异常教程

OpenCV 安装(C++)（长文讲解）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

前言：探索计算机视觉的起点

在人工智能和计算机视觉领域，OpenCV（Open Source Computer Vision Library）是一个不可或缺的开源工具库。它提供了数百种算法，覆盖图像处理、目标检测、视频分析等场景。然而，许多开发者在初次接触OpenCV时，常常被复杂的安装流程所困扰。本文将通过 循序渐进 的方式，详细讲解 OpenCV 安装(C++) 的完整步骤，并结合实际案例，帮助编程初学者和中级开发者快速上手。

安装前的准备工作：打好基础，避免“踩坑”

1. 硬件与软件环境要求

安装OpenCV前，需确保开发环境满足以下条件：

  • 操作系统：Windows、macOS 或 Linux（本文以 Windows 和 Ubuntu 为例）。
  • 开发工具：C++ 编译器（如 Visual Studio 或 GCC）。
  • 依赖库：部分操作系统可能需要额外安装编译工具链或依赖库（如 Python、NumPy 等）。

比喻：安装OpenCV如同搭建乐高积木

想象你正在组装一套复杂的乐高模型：每个零件（如编译器、依赖库）必须正确放置，才能构建出完整的系统。若某块零件缺失，整个模型将无法运转。因此，安装前的环境检查至关重要。

2. 选择安装方式

OpenCV 提供了两种安装方式：预编译包安装和从源代码编译。

预编译包安装（推荐初学者）

  • 优点：无需编译，步骤简单，适合快速入门。
  • 适用场景：Windows 或 macOS 用户，且无需自定义编译参数（如启用特定模块）。

从源代码编译（适合进阶用户）

  • 优点：可自由配置模块（如启用 CUDA 加速），适合高性能需求场景。
  • 缺点：步骤复杂，需熟悉编译工具链。

步骤详解：以 Windows 系统为例

1. 安装 C++ 编译器与 Visual Studio

若尚未安装开发环境，可下载并安装 Visual Studio（免费社区版）。在安装过程中，勾选 “使用 C++ 的桌面开发” 负载，确保编译器和工具链已配置。

案例：验证编译器是否安装成功

打开命令提示符（CMD），输入以下命令：

cl.exe

若显示 Microsoft C++ 编译器版本信息，则说明环境已配置成功。

2. 下载并安装 OpenCV 预编译包

  1. 访问 OpenCV 官方下载页面 ，下载最新版本的 Windows 预编译包（如 opencv-4.9.0-vc16.exe）。
  2. 运行安装程序，选择 Typical（典型安装），并记录安装路径（默认路径为 C:\opencv）。

注意事项：路径中的空格可能导致配置问题

例如，若安装路径为 C:\Program Files\opencv，空格可能引发环境变量配置错误。建议将路径设置为无空格的目录（如 C:\opencv）。

3. 配置环境变量

  1. 打开 系统属性 → 高级系统设置 → 环境变量。
  2. 在 系统变量 中添加 OPENCV_DIR，值为 OpenCV 安装路径（如 C:\opencv）。
  3. 将 OpenCV 的 bin 目录（如 C:\opencv\bin）添加到 Path 环境变量中。

验证环境变量是否生效

在 CMD 中输入：

echo %OPENCV_DIR%

若显示安装路径，则配置成功。

验证安装：编写第一个 OpenCV 程序

1. 创建并配置项目

以 Visual Studio 为例：

  1. 新建 空项目，右键项目 → 添加 → 新建项 → 输入 C++ 文件（如 main.cpp）。
  2. 在项目属性中，添加 OpenCV 的头文件和库文件路径：
    • VC++ 目录 → 包含目录：添加 %OPENCV_DIR%\include。
    • VC++ 目录 → 库目录：添加 %OPENCV_DIR%\x64\vc16\lib（根据实际路径调整）。
  3. 链接 OpenCV 库：
    • 链接器 → 输入 → 附加依赖项：添加 opencv_world490.lib（版本号可能不同）。

2. 编写测试代码

以下代码演示如何读取并显示图像：

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

int main() {  
    // 读取图像（路径需替换为本地路径）  
    cv::Mat image = cv::imread("C:/path/to/image.jpg");  

    if (image.empty()) {  
        std::cout << "Error: Could not open or find the image!" << std::endl;  
        return -1;  
    }  

    // 创建窗口并显示图像  
    cv::namedWindow("OpenCV Test", cv::WINDOW_NORMAL);  
    cv::imshow("OpenCV Test", image);  
    cv::waitKey(0); // 按任意键关闭窗口  

    return 0;  
}

运行结果：成功显示图像即表示安装成功

若程序运行时出现黑窗或崩溃，需检查以下内容：

  • 图像路径是否正确。
  • 库文件路径是否在项目属性中正确配置。

Ubuntu 系统下的安装步骤

1. 更新系统与安装依赖

打开终端，执行以下命令：

sudo apt update  
sudo apt install build-essential cmake git libgtk-3-dev \  
    libavcodec-dev libavformat-dev libswscale-dev libv4l-dev \  
    libxvidcore-dev libx264-dev libjpeg-dev libpng-dev libtiff-dev \  
    gfortran openexr libatlas-base-dev python3-dev python3-numpy

2. 从源代码编译 OpenCV

  1. 克隆 OpenCV 仓库： 
    git clone https://github.com/opencv/opencv.git  
cd opencv  
git checkout 4.9.0  # 切换到所需版本
  2. 创建构建目录并编译： 
    mkdir build  
cd build  
cmake -D CMAKE_BUILD_TYPE=Release \  
      -D CMAKE_INSTALL_PREFIX=/usr/local \  
      -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \  
      -D BUILD_EXAMPLES=ON ..  
make -j$(nproc)  # 使用多线程加速编译  
sudo make install

3. 验证安装

编译并运行示例代码：

#include <opencv2/opencv.hpp>  

int main() {  
    cv::VideoCapture cap(0); // 打开摄像头  
    if (!cap.isOpened()) {  
        std::cerr << "Error: Could not open camera!" << std::endl;  
        return -1;  
    }  

    cv::Mat frame;  
    while (true) {  
        cap >> frame;  
        cv::imshow("Camera Feed", frame);  
        if (cv::waitKey(30) >= 0) break;  
    }  

    return 0;  
}

编译命令：

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

运行后，应显示实时摄像头画面。

常见问题与解决方案

1. 编译时出现“未找到 opencv_world4xx.lib”

原因：未正确配置库路径或依赖项缺失。
解决方法：

  • 检查项目属性中的 库目录 是否包含 OpenCV 的 lib 文件夹。
  • 确保安装的 OpenCV 版本与项目配置的库名称匹配（如 opencv_world490.lib 对应 4.9.0 版本）。

2. 运行时出现“无法找到 opencv_world4xx.dll”

原因：动态链接库（DLL）未被系统识别。
解决方法：

  • 将 OpenCV 的 bin 目录（如 C:\opencv\bin）添加到系统环境变量 Path 中。
  • 或将 opencv_world4xx.dll 复制到可执行文件的同级目录。

实战案例：图像边缘检测

代码示例：使用 Canny 算法

#include <opencv2/opencv.hpp>  

int main() {  
    cv::Mat image = cv::imread("input.jpg", cv::IMREAD_GRAYSCALE);  
    if (image.empty()) {  
        std::cerr << "Error: Image not found!" << std::endl;  
        return -1;  
    }  

    cv::Mat edges;  
    cv::Canny(image, edges, 100, 200); // 参数调整阈值  

    cv::imshow("Original", image);  
    cv::imshow("Edges", edges);  
    cv::waitKey(0);  

    return 0;  
}

案例解析：

  • Canny 算法：通过梯度计算和非极大值抑制，检测图像边缘。
  • 参数说明：
    • 100：低阈值，用于连接边缘断点。
    • 200：高阈值，用于确定强边缘。

结论：迈向计算机视觉的下一步

通过本文的 分步指导，开发者应已掌握 OpenCV 安装(C++) 的核心方法，并通过案例验证了安装的正确性。无论是图像处理、视频分析还是实时摄像头应用，OpenCV 都能提供强大的支持。

对于初学者，建议从简单项目（如图像缩放、颜色转换）开始实践；中级开发者可尝试结合深度学习框架（如 TensorFlow 或 PyTorch）构建更复杂的系统。

记住：技术的掌握如同学习游泳——只有不断实践，才能真正“游起来”。现在，你已准备好探索计算机视觉的广阔世界了！

关键词布局回顾：本文围绕“OpenCV 安装(C++)”展开，通过步骤解析、案例和问题解决，确保读者能高效完成安装并开始开发。

最新发布

查看更多文章