0.前言
本文介绍怎样在树莓派中通过apt方式安装opencv,并通过一个简单的样例说明怎样使用opencv。
相比于源码方式安装opencv,通过apt方式安装过程步骤简单些。消耗的时间也少一些。通过apt方式安装没有自己主动生成opencv.pc文件,所以在编写makefile文件时不能直接使用pkg-config工具,而须要逐个指定opencv_core、opencv_imgproc等动态链接库。
【相关博文】
很多其它内容请參考——【树莓派学习笔记——索引博文】
開始之前进行必要的更新工作。
sudo apt-get update 安装opencv。
sudo apt-get install libcv-dev 安装过程比較缓慢,请耐心等待。
安装完毕之后,opencv相关的头文件被安装到/usr/lib文件夹中,该文件夹是linux默认头文件查找路径。
opencv的相关动态链接库被安装到/usr/lib文件夹中。这些动态链接库包含:
【opencv_calib3d】——相机校准和三维重建
【opencv_core】——核心模块,画图和其它辅助功能
【opencv_features2d】——二维特征检測
【opencv_flann】——高速最邻近搜索
【opencv_highgui】——GUI用户界面
【opencv_imgproc】——图像处理
【opencv_legacy】——废弃部分
【opencv_ml】——机器学习模块
【opencv_objdetect】——目标检測模块
【opencv_ocl】——运用OpenCL加速的计算机视觉组件模块
【opencv_video】——视频分析组件
【C++】——通过代码加载一张图片,通过opencv把彩色图片转换为黑白图片,并把原图和转换后的图片输出到屏幕中。
#include <opencv2/core/core.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/highgui/highgui.hpp> #include <iostream> using namespace cv; using namespace std; int main (int argc, char **argv) { Mat image, image_gray; image = imread(argv[1], CV_LOAD_IMAGE_COLOR ); if (argc != 2 || !image.data) { cout << "No image data "; return -1; } cvtColor(image, image_gray, CV_RGB2GRAY); namedWindow("image", CV_WINDOW_AUTOSIZE); namedWindow("image gray", CV_WINDOW_AUTOSIZE); imshow("image", image); imshow("image gray", image_gray); waitKey(0); return 0; }
CC = g++ # 可运行文件 TARGET = test # C文件 SRCS = test.cpp # 目标文件 OBJS = $(SRCS:.cpp=.o) # 库文件 DLIBS = -lopencv_core -lopencv_imgproc -lopencv_highgui # 链接为可运行文件 $(TARGET):$(OBJS) $(CC) -o $@ $^ $(DLIBS) clean: rm -rf $(TARGET) $(OBJS) # 编译规则 $@代表目标文件 $< 代表第一个依赖文件 %.o:%.cpp $(CC) -o $@ -c $<
DLIBS = -lopencv_core -lopencv_imgproc -lopencv_highgui
演示样例中使用了opencv中的核心部分、图像处理部分和GUI部分,所以依次添加opencv_core、opencv_imgproc、opencv_highgui动态链接库。该部分和和【树莓派学习笔记——源码方式安装opencv】中的演示样例稍有不同,前文中的makefile使用LIBS = $(shell pkg-config --libs opencv)引入全部的opencv动态链接库,此处手动指定相关库按需链接。
make
【运行】
通过源码方式安装opencv更加方便,安装时间也更短。
./test raspberry.jpg
可运行文件test和raspberry.jpg应在同一个文件夹中。
运行结果例如以下图所看到的,说明opencv得以正常运行。
图1 运行结果
3.总结