opencv4 python3源码安装

2024-01-27 13:48
文章标签 源码 安装 python3 opencv4

本文主要是介绍opencv4 python3源码安装,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

环境:ubuntu16.04 anaconda3 

之前在windows上都是直接下载编译好的版本,这一次我想从源码编译opencv,并生成python3的动态链接。

新建一个虚拟环境(不需要的可以跳过这一步):

conda create -n learn python=3.6.2

在这个虚拟环境安装Numpy:

pip install numpy

安装环境依赖项:

sudo apt-get install build-essential cmake unzip pkg-config

下载opencv和opencv_contrib源码:

$ wget -O opencv.zip https://github.com/opencv/opencv/archive/4.0.0.zip
$ wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.0.0.zip

下载完了之后解压缩,在opencv目录下新建一个build文件夹:

cd ~/opencv-4.0.0
mkdir build
cd build

用cmake 进行编译,可以设置的参数有很多,可以自行查一下,这边我们是给python3.6生成动态链接,需要设置好PYTHON3_EXECUTABLE等路径(路径一定要正确,不然无法生成链接):

cmake -D OPENCV_ENABLE_NONFREE=ON \
-D BUILD_opencv_python3=yes \
-D BUILD_opencv_python2=no \
-D PYTHON3_EXECUTABLE=~/anaconda3/envs/learn/bin/python3.6m \
-D PYTHON3_INCLUDE_DIR=~/anaconda3/envs/learn/include/python3.6m \
-D PYTHON3_LIBRARY=~/anaconda3/envs/learn/lib/libpython3.6m.so \
-D PYTHON3_NUMPY_INCLUDE_DIRS=~/anaconda3/envs/learn/lib/python3.6/site-packages/numpy/core/include \
-D PYTHON3_PACKAGES_PATH=~/anaconda3/envs/learn/lib/python3.6/site-packages\
-D PYTHON_DEFAULT_EXECUTABLE=~/anaconda3/envs/learn/bin/python3.6m ..

如果成功,会有很长一串输出,找一下类似下面的输出,确认一下路径是否正确:

--   Python 3:
--     Interpreter:                 /home/qogori/anaconda3/envs/learn/bin/python3.6m (ver 3.6.2)
--     Libraries:                   /home/qogori/anaconda3/envs/learn/lib/libpython3.6m.so (ver 3.6.2)
--     numpy:                       /home/qogori/anaconda3/envs/learn/lib/python3.6/site-packages/numpy/core/include (ver 1.19.1)
--     packages path:               /home/qogori/anaconda3/envs/learn/lib/python3.6/site-packages
-- 
--   Python (for build):            /home/qogori/anaconda3/envs/learn/bin/python3.6m

之后,

make -j4

如果顺利则编译完毕,安装:

sudo make install

此时,在/usr/local/python/cv2/python-3.6位置会生成符号链接:

$cd /usr/local/python/cv2/python-3.6
$ ls
cv2.cpython-36m-x86_64-linux-gnu.so
$ sudo mv cv2.cpython-36m-x86_64-linux-gnu.so cv2.so

将符号链接绑定到python:

$ cd ~/anaconda3/envs/learn/lib/python3.6/site-packages
$ ln -s /usr/local/python/cv2/python-3.6/cv2.so cv2.so

此时已经成功。可以看一下当前该虚拟环境下opencv的版本:

$ python
Python 3.6.2 |Anaconda, Inc.| (default, Oct  5 2017, 07:59:26) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> cv2.__version__
'4.0.0'
>>> quit()

编译的时候,可能会出现的错误:

一:~/opencv_contrib-4.0.0/modules/xfeatures2d/src/boostdesc.cpp:653:37: fatal error: boostdesc_bgm.i: 没有那个文件或目录:

解决方案:
在这里下载缺少的文件解压缩都放到~/opencv_contrib-4.0.0/modules/xfeatures2d/src 文件下,验证码:e1wc,再次编译即可

二:~/opencv_contrib-4.0.0/modules/xfeatures2d/test/test_rotation_and_scale_invariance.cpp:7:82: fatal error: features2d/test/test_detectors_invariance.impl.hpp: 没有那个文件或目录

解决方案:

将opencv-4.0.0/modules/features2d/test/下的文件

test_descriptors_invariance.impl.hpp
test_descriptors_regression.impl.hpp
test_detectors_invariance.impl.hpp
test_detectors_regression.impl.hpp
test_invariance_utils.hpp

拷贝到opencv_contrib-4.0.0/modules/xfeatures2d/test/下

将opencv_contrib-4.0.0/modules/xfeatures2d/test/test_features2d.cpp文件里

#include "features2d/test/test_detectors_regression.impl.hpp"
#include "features2d/test/test_descriptors_regression.impl.hpp"

改为

#include "test_detectors_regression.impl.hpp"
#include "test_descriptors_regression.impl.hpp"

将opencv_contrib-4.0.0/modules/xfeatures2d/test/test_rotation_and_scale_invariance.cpp文件里

#include "features2d/test/test_detectors_invariance.impl.hpp" 
#include "features2d/test/test_descriptors_invariance.impl.hpp"

改为

#include "test_detectors_invariance.impl.hpp"
#include "test_descriptors_invariance.impl.hpp"

 

 

参考链接:https://blog.csdn.net/u011736771/article/details/85960300

                  https://zhuanlan.zhihu.com/p/129369660     

 

这篇关于opencv4 python3源码安装的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/650426

相关文章

Zookeeper安装和配置说明

一、Zookeeper的搭建方式 Zookeeper安装方式有三种,单机模式和集群模式以及伪集群模式。 ■ 单机模式:Zookeeper只运行在一台服务器上,适合测试环境; ■ 伪集群模式:就是在一台物理机上运行多个Zookeeper 实例; ■ 集群模式:Zookeeper运行于一个集群上,适合生产环境,这个计算机集群被称为一个“集合体”(ensemble) Zookeeper通过复制来实现

CentOS7安装配置mysql5.7 tar免安装版

一、CentOS7.4系统自带mariadb # 查看系统自带的Mariadb[root@localhost~]# rpm -qa|grep mariadbmariadb-libs-5.5.44-2.el7.centos.x86_64# 卸载系统自带的Mariadb[root@localhost ~]# rpm -e --nodeps mariadb-libs-5.5.44-2.el7

Centos7安装Mongodb4

1、下载源码包 curl -O https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-rhel70-4.2.1.tgz 2、解压 放到 /usr/local/ 目录下 tar -zxvf mongodb-linux-x86_64-rhel70-4.2.1.tgzmv mongodb-linux-x86_64-rhel70-4.2.1/

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

Centos7安装JDK1.8保姆版

工欲善其事,必先利其器。这句话同样适用于学习Java编程。在开始Java的学习旅程之前,我们必须首先配置好适合的开发环境。 通过事先准备好这些工具和配置,我们可以避免在学习过程中遇到因环境问题导致的代码异常或错误。一个稳定、高效的开发环境能够让我们更加专注于代码的学习和编写,提升学习效率,减少不必要的困扰和挫折感。因此,在学习Java之初,投入一些时间和精力来配置好开发环境是非常值得的。这将为我

安装nodejs环境

本文介绍了如何通过nvm(NodeVersionManager)安装和管理Node.js及npm的不同版本,包括下载安装脚本、检查版本并安装特定版本的方法。 1、安装nvm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash 2、查看nvm版本 nvm --version 3、安装

Java ArrayList扩容机制 (源码解读)

结论:初始长度为10,若所需长度小于1.5倍原长度,则按照1.5倍扩容。若不够用则按照所需长度扩容。 一. 明确类内部重要变量含义         1:数组默认长度         2:这是一个共享的空数组实例,用于明确创建长度为0时的ArrayList ,比如通过 new ArrayList<>(0),ArrayList 内部的数组 elementData 会指向这个 EMPTY_EL

如何在Visual Studio中调试.NET源码

今天偶然在看别人代码时,发现在他的代码里使用了Any判断List<T>是否为空。 我一般的做法是先判断是否为null,再判断Count。 看了一下Count的源码如下: 1 [__DynamicallyInvokable]2 public int Count3 {4 [__DynamicallyInvokable]5 get

计算机毕业设计 大学志愿填报系统 Java+SpringBoot+Vue 前后端分离 文档报告 代码讲解 安装调试

🍊作者:计算机编程-吉哥 🍊简介:专业从事JavaWeb程序开发,微信小程序开发,定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事,生活就是快乐的。 🍊心愿:点赞 👍 收藏 ⭐评论 📝 🍅 文末获取源码联系 👇🏻 精彩专栏推荐订阅 👇🏻 不然下次找不到哟~Java毕业设计项目~热门选题推荐《1000套》 目录 1.技术选型 2.开发工具 3.功能

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者