前言：
之前寫過一篇在nano上使用opencv，nano上預設是安裝了opencv的庫，除了nano，我們自己電腦上也想使用opencv做一些平時影像處理驗證。
本來也是看一些資料安裝好的，覺得也沒必要寫。但是實際安裝還是出現了不少問題，所以記錄分享一下。
環境：
系統為ubuntu20.04
cv版本為 4.5
作者：良知猶存
轉載授權以及圍觀：歡迎關注微信公眾號：羽林君
或者新增作者個人微信：become_me
oepncv介紹:
OpenCV的全稱是Open Source Computer Vision Library，是一個跨平臺的計算機視覺庫。OpenCV是由英特爾公司發起並參與開發，以BSD許可證授權發行，可以在商業和研究領域中免費使用。OpenCV可用於開發實時的影像處理、計算機視覺以及模式識別程式。
OpenCV用C++語言編寫（基本上現在新的開發和演算法都是用C++介面），它的主要介面也是C++語言，但是依然保留了大量的C語言介面。該庫也有大量的Python, Java and MATLAB/OCTAVE (版本2.5)的介面。這些語言的API介面函式可以透過線上文件獲取。現在也提供對於C#, Ch,Ruby的支援。
OpenCV可以在Windows, Android, Maemo, FreeBSD, OpenBSD, iOS, Linux和Mac OS等平臺上執行。使用者可以在Github獲得官方版本，或者從Git獲得開發版本。OpenCV也是用CMake.
安裝:
到了安裝環節了，先裝一堆依賴包。
sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev pkg-config
下載opencv，下載地址：https://opencv.org/releases/，大可以點選Sources進行下載自己需要的版本。
剛開始選擇了4.1 安裝出錯之後，選擇了 4.5就一路按照4.1的經驗就裝好了，所以建議裝最新的。
下載之後，我們就開始編譯安裝了，
常規操作：
cd opencv-4.5.5
mkdir build
cmake ../
make
但是事情不是按照命令這麼發展的，命令很少，解決問題確是很多。
cmake編譯的時候，推薦一個cmake圖形化工具，很方便。
sudo apt install cmake-qt-gui
cmake-gui ../
我們Search一欄選擇我們要配置的cmake 選項，然後選擇 generate生成就好了。
cmake ../之後開始make：
make -j8
eigen庫未安裝
遇到fatal error: Eigen/Core: No such file or directory 這個錯誤：
方法1：
執行命令： sudo apt-get install libeigen3-dev 進行安裝。
方法2：
因為我安裝過一次了，所以我檢視了一下我的eigen，使用是locate 查詢了一下，locate eigen3，
/usr/include/eigen3
/usr/include/eigen3/Eigen
發現了我的Eigen在eigen3目錄下。
所以我寫了一個軟鏈進行了連結
sudo ln -s /usr/include/eigen3/Eigen /usr/include/Eigen
繼續編譯 `make -j8
編譯 opencv 出現 internal compiler error:Segmentation fault，並且一直出現。
出錯的原因是（虛擬機器）執行記憶體不足，而大量template的擴充套件需要足夠的記憶體。
下面給大家分享一種方法解決這個報錯，我選擇不管，繼續編譯。
可以通過臨時使用交換分割槽來解決：
sudo dd if=/dev/zero of=/swapfile bs=64M count=16
count的大小就是增加的swap空間的大小，64M是塊大小，所以空間大小是bs*count=1024MB
sudo mkswap /swapfile
把剛才空間格式化成swap格式
sudo swapon /swapfile
使用剛才建立的swap空間
在編譯完成後，最好可以關閉（釋放）交換空間
sudo swapoff /swapfile
sudo rm /swapfile以上交換分割槽方法為引用了別的博主的片段
編譯的時候，也設定 cmake 選項 ENABLE_PRECOMPILED_HEADERS=OFF ，啟用預編譯頭支援。縮短構建時間。
sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ENABLE_PRECOMPILED_HEADERS=OFF
繼續 make -j8
終於編譯完成，進入了安裝階段 make install
sudo make install
可以看到安裝的動態庫和檔案都在/usr/local/目錄裡面
配置全域性環境
OpenCV4預設不生成.pc檔案，所以我們需要自己去設定，也有人建議cmake後再加一條-D OPENCV_GENERATE_PKGCONFIG=ON才會生成。該編譯選項開啟生成opencv4.pc檔案，就支援pkg-config功能，這個部分大家可以自行去嘗試一下，我自己使用了手動新增的方法，比較笨，但是可以用。
cd /usr/local/lib
sudo mkdir pkgconfig && cd pkgconfig
sudo vi opencv.pc
檔案內容如下：對應的Version大家按照自己的版本修改，libs內容需要微調，後面有給我自己的情況。
prefix=/usr/local
exec_prefix=${prefix}
includedir=/usr/local/include
libdir=/usr/local/lib
Name: OpenCV
Description: Open Source Computer Vision Library
Version: 4.5.5
Libs: -L${exec_prefix}/lib -lopencv_stitching -lopencv_superres -lopencv_videostab -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dpm -lopencv_face -lopencv_photo -lopencv_freetype -lopencv_fuzzy -lopencv_hdf -lopencv_hfs -lopencv_img_hash -lopencv_line_descriptor -lopencv_optflow -lopencv_reg -lopencv_rgbd -lopencv_saliency -lopencv_stereo -lopencv_structured_light -lopencv_phase_unwrapping -lopencv_surface_matching -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot -lopencv_xfeatures2d -lopencv_shape -lopencv_video -lopencv_ml -lopencv_ximgproc -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_videoio -lopencv_flann -lopencv_xobjdetect -lopencv_imgcodecs -lopencv_objdetect -lopencv_xphoto -lopencv_imgproc -lopencv_core
Libs.private: -ldl -lm -lpthread -lrt
Cflags: -I${includedir}
後續在使用makefile -L連結時候 發現本機上面-lopencv_xfeatures2d 沒有此動態庫，所以就去掉了，大家也可以自行去測試，有些部分的版本有點區別，對應makefile的操作，大家可以移步看我之前的文章：jetson-nano opencv基礎使用
sudo vi /etc/bash.bashrc
修改bash.bashrc檔案，增加如下檔案
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH
再執行source /etc/bash.bashrc
這樣之後，我們就可以pkg-config查詢對應安裝好的opencv資訊了
pkg-config --modversion opencv
pkg-config --libs opencv
此外我們也可以通過使用python3 import cv2的方法查詢opencv是否安裝成功
lyn@lyn:/usr/local/lib/pkgconfig$ python3
Python 3.8.10 (default, Nov 26 2021, 20:14:08)
[GCC 9.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> print(cv2.__version__)
4.5.5
>>>
對應的截圖：
十幾行C++程式碼實現一個人臉識別
#include <stdio.h>
#include <iostream>
#include <vector>
#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;
void face_detection_demo()
{
std::string root_dir = "/home/lyn/Documents/opencv/learn_code/face_detector/";
dnn::Net net = dnn::readNetFromTensorflow(root_dir+ "opencv_face_detector_uint8.pb", root_dir+"opencv_face_detector.pbtxt");
VideoCapture capture(0);
Mat frame;
while (true) {
capture.read(frame);
if (frame.empty()) {
break;
}
flip(frame, frame, 1);//左右翻轉 y對稱
Mat blob = dnn::blobFromImage(frame, 1.0, Size(300, 300), Scalar(104, 177, 123), false, false);
net.setInput(blob);// NCHW
Mat probs = net.forward(); //
Mat detectionMat(probs.size[2], probs.size[3], CV_32F, probs.ptr<float>());
// 解析結果
for (int i = 0; i < detectionMat.rows; i++) {
float confidence = detectionMat.at<float>(i, 2);
if (confidence > 0.5) {
int x1 = static_cast<int>(detectionMat.at<float>(i, 3)*frame.cols);
int y1 = static_cast<int>(detectionMat.at<float>(i, 4)*frame.rows);
int x2 = static_cast<int>(detectionMat.at<float>(i, 5)*frame.cols);
int y2 = static_cast<int>(detectionMat.at<float>(i, 6)*frame.rows);
Rect box(x1, y1, x2 - x1, y2 - y1);
rectangle(frame, box, Scalar(0, 0, 255), 2, 8, 0);
}
}
imshow("人臉檢測演示", frame);
int c = waitKey(1);
if (c == 27) { // 退出
break;
}
}
}
int main(int argc,char **argv) {
face_detection_demo();
return 0;
}
CMakeLists.txt檔案
cmake_minimum_required( VERSION 2.8 )
project(opencv_test)
set(CMAKE_CXX_FLAGS "-std=c++14 ${CMAKE_CXX_FLAGS} -Wall -Wformat -Wformat-security -Werror=format-security -Wunreachable-code")
find_package(OpenCV REQUIRED)
include_directories(${OpenCV_INCLUDE_DIRS})
add_executable(opencv_test main.cpp )
target_link_libraries(opencv_test ${OpenCV_LIBS})
對應的CMakeLists.txt檔案和jetson-nano opencv基礎使用基本一樣。詳細註解大家可以移步去看這篇文章。
上面那兩個檔案是呼叫opencv裡面dnn的例子，對應的檔案獲取方式如下：
涉及到pb檔案需要下載，有可能出現下載失敗的情況，如果大家需要這個檔案，也可以加我微信，我私發給需要的朋友們。
其中opencv_face_detector.pbtxt檔案在samples/dnn/face_detector/目錄中
cd opencv-4.5.5/samples/dnn/face_detector/
ls
opencv_face_detector_uint8.pb比較麻煩些，需要下載。方式如下：
cd opencv-4.5.5/samples/dnn
python3 download_models.py
有Caffe模型，還有tensorflow模型。我們用的tensorflow模型，opencv_face_detector_uint8.pb檔案就是從這裡來。
Scalar(104, 177, 123)這個引數是/opencv-4.5.5/samples/dnn裡面對應的，models.yml檔案裡面有。
如上所示，我也是直接使用了。
最終實現效果如下：
結語
這就是我自己安裝opencv的過程分享。如果大家有更好的想法和需求，也歡迎大家加我好友交流分享哈。
作者：良知猶存，白天努力工作，晚上原創公號號主。公眾號內容除了技術還有些人生感悟，一個認真輸出內容的職場老司機，也是一個技術之外豐富生活的人，攝影、音樂 and 籃球。關注我，與我一起同行。
‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧ END ‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧
推薦閱讀
【3】CPU中的程式是怎麼執行起來的 必讀
本公眾號全部原創乾貨已整理成一個目錄，回覆[ 資源 ]即可獲得。