

安装完成后，便可以在Python项目中导入OpenCV库，并使用其提供的函数和类进行图像处理或计算机视觉任务。

OpenCV_contrib

概述

OpenCV_contrib是OpenCV的一个扩展库，主要用于开发和维护OpenCV的额外模块。这些模块通常包含高级功能、实验性功能以及社区贡献的功能扩展，为开发者提供了更广泛的工具选择，以处理复杂的视觉任务。

核心功能

OpenCV_contrib项目包含了许多额外的功能模块，这些模块通常具有以下特点：

高级功能：包括但不限于深度学习、增强现实、3D重建等高级计算机视觉功能。
实验性功能：这些模块可能还在开发中，API可能不稳定，因此不适合直接集成到OpenCV的主库中。
社区贡献：许多模块是由社区开发者贡献的，提供了丰富的功能扩展。

具体模块

OpenCV_contrib包含了一系列先进的算法和技术，如：

Face Detection and Recognition：提供了基于深度学习的dnn模块，可以用于实时的人脸检测和识别。
Super Resolution：superres模块提供了图像超分辨率重建算法，能够提升低清晰度图片的质量。
Structure from Motion (SfM)：使用sfm模块可以从多视角图像中恢复场景的三维结构。
Feature Detectors and Descriptors：xfeatures2d提供了许多特征检测和描述符，如AKAZE、SURF等，这些在对象识别和图像匹配中非常有用。

此外，OpenCV_contrib还引入了实验性的模块，例如optflow（光流估计）、text（文本检测和识别）以及aruco（AR标记），这些都对研究者和开发者极其有价值。

安装与使用

OpenCV_contrib的安装通常需要与OpenCV主库一起进行编译。确保OpenCV和OpenCV_contrib的版本一致，本教程将指导你如何一步步安装OpenCV和OpenCV_contrib，并确保配置正确。。安装完成后，便可以在项目中导入并使用OpenCV_contrib提供的额外模块和功能。

一、准备工作

更新系统软件包

首先，确保你的系统软件包是最新的。打开终端，输入以下命令：
```
sudo apt update
sudo apt upgrade
```

在这里插入图片描述
2. 安装依赖项

安装OpenCV和OpenCV_contrib所需的依赖项：

sudo apt install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

在这里插入图片描述

二、下载OpenCV和OpenCV_contrib

创建工作目录

首先，创建一个工作目录来存放OpenCV和OpenCV_contrib的源码：
```
mkdir ~/opencv_build
cd ~/opencv_build
```

在这里插入图片描述
2. 克隆OpenCV和OpenCV_contrib的源码

如果希望安装最新版可直接使用git clone命令从GitHub上克隆OpenCV和OpenCV_contrib的源码：

git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git

如果希望下载指定版本有两种方式：
官网下载：https://opencv.org/releases/
在这里插入图片描述
如果要下载对应的opencv_contrib，需要在github仓库进行(如图)：
https://github.com/opencv

进入指定仓库，找到Release，进行源码下载：

解压指令：
zip:解压到当前文件夹

    unzip opencv-4.10.0.zip

tar.gz:

    tar -zxvf opencv-4.10.0.tar.gz

将opencv和对应版本的opencv_contrib全部解压。
在这里插入图片描述

三、编译和安装OpenCV

创建build目录

在OpenCV源码目录下创建一个build目录，并进入该目录：
```
cd ~/opencv_build/opencv-4.10.0
mkdir build
cd build
```

在这里插入图片描述

使用CMake配置OpenCV构建

使用cmake命令配置OpenCV的构建选项，包括指定OpenCV_contrib的路径：

cmake -D CMAKE_BUILD_TYPE=Release \
-D CMAKE_INSTALL_PREFIX=/usr/local/opencv4.10 \
-D OPENCV_EXTRA_MODULES_PATH=/root/workspace/programs/opencv_build/opencv_contrib-4.10.0/modules \
-D OPENCV_GENERATE_PKGCONFIG=YES \
-D BUILD_opencv_world=YES \
-D BUILD_opencv_python2=OFF \
-D BUILD_opencv_python3=ON \
-D PYTHON_DEFAULT_EXECUTABLE=/root/workspace/anaconda3/envs/dscnet/bin/python3 \
-D PYTHON3_EXECUTABLE=/root/workspace/anaconda3/envs/dscnet/bin/python3 \
-D PYTHON3_LIBRARY=/root/workspace/anaconda3/envs/dscnet/lib/libpython3.8.so \
-D PYTHON_INCLUDE_DIR=/root/workspace/anaconda3/envs/dscnet/include/python3.8 \
-D PYTHON3_NUMPY_INCLUDE_DIRS=/root/workspace/anaconda3/envs/dscnet/lib/python3.8/site-packages/numpy/core/include \
-D PYTHON3_PACKAGES_PATH=/root/workspace/anaconda3/envs/dscnet/lib/python3.8/site-packages ..

在这里插入图片描述

注意：-D OPENCV_EXTRA_MODULES_PATH选项指定了OpenCV_contrib的modules目录的路径。
如果该命令中不加-D CMAKE_INSTALL_PREFIX=/usr/local/opencv4.10,则默认各部分分别安装在/usr/local/目录的include/, bin/, lib/3个文件夹下。

-D OPENCV_GENERATE_PKGCONFIG=YES: OpenCV4以上版本默认不使用pkg-config，该编译选项开启生成opencv4.10.pc文件，支持pkg-config功能。

-D WITH_CUDA=ON实现和cuda的联合编译。

后面关于python的路径设置以已安装anaconda的设定为准，需要注意的是python版本和你使用的虚拟环境一致。

这里有时候偶尔会报错"fatal error: numpy/ndarrayobject.h: 没有那个文件或目录"，解决方法：打开对应虚拟环境的python输入

import numpy as np
np.get_include()

按照这个输出路径重新配置PYTHON3_NUMPY_INCLUDE_DIRS，然后再cmake。
注意：如果是在build目录下进行cmake，一定不要忘了最后的两个点cmake xxx ..

编译和安装OpenCV

使用make命令编译OpenCV，并使用sudo make install命令安装：
```
make -j$(nproc)
sudo make install
```
注意：-j$(nproc)选项会利用你系统的所有核心来加速编译过程。

四、配置环境变量

更新动态链接库配置

在/etc/ld.so.conf.d/目录下创建一个新的配置文件，并添加OpenCV库的路径：
```
sudo nano /etc/ld.so.conf.d/opencv.conf
```
在文件中添加以下内容：
```
/usr/local/lib
```
保存并关闭文件，然后运行sudo ldconfig命令来更新动态链接库配置。
配置环境变量

打开/etc/bash.bashrc文件，并添加以下行来配置环境变量：
```
sudo nano /etc/bash.bashrc
```
在文件末尾添加以下内容：
```
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH
```
保存并关闭文件，然后运行source /etc/bash.bashrc命令来使更改生效。

五、验证安装

检查OpenCV版本

在终端输入以下命令来检查OpenCV的版本：
```
pkg-config --modversion opencv4
```
如果输出了OpenCV的版本号，则表示安装成功。
编译和运行示例程序

进入OpenCV的samples目录，并编译和运行一个示例程序来验证安装：
```
cd ~/opencv_build/opencv/samples/cpp/example_cmake
cmake .
make
./opencv_example
```
如果程序成功运行并显示了一个窗口，则表示OpenCV和OpenCV_contrib已经正确安装和配置。

六、总结

通过以上步骤，你已经成功在Ubuntu 20.04上安装了OpenCV和OpenCV_contrib，并进行了基本的配置和验证。现在你可以开始使用OpenCV进行各种计算机视觉和图像处理任务了。

七、安装时遇到的问题

ippicv_2020_lnx_intel64_20191018_general.tgz下载不了
手动下载ippicv_2020_lnx_intel64_20191018_general.tgz

https://github.com/opencv/opencv_3rdparty/blob/ippicv/master_20191018/ippicv/ippicv_2020_lnx_intel64_20191018_general.tgz(根据错误信息更新)

上传至/home/test(自定义目录）下

修改ippicv.cmake

 set(THE_ROOT "${OpenCV_BINARY_DIR}/3rdparty/ippicv")ocv_download(FILENAME ${OPENCV_ICV_NAME}HASH ${OPENCV_ICV_HASH}URL"${OPENCV_IPPICV_URL}""$ENV{OPENCV_IPPICV_URL}""https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}/ippicv/"DESTINATION_DIR "${THE_ROOT}"ID IPPICVSTATUS resUNPACK RELATIVE_URL)

改为

 set(THE_ROOT "${OpenCV_BINARY_DIR}/3rdparty/ippicv")ocv_download(FILENAME ${OPENCV_ICV_NAME}HASH ${OPENCV_ICV_HASH}URL"${OPENCV_IPPICV_URL}""$ENV{OPENCV_IPPICV_URL}""file:///home/test/"DESTINATION_DIR "${THE_ROOT}"ID IPPICVSTATUS resUNPACK RELATIVE_URL)

ade-v0.1.1f.zip下载不了
手动下载

https://github.com/opencv/ade/archive/v0.1.1f.zip(根据错误信息更新)

上传至/home/test

修改DownloadADE.cmake

ocv_download(FILENAME ${ade_filename}HASH ${ade_md5}URL"${OPENCV_ADE_URL}""$ENV{OPENCV_ADE_URL}""https://github.com/opencv/ade/archive/"DESTINATION_DIR ${ade_src_dir}ID ADESTATUS resUNPACK RELATIVE_URL)

改为

ocv_download(FILENAME ${ade_filename}HASH ${ade_md5}URL"${OPENCV_ADE_URL}""$ENV{OPENCV_ADE_URL}""file:///home/test/"DESTINATION_DIR ${ade_src_dir}ID ADESTATUS resUNPACK RELATIVE_URL)

注意，修改是最后的斜杠（/）不能丢

问题：编译OpenCV 4.10.0，显示出错：

/usr/bin/ld: /lib/x86_64-linux-gnu/libwayland-client.so.0: undefined reference to ffi_type_uint32@LIBFFI_BASE_7.0’
/usr/bin/ld: /lib/x86_64-linux-gnu/libwayland-client.so.0: undefined reference to ffi_type_sint32@LIBFFI_BASE_7.0' /usr/bin/ld: /lib/x86_64-linux-gnu/libwayland-client.so.0: undefined reference to ffi_type_pointer@LIBFFI_BASE_7.0’
/usr/bin/ld: /lib/x86_64-linux-gnu/libwayland-client.so.0: undefined reference to ffi_type_void@LIBFFI_BASE_7.0' /usr/bin/ld: /lib/x86_64-linux-gnu/libwayland-client.so.0: undefined reference to ffi_prep_cif@LIBFFI_BASE_7.0
/usr/bin/ld: /lib/x86_64-linux-gnu/libwayland-client.so.0: undefined reference to ffi_call@LIBFFI_BASE_7.0' collect2: error: ld returned 1 exit status make[2]: *** [apps/annotation/CMakeFiles/opencv_annotation.dir/build.make:104：bin/opencv_annotation] 错误 1 make[1]: *** [CMakeFiles/Makefile2:3208：apps/annotation/CMakeFiles/opencv_annotation.dir/all] 错误 2 make[1]: *** 正在等待未完成的任务....

问题分析：系统的动态链接库和Anaconda的动态链接库指向的版本不同，因此编译出错。

解决方法：先下载一个工具包locate。比find好用。

$ sudo apt install locate
$ sudo updatedb

然后用内置命令ldd查看出现问题的libwayland-client.so.0当中，所依赖的ffi这个库的叫什么。

$ ldd /lib/x86_64-linux-gnu/libwayland-client.so.0 | grep ffi

我们可以发现依赖的这个库叫做libffi.so.7。
在这里插入图片描述
之后locate这个文件，发现除了/usr/lib/x86_64-linux-gnu之外，我的Anaconda安装目录/lib下面也有一个libffi.so.7。输入以下命令分别查看两个libffi.so.7链接的动态库文件：

查看系统的libffi

$ ll /lib/x86_64-linux-gnu/ | grep ffi

查看Anaconda的libffi

$ ll ~/anaconda3/lib/ | grep ffi

结果显示系统的libffi.so.7指向了7.1.0版本，而Anaconda下的指向了8.1.2版本。
在这里插入图片描述

因此，把anaconda下的libffi.so.7指向系统的7.1.0就可以了。

$ cd (你的Anaconda安装目录)/lib
$ sudo rm libffi.so.7
$ sudo ln -s /lib/x86_64-linux-gnu/libffi.so.7.1.0 libffi.so.7

再次查看Anaconda下的ffi，发现libffi.so.7已经指向了lib/x86_64-linux-gnu/libffi.so.7.1.0。
在这里插入图片描述
再次编译OpenCV，通过。

总结：当编译程序的时候，如果安装了Anaconda，经常会出现动态链接库的依赖指向问题。保证系统和Anaconda的依赖库版本一致，可以避免一些Bug。

ldd这个命令常用来打印或者查看程序运行所需的共享库(访问共享对象依赖关系)，可以解决程序因缺少某个库文件而不能运行的一些问题。
————————————————

问题参考原文链接