linux下编译OpenCV

很多朋友在 Linux 系统中为 C++ 程序安装 OpenCV （从源代码生成）时经常会遇到各种各样的问题，尤其是对 C++ 生成系统或 Linux 不熟的情况下就更难以完成了。我也是被问得太烦了，干脆写一篇文章来行详解。其实也不怎么复杂，主要是大家对这种事情没什么耐心罢了，严格按下文介绍的步骤操作，基本没有不成功的。

一、生成的目标

如果你只在 Python 中调用 OpenCV ，完全可以使用 pip 命令安装任意版本：

python3 -m pip install opencv-python==<VERSION>

本文以下内容所介绍的是从源代码生成并安装 OpenCV 的方法，这样安装的 OpenCV 具有以下特点：

提供 C/C++ 程序调用接口，并可选择是否支持 Python，

可以任意删除不需要的组件，避免安装过多的系统依赖，减小空间占用，

可以自行修改 OpenCV 源代码，实现定制化目的，

可自由配置生成选项，实现更换底层库、生成共享/静态库、构建纯单线程版本等定制化需求，

可以指定安装路径，以方便同时兼容不同版本。

生成和安装完成后，你会得到指定安装路径下的 OpenCV 众多头文件和各模块的共享库 (.so) 或静态库 (.a) 。如果指定了生成和安装 Python 接口，还会得到 Python 包相关文件。

二、软硬件系统

系统方面

在 Linux 系统中安装 OpenCV ，当然前提是有 Linux 操作系统，各类较常见的 Linux 发行版都可以顺利安装，甚至包括各类 arm 系统。

硬件方面

如果需要 CUDA 模块，必须拥有 NVidia 显卡，并正确安装了显卡驱动和 CUDA 。

内存方面不能低于 2GiB 空闲内存。请注意是空闲内存，如果全部内存大小只有 2GiB 很可能是无法完成编译的。

CPU 没有限制，但如果需要在 1 小时内生成完成 OpenCV 的所有组件（含 CUDA），大概需要 4 核以上的 CPU 。其中 CUDA 模块的生成时间非常缓慢，如果你只有单核或双核 CPU 进行生成，总时长可能在 2 个小时以上。

三、OpenCV 的组件

OpenCV 包括主体和 opencv-contrib 库两部分，这兄弟俩的 github 地址分别是：

GitHub - opencv/opencv: Open Source Computer Vision Library

GitHub - opencv/opencv_contrib: Repository for OpenCV's extra modules

以 OpenCV 4.5.3 为例，其主体提供的模块：

core, imgcodecs, imgproc, calib3d, highgui, dnn, features2d, flann, gapi, ml, objc, objdetect, photo, stitching, ts, video, videoio

opencv-contrib 则是一些外围组件，提供的模块包括：

cuda, alphamat, aruco, bgsegm, bioinspired, ccalib, cnn_3dobj, cvv, datasets, dnn_objdetect, dnn_superres, dnns_easily_fooled, dpm, face, freetype, fuzzy, hdf, julia, line_descriptor, matlab, mcc, optflow, ovis, plot, reg, rgbd, saliency, sfm, stereo, structured_light, surface_matching, text, tracking, xfeatures2d, ximgproc, xobjdetect, xphoto

这些库各自的功能在官方的说明文档中有非常详细的介绍，此处就不展开说明了。

如果你不需要使用 opencv-contrib 库中的模块，可以只生成 OpenCV ，而无需下载和生成 opencv-contrib 。但务必注意，如果要将 opencv-contrib 库加入 OpenCV 的生成，这哥俩的版本号必须严格一致。

四、依赖项

生成 OpenCV 的主要依赖项在下表中列出：

名称 apt package 名称功能

编译系统 build-essential cmake pkg-config 生成 OpenCV

图像库 libpng-dev libjpeg-dev 提供各类图像格式的编解码

OpenBLAS libopenblas-dev 利用 CPU 向量运算指令为大量算法提供加速。

Eigen3 libeigen3-dev 提供线性代数相关算法支持

Intel TBB libtbb-dev 在 Intel CPU 上提供高性能并发计算支持

FFMPEG libavcodec-dev libavformat-dev libswscale-dev 提供视频编解码能力

GStreamer libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev 提供流媒体处理能力

GTK libgtk-3-dev libcanberra-gtk-module libcanberra-gtk3-module 图形化用户界面

上面这些依赖项中除了第一项之外都不是必须的，但如果没有安装这些项，生成出来的 OpenCV 就会缺少相应的功能。将上述依赖项汇总为一条 apt 命令如下：

sudo apt-get install -y libcurl4 build-essential pkg-config cmake \

libopenblas-dev libeigen3-dev libtbb-dev \

libavcodec-dev libavformat-dev \

libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev \

libswscale-dev libgtk-3-dev libpng-dev libjpeg-dev \

libcanberra-gtk-module libcanberra-gtk3-module

你可根据需要来自行增减这些组件，比如在服务器端安装不需要 GUI 支持，那就不需要安装 GTK 相关的包，这样生成出来的 OpenCV 自然也就不提供 imshow ，waitKey 等 GUI 相关函数。

五、生成

先下载源码包，可从OpenCV 和 opencv-contrib 各自的 Release 页下载指定版本：

Releases · opencv/opencv

Releases · opencv/opencv_contrib

将源代码包解压后，使 opencv 目录和 opencv-contrib 目录位于相同的父目录内，并确认这两个目录下都存在 modules 子目录：

ls opencv/opencv-4.3.1/modules

ls opencv/opencv_contrib-4.3.1/modules

这些相对路径关系不可搞错。

OpenCV 使用 CMake 工具进行生成（4.x 以上版本已支持 Ninjia），编译选项繁多而复杂，参见：OpenCV configuration options reference

先在 opencv/opencv-4.3.1 目录下建立 build 子目录并进入 build 子目录：

cd opencv/opencv-4.3.1

mkdir -p build && cd build

然后执行 cmake 命令，格式为：

cmake .. -D<选项名1>=<设定值1> -D<选项名2>=<设定值2>

这个命令中的「..」表示 CMakeLists.txt 文件所在的路径位于 build 的上级目录。CMake 执行生成时会生成许多辅助文件（主要是 Makefile），为了不让这些文件搞乱工程的根目录，所以通常都会在工程目录下建立一个「build」子目录，在该子目录中执行 cmake 命令，所有的辅助文件就会存放在这里。

命令的后面（全部放在「..」前也可以）是所有生成选项的设定。这里对最常用的一些选项进行整理和说明：

CMAKE_BUILD_TYPE=Release：不在行成的库文件中包含调试信息，并进行速度优化。如果指定为 Debug ，就可以在 Debug 过程中进入 OpenCV 内部的代码，但运行速度会略微下降。

CMAKE_VERBOSE_MAKEFILE=ON：务必开启，以便于发现编译中出现的问题。

CMAKE_INSTALL_PREFIX=/usr/local：指定 OpenCV 生成的库文件在系统中的安装路径。

BUILD_SHARED_LIBS=ON：成共享库（.so），如果置为 OFF 则只会生成静态库（.a）

OPENCV_EXTRA_MODULES_PATH=<opencv-contrib 目录>，按之前的描述，应为「../../opencv_contrib-4.3.1」。可以用 ls 命令确认相对路径是否存在。

OPENCV_ENABLE_NONFREE=ON：如果置为OFF，一些包含专利保护算法的函数将不会生成。

ENABLE_CXX11=ON：支持 C++11 以上的语法和 STL 库。

BUILD_TESTS=OFF，BUILD_PERF_TESTS=OFF：关闭生成后的自我 TEST ，大多数情况没有必要，可大辐缩短生成时间。但如果怀疑生成的 OpenCV 库有问题，可以进行自测。

OPENCV_GENERATE_PKGCONFIG=ON：建议开启，便于 C++ 程序通过 pkg-config 来引用 OpenCV 库。

WITH_CUDA=ON，ENABLE_FAST_MATH=ON，CUDA_FAST_MATH=ON，WITH_CUBLAS=ON：如果系统正确安装了 CUDA 并希望 OpenCV 启用 CUDA 支持，这四个选项都要打开。

WITH_IPP=ON，WITH_TBB=ON，WITH_OPENMP=ON，WITH_PTHREADS_PF=ON：这四个选项控制 OpenCV 如何进行并发运算，默认都是 ON，但如果有需要生成一个绝对单线程运行的 OpenCV ，请将这几个选项均置为 OFF 。

下面是最麻烦的一组选项：支持 Python 调用的接口。如果不需要 Python 接口的可以跳过这一段。

首先，Python2 已停止维护，这里也不介绍支持 Python2 调用的方法了。如需 OpenCV 提供 Python3 支持，要先设定：

BUILD_opencv_python3=ON

然后以下的三个选项必须设置正确，否则 OpenCV 的 Python3 接口不能正常生成或被正确调用：

PYTHON3_LIBRARY：Python3 C++接口库的路径

PYTHON3_NUMPY_INCLUDE_DIRS：Python3 C++头文件的路径，

PYTHON3_PACKAGES_PATH：OpenCV 的 Python3 包安装的路径。

这三个路径可能许多同学并不清楚，但不用担心，有以下命令可以自动找出这些路径：

python3 -c "from distutils.sysconfig import get_config_var;from os.path import dirname,join ; print(join(dirname(get_config_var('LIBPC')),get_config_var('LDLIBRARY')))"

python3 -c "import numpy; print(