部署 OpenCV

1.更新源

sudo apt-get update

2.安装相关依赖

sudo apt-get install python3 python3-pip python3-dev python3-numpy

sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install cmake git pkg-config

3.克隆 OpenCV

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

4.部署 OpenCV

方法1：安装 OpenCV 的预编译版本

预编译版本通常会落后于 pip 和 github 的一个版本

sudo apt-get install libopencv-dev python3-opencv

方法2：通过 pip 安装 OpenCV

同时安装基础版和完整版会因命名而冲突，只能二选一安装

若已安装其中一个，需先卸载

pip uninstall opencv-python opencv-contrib-python

基础版（仅核心模块）

带基础功能（如基础图像处理、视频操作等）

pip install opencv-python

如果上面的命令报错，在末尾加上 --break-system-packages 再尝试

pip install opencv-python --break-system-packages

完整版（包含额外模块如 contrib、repository）

需要高级功能（如深度学习模型部署、人脸识别等）

pip install opencv-contrib-python --break-system-packages

方法3：从源代码编译安装

克隆 contrib

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

创建一个构建目录

cd opencv

mkdir build

cd build

运行 cmake 配置

这一步比较慢

cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D INSTALL_C_EXAMPLES=ON \
      -D INSTALL_PYTHON_EXAMPLES=ON \
      -D OPENCV_GENERATE_PKGCONFIG=ON \
      -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \
      -D BUILD_EXAMPLES=ON \
      -D WITH_FFMPEG=ON \
      -D WITH_CUDA=OFF \
      -D PYTHON3_EXECUTABLE=$(which python3) \
      -D PYTHON3_INCLUDE_DIR=$(python3 -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") \
      -D PYTHON3_LIBRARY=$(python3 -c "import distutils.sysconfig as sysconfig; print(sysconfig.get_config_var('LIBDIR'))") \
      -D PYTHON3_NUMPY_INCLUDE_DIRS=$(python3 -c "import numpy; print(numpy.get_include())") ..

参数说明：

CMAKE_BUILD_TYPE：指定构建类型（RELEASE：优化编译；DEBUG：包含调试信息；RELWITHDEBINFO：优化编译但保留调试信息；MINSIZEREL：最小体积）

CMAKE_INSTALL_PREFIX：指定 OpenCV 的安装路径

INSTALL_C_EXAMPLES：是否安装 C语言示例代码

INSTALL_PYTHON_EXAMPLES：是否安装 Python 示例代码

OPENCV_GENERATE_PKGCONFIG：生成 opencv4.pc 文件（供 pkg-config 工具使用）

OPENCV_EXTRA_MODULES_PATH：指定 OpenCV 扩展模块（如 SIFT、SURF、DNN 等）的路径

BUILD_EXAMPLES：是否编译示例代码

WITH_FFMPEG：启用 FFmpeg 支持（用于视频编解码）

WITH_CUDA：禁用 CUDA（如需启用需安装 NVIDIA 驱动和 CUDA ）

PYTHON3_EXECUTABLE：指定 Python 解释器路径

PYTHON3_INCLUDE_DIR：指定 Python 头文件路径

PYTHON3_LIBRARY：指定 Python 共享库文件

PYTHON3_NUMPY_INCLUDE_DIRS：指定 NumPy 头文件路径

编译和安装

这一步非常慢

make -j$(nproc)

安装编译内容

sudo make install

更新动态链接器缓存

sudo ldconfig

返回用户目录

cd ~/

5.验证安装

如果没有返回错误，并且输出了 OpenCV 的版本号，这表示安装成功

python3 -c "import cv2; print(cv2.__version__)"

示例

在 opencv/samples/python 下已有一些示例

我们也可以尝试自己写

进入 opencv 目录

cd opencv

示例1：调用摄像头，并生成窗口实时预览

新建 Camera-Preview.py

sudo nano Camera-Preview.py

并添加以下内容

# 实时捕获摄像头

import numpy as np
import cv2

# 打开编号 0 的摄像头
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    frame = cv2.flip(frame, 1) # -1 垂直翻转摄像头

    # 彩色视频
    cv2.imshow('frame', frame)

    # 黑白视频
    # gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # cv2.imshow('gray', gray)

    k = cv2.waitKey(30) & 0xff
    if k == 27: break # 按 ESC 结束

cap.release()
cv2.destroyAllWindows()

按 Ctrl+O 保存，按 Ctrl+X 关闭

使用 Python3 运行 Camera-Preview.py

python3 Camera-Preview.py

可以看到新窗口中能实时预览摄像头

示例2：实时检测人脸

新建 FaceDetection.py

sudo nano FaceDetection.py

并添加以下内容

# 实时捕获摄像头并检测人脸

import numpy as np
import cv2

# 加载人脸检测的 Haar 级联分类器
face_cascade = cv2.CascadeClassifier('data/haarcascades/haarcascade_frontalface_default.xml')

# 打开编号 0 的摄像头
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    frame = cv2.flip(frame, 1) # -1 垂直翻转摄像头

    # 检测人脸
    faces = face_cascade.detectMultiScale(frame, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # 在检测到的人脸周围绘制矩形框
    for (x, y, w, h) in faces: cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 3)

    # 显示结果图像
    cv2.imshow('frame', frame)

    k = cv2.waitKey(30) & 0xff
    if k == 27: break # 按 ESC 结束

cap.release()
cv2.destroyAllWindows()

按 Ctrl+O 保存，按 Ctrl+X 关闭

使用 Python3 运行 FaceDetection.py

python3 FaceDetection.py

当检测到人脸后，会在周围绘制矩形框