皮皮网

1.【CV实战】Ubuntu18.04源码编译安装opencv-3.4.X+测试demo
2.OpenCV在MacOS上源码编译OpenCV
3.1-VSCODE安装：Windows10下用Vscode配置OpenCV (解包即用版)
4.win10 cmake源码编译安装opencv（c++,源码qt）（解决ffmpeg下载失败导致opencv无法处理视频）
5.OpenCV安装教程（编译源码，一次成功）提供安装好OpenCV的软件系统镜像
6.用Python+OpenCV+Yolov5+PyTorch+PyQt开发的车牌识别软件（包含训练数据）

【CV实战】Ubuntu18.04源码编译安装opencv-3.4.X+测试demo

       在Linux环境下，特别是源码Ubuntu .中安装OpenCV-3.4.x版本，需要理解其源码编译过程，软件本文将详细说明从源码编译到安装，源码以及测试demo的软件麻将 源码全过程。安装步骤分为源码下载、源码使用`apt-get`安装依赖项、软件从源码构建安装OpenCV、源码配置环境、软件验证安装情况以及卸载。源码在Linux环境下，软件确保系统稳定运行是源码关键步骤之一。以下为详细流程：

       1. 源码下载

       从OpenCV官网或GitHub下载OpenCV源码。软件选择版本时，源码考虑与项目的兼容性以及对最新特性的需求。

       2. apt-get安装

       Ubuntu下，OpenCV安装可通过两种方式：直接使用`$ sudo apt-get install python-opencv`进行快速安装，适用于仅在Python环境中使用OpenCV的情况；推荐从源码构建安装，以获取更新的代码版本，增强稳定性和可控性。

       3. 从源码安装

       从源码构建安装时，可选择默认安装位置或自定义安装位置。默认位置通常为`/usr/local`，而自定义位置需要额外配置。

       3.1 构建依赖项

       确保安装`cmake`, `gcc`, `g++`等构建工具。对于Python支持，选择安装Python 2和/或Python 3的特定模块。安装`GTK`支持用于图形界面应用，以及处理库（根据需要）。使用`cmake`下载`ippcv`库，注意**问题。

       3.2 默认位置安装

       使用`git`或下载的压缩包解压后，切换到源码目录，执行`cmake`命令以构建`CMakeLists.txt`，并创建`makefile`。指定构建参数时，`CMAKE_INSTALL_PREFIX`用于设置安装路径，通常为`/usr/local`。根据需要选择构建类型（`DEBUG`或`RELEASE`）和是否启用CUDA加速。

       3.3 自定义位置安装

       自定义安装时，使用`cmake`命令时需添加`-DCMAKE_INSTALL_PREFIX`参数，指向自定义安装目录。在安装后，还需配置扫描路径和设置环境变量，确保其他项目能够正确引用OpenCV库。

       配置

       配置步骤包括将OpenCV的`lib`路径添加到系统配置中，以便其他项目能够引用OpenCV库。通常，主力抱团源码这涉及编辑`ld.so.conf`文件或通过环境变量设置。

       验证查看版本

       在终端或Python环境中，通过`pkg-config`命令或Python导入`cv2`模块查看OpenCV版本。

       C++和Python demo测试

       执行官方提供的示例代码，验证OpenCV功能。在C++环境中，通过指定`OpenCV_DIR`变量路径来正确引用库文件。在Python环境中，确保导入路径设置正确。

       卸载

       卸载OpenCV时，使用`make uninstall`命令。注意，仅删除了文件，留下的空文件夹可能需要手动删除。

       通过遵循上述步骤，即可在Ubuntu .系统中成功安装OpenCV，并进行测试验证。确保安装过程的每个环节都得到正确配置，以避免潜在的问题和冲突。

OpenCV在MacOS上源码编译OpenCV

       MacOS上OpenCV源码编译与使用教程

       在视觉任务中，开源库OpenCV经常被用到，它支持多种语言接口，适用于多平台。在MacOS上直接安装包不可用时，我们需要自行编译。本文将指导您从opencv_4.8.0和opencv_contrib_4.8.0版本入手，详细展示源码编译与配置过程。

       1. 下载源码并解压

       首先，从官网下载对应版本（4.8.0）的源码，确保opencv与opencv_contrib的版本一致。通过命令行进行下载，解压后放置于工作目录。

       2. 准备CMake

       OpenCV支持CMake编译，需要先安装。创建编译文件夹，然后使用CMake指令配置编译环境，注意指定opencv和opencv_contrib的路径。

       3. CMake编译与下载依赖

       完成CMake配置后，进行make编译，注意网络通畅以确保第三方库的下载。编译成功后，会生成所需文件。

       4. 安装与案例测试

       执行make install，安装OpenCV到指定路径。接着，创建一个C++文件main.cpp，编写简单代码以读取并展示，通过CMakeLists.txt文件配置编译路径。新佳源码

       5. VS Code环境测试

       在VS Code中，通过CMakeLists.txt配置并编译main.cpp，确认OpenCV库路径正确，运行程序，成功处理。

       总结

       通过上述步骤，您已在MacOS上成功源码编译并配置了OpenCV，实现了处理功能。在实际项目中，这将为您提供灵活的环境和更好的控制。

1-VSCODE安装：Windows下用Vscode配置OpenCV (解包即用版)

       VSCode安装与OpenCV配置指南（Windows ）

       OpenCV，全称为开源计算机视觉库，是跨平台的视觉处理库，由英特尔支持，采用BSD许可证。本文旨在记录在Windows 环境下，如何使用VSCode进行OpenCV的配置，以实现直接使用，避免繁琐的编译过程。首先，准备工具：VSCode安装包、MinGW-w和opencv源码。

       1. 前期文件准备

        - 下载VSCode，选择x版本，安装在D盘。另外，需要两个关键包：win环境下编译好的opencv运行文件包（.vscode.zip），以及MinGW-w和CMake辅助编译工具。此外，还需dll依赖文件。

       2. MinGW和OpenCV集成

        - 将MinGW解压至F盘根目录，作者建议与本文提供的路径保持一致，以方便后续配置。然后，将opencv解压并配置环境变量：F:\opencv\build\x\vc\bin，F:\opencv\build\x\MinGw\bin，F:\MinGw\bin。

       3. VSCode配置

        - 在VSCode中，你需要配置以支持C++开发，包括设置编译器路径等配置项，以便能正确调用OpenCV库。

       4. 测试

        - 在VSCode的cpp目录下，创建C++程序，如摄像头捕获示例和显示代码。使用F5键运行，验证OpenCV库是否已正确配置。

       例如，测试代码如下：

        - VideoCapture cap(0); Mat img;...

        - Mat img = imread("D:\Microsoft VS Code\OpenCV\cpp\G.png");...

       对于更专业的源码版权备案知识管理和分享，可以考虑使用新一代的博客平台WRITE- BUG数字空间，它提供了丰富的文章资源，适合个人和团队使用。

win cmake源码编译安装opencv（c++,qt）（解决ffmpeg下载失败导致opencv无法处理视频）

       要使用Qt与Windows上的OpenCV，当默认的msvc版本不满足需求时，需要通过源码编译安装，并配合cmake工具。以下是详细的步骤：

       首先，下载OpenCV sources版本，同时确保已经安装了cmake编译工具，这里推荐选择对应版本的MinGW版本。在Qt的mingw环境中，需将mingw的bin路径（例如：D:\Programs\Qt\Qt5..\Tools\mingw_\bin）添加到环境变量，验证配置成功可通过在cmd中输入gcc -v。

       解压OpenCV到指定位置，创建一个build文件夹。使用cmake-gui，设置源码路径和build文件夹，配置为MinGW Makefiles。初次配置可能遇到问题，如ffmpeg下载失败，这时需要重命名ffmpeg.cmake为ffmpeg.txt，修改其中的下载地址为/。

       在cmake-gui中，勾选with_qt和with_opengl，取消opencv_enable_allocator_stats和与python相关的选项。如果需要python支持，可以使用pip安装。配置完成后，再次点击configure并生成makefile，确保所有路径正确。

       在build文件夹中，通过mingw-make -j（根据你的CPU核心数设置线程数，例如）开始编译，最后执行mingw-make install。安装后，别忘了将安装路径（如D:\Programs\opencv3.4.\build\install\x\mingw\bin）添加到系统环境变量。

       通过这些步骤，你就可以在Qt环境中成功安装并使用OpenCV处理视频了，无需担心ffmpeg下载失败的问题。

OpenCV安装教程（编译源码，一次成功）提供安装好OpenCV的系统镜像

       本文提供了一套简洁明了的OpenCV安装教程，旨在帮助开发者实现一次成功安装。首先，选择官方Raspbian-buster-full系统作为操作平台，并建议更换源至清华源，以确保下载过程顺利，避免遇到如GTK2.0下载失败等问题。策略源码模型对于远程操作需求，外接屏幕或使用VNC远程连接是可行方案，同时通过tee命令记录编译过程，以便在远程连接中断时仍能查看详细信息。

       安装系统镜像，完成OpenCV安装后，生成的镜像文件大小仅4.G，压缩后为2.G，直接烧录至TF卡即可使用。该系统已预装VNC等必备软件，配置了静态IP，提供详尽的使用指南，包括树莓派和Windows系统间的文件复制和传输方法。系统兼容树莓派4和3型号，对于有补充需求之处，将在文章末尾进行说明。

       正式安装OpenCV，首先确保安装所需的依赖工具和图像、视频库。按照步骤逐一进行，包括安装构建必需工具、图像工具包、视频工具包、GTK2.0以及优化函数包。在编译OpenCV源码前，下载并解压OpenCV3.4.3及opencv_contrib3.4.3（选择版本时需确保二者版本号一致）。

       采用直接下载或wget下载两种方法获取源码，解压后进入源码目录。创建release文件夹，用于存放cmake编译时产生的临时文件。设置cmake编译参数，安装目录默认为/usr/local，确保参数正确配置，尤其是对于root用户下的cmake命令，需修改OPENCV_EXTRA_MODULES_PATH的值为绝对路径。

       编译过程中，确认进度到达%，以验证安装成功。进行其他配置，包括设置库路径，以便于使用OpenCV库，也可选择不进行设置。配置opencv.conf和bash.bashrc文件，进行必要的参数添加，重启树莓派或重新登录用户后，测试OpenCV使用是否正常。

       演示Python程序使用OpenCV画一条直线，确保Python编译器已安装，执行相关代码。系统镜像中额外提供远程连接和文件传输功能的说明，包括使用VNC或Putty等工具远程控制树莓派的方法，以及如何在树莓派与Windows系统间进行复制粘贴，通过autocutsel软件简化操作流程。

用Python+OpenCV+Yolov5+PyTorch+PyQt开发的车牌识别软件（包含训练数据）

       这款基于Python、OpenCV、Yolov5、PyTorch和PyQt的车牌识别软件能实现实时和视频的车牌识别。下面是一个直观的演示过程:

       要开始使用，首先下载源码并安装依赖。项目中的requirements.txt文件列出了所需的库版本，建议按照该版本安装，以确保所有功能正常运行。安装完成后，运行main.py即可启动软件。

       软件启动后，模型会自动加载，之后你可以从test-pic和test-video文件夹中选择待识别的或视频进行操作。点击“开始识别”按钮，软件将对所选文件进行处理。

       软件的开发思路是这样的：收集包含车牌的，使用labelimg进行标注，然后利用yolov5进行车牌定位模型的训练。接着，仅针对车牌的使用PyTorch训练内容识别模型。车牌颜色则通过OpenCV的HSV色域分析。为了提高识别准确度，识别前会对定位后的车牌进行透视变换处理，但这一步可以视训练数据的质量和多样性进行调整。

       界面设计方面，PyQt5库被用于实现，主要挑战是将numpy数据转换为QPixmap以便在界面上显示。为了实现实时识别，需要预先加载定位和车牌识别模型，并对yolov5的detect.py文件进行一些定制。

       这个模型在测试时主要针对蓝色车牌，对质量较高的有较高的识别率。然而，如果读者有更优秀的模型，可以直接替换res文件夹中的content_recognition.pth模型文件，以适应更多场景。

Cmake安装和生成opencv的解决方法

       Cmake安装步骤：

       首先，访问Cmake的官方下载页面，根据你的操作系统（如Windows-x_）选择适合的版本进行下载。

       下载完成后，将Cmake安装到任意位置，具体步骤这里不再赘述。

       运行和生成OpenCV解决方案：

       在安装目录的C:\cmake-3..0-windows-x_\bin下，找到并运行cmake-gui.exe。在界面中，点击"where is the source code"右侧的浏览按钮，定位到OpenCV源代码文件夹，通常是F:\opencv\sources。

       接着，选择"browse build"，指定解决方案生成的路径。点击"configure"进行第一次配置，选择你的编译IDE。如果配置无误，点击"finish"，配置完成后进入下一步。

       注意，如果路径包含中文字符，可能会出现警告，应避免这种情况。配置完成后，再次点击"configure"，默认设置即可，无需额外勾选或取消。

       完成第二次配置后，点击"generate"，等待"generating done"的提示，表示解决方案生成完成。此时，在之前指定的生成路径下，你会找到opencv.sln文件。

       打开解决方案资源管理器，你可以根据自己的需求选择和学习源代码。初次编译可能会出现错误，这是正常现象，因为ALL_BUILD默认为启动项，但不是可以直接执行的。只需在解决方案资源管理器中更改启动项目，问题即可解决。

       至此，Cmake生成OpenCV解决方案的全过程已顺利结束。

windows下用cmake构建opencv项目

       为了在Windows环境下使用CMake构建OpenCV项目，您需要准备几个必要的工具和资源。

       首先，确保您已安装Visual Studio ，并下载最新版本的CMake构建工具。

       接着，从Releases - OpenCV页面下载OpenCV源码，选择4.6.0版本。同时，访问github.com下载额外模块opencv_contrib。

       利用CMake构建工程时，选择源文件路径和构建路径，配置构建工具，点击“Configure”进行设置。构建过程中如出现错误，可忽略继续进行。配置完成后，勾选生成动态库选项，并添加opencv_contrib额外库路径。

       完成配置后，再次点击“Configure”进行重新配置，直至选项框中不再出现标红选项。点击“generate”生成工程。成功后，可打开Visual Studio进行编译。

       在VS中，利用CMake构建的工程编译OpenCV源文件。打开输出文件夹中的CMakeTargets文件夹，选择ALL_BUILD进行生成。在编译过程中如出现错误，删除日文注释后再次生成。配置解决方案为Release，重复生成步骤，将生成对象改为同一文件夹下的INSTALL。

       为了配置环境变量，将build文件夹下的bin文件夹加入系统环境变量，新建变量OpenCV_DIR，值为\build\install\x\vc\lib。将build/install/include/x/vc/bin文件夹下的两个文件复制到C:\Windows\System路径下。

       完成环境配置后，即可测试环境是否已成功设置。通过源代码、CMakeList.txt文件和程序运行结果验证环境配置。

       在配置过程中，可能会遇到关于CMake Warning at cmake/OpenCVDownload.cmake: (message): FFMPEG: Download下载失败的问题，可参考相关博文进行解决。

概述在Linux下编译安装OpenCV的步骤

       OpenCV是一个计算机视觉库，支持Windows、Linux、MacOS等操作系统。在Linux环境中安装OpenCV主要涉及源码编译。官网的下载链接为opencv.org/releases.htm...

       选择最新版本3.2.0，Linux用户需下载zip格式源码。安装所需的软件包包括GCC 4.4.x或更高版本，CMake 2.8.7或更高，Git，GTK+2.x或更高（包括headers），pkg-config，Python 2.6或更高版本及Numpy 1.5或更高版本的开发包，ffmpeg或libav的开发包：libavcodec-dev，libavformat-dev，libswscale-dev。可选包有libtbb2和libtbb-dev，libdc 2.x，libjpeg-dev，libpng-dev，libtiff-dev，libjasper-dev，libdc--dev，CUDA Toolkit 6.5或更高版本。这些包通过apt-get命令直接安装，打开终端，输入相关命令即可。安装完毕后，在解压后的opencv-XXX目录内建立build文件夹，编译的makefiles、project files、object files和output files存放于此。

       开始编译，只需三行命令：配置、build和安装。配置命令为：$ cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local 。。参数CMAKE_BUILD_TYPE表示构建类型，有Release和Debug两种；CMAKE_INSTALL_PREFIX指定安装目录，一般为/usr/local。可选参数包括BUILD_DOCS和BUILD_EXAMPLES，前者构建文档，后者构建所有示例。若配置命令无法执行，去掉-D后面的空格。build命令为：make -j7，使用7个线程加速编译。安装命令为：sudo make install。

       至此，Linux环境下成功安装OpenCV。为了验证Python环境中的使用情况，可以尝试运行一段代码：读取并显示。代码如下：import cv2image = cv2.imread（“logo.png”， 1）cv2.imshow（“Hello， world！”， image）cv2.waitKey（0）cv2.destroyAllWindows（）若在运行时遇到错误，请检查路径是否改为绝对路径。成功运行后，将看到显示的。

OpenCV安装教程（全网最细，小白直接上手！！！）

       OpenCV是用于计算机视觉的库，适用于Python、Ruby和MATLAB。在VSLAM技术研究中，经常需要在Ubuntu系统上安装不同版本的OpenCV。以下为OpenCV3.3.1版本在Ubuntu系统下的安装教程，适合初学者。

       一、下载OpenCV源码

       欲安装OpenCV3.3.1版本，可关注公众号「3D视觉工坊」，在后台回复「OpenCV3.3.1_linux」获取安装包下载链接。

       二、检查已安装的OpenCV版本

       在终端输入命令`pkg-config --modversion opencv`查看当前安装的OpenCV版本。

       三、安装OpenCV

       下载并解压OpenCV3.3.1的源码安装包后，执行如下命令进行安装，安装路径为`/home/yongqi/workspace/2_ProgramFiles/OpenCV3.3.1`。

       四、配置OpenCV环境

       配置OpenCV的lib路径，以完成环境设置。

       五、测试OpenCV版本

       完成配置后，系统显示的OpenCV版本应为3.3.1。

       六、学习OpenCV

       提供一份包含G资料的《人工智能自学视频》资料包，内容包括人工智能基础入门、AI框架实战、图像识别、OpenCV、机器学习等，以及国内外知名资源、AI论文等。

       资料在网盘中整理整齐，欢迎下载！分享给有需要的伙伴。如果需要使用OpenCV2.4.9版本，只需调整第四步的pkgconfig路径即可。