• 标签：
• opencv /
• ubuntu /

• 25750
• 编辑
• 删除

ubuntu 14.04 下利用apt-get方式安装OpenCV

标签（空格分隔）： Linux学习 OpenCV

---

1.前言

相比于源代码方式安装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，而需要逐个指定opencv_core、opencv_imgproc等动态链接库！

2.安装方法

• 更新ubtuntu系统软件源

sudo apt-get update

• 1

• 安装opencv

sudo apt-get install libcv-dev

• 1

• 这个安装过程大概需要几分钟，安装完成后得到如下结果
  

3. opencv被安装在了哪里？

3.1 opencv的安装源文件

• apt-get install **这样的命令会下载文件放在 /var/cache/apt/archives目录下，然后安装。可以看到，opencv相关的.deb文件都在该目录下；如下图所示，原始的/var/cache/apt/archives目录下只有文件夹partial和文件lock，但由于此时下载了opencv的相关安装文件，发现该文件夹下多个大量的deb安装文件！
  

• 实际上，执行完以上的安装过程，这些archives路径下的文件是可以直接删除的！因为相关的安装已经结束，不再需要安装文件了

  • 安装上面这种apt-get install的方式，会使得/var/cache/apt/archives这个目录所占空间会越来越大
  • 但幸运的是apt提供了相应的管理工具apt-get clean来删除文件目录/var/cache/apt/archives/和文件目录 /var/cache/apt/archives/partial/下所有包(锁定的除外)。
  • 执行举例：
    执行如下命令
    
    可以发现，刚刚下载的所有关于opencv的文件都被删除了
    

3.2 opencv相关的头文件的安装位置

opencv相关的头文件被安装到/usr/lib目录中，该目录是linux默认头文件查找路径。

3.3 opencv的相关动态链接库的安装位置

• linux下的动态链接库文件即.so文件

• opencv的相关动态链接库被安装到/usr/lib目录中。这些动态链接库包括：
  【opencv_calib3d】——相机校准和三维重建
  【opencv_core】——核心模块，绘图和其他辅助功能
  【opencv_features2d】——二维特征检测
  【opencv_flann】——快速最邻近搜索
  【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】——目标检测模块
  【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

• 下图是/usr/lib文件夹中与opencv相关的文件，例如，第一个和第二个文件分别为机器学习模块对应的静态态链接库文件（libopencv_ml.a）和动态链接库文件（libopencv_ml.so）
  

3.4 linux下的opencv和windows下的opencv文件

• windows下下载得到的opencv解压文件包含2个文件夹：source+build

  • source：opencv的源代码（opencv是开源的），下面的build文件夹下的各种库就是在这些源代码的基础上利用cMake得到的（实际上，该source文件夹除了可以编译得到下面的build中的动态链接库和静态链接库外，在实际调用opencv相关库时，并不需要！）
  • build：存放的opencv**预编译好的各种库（**DLL（动态链接库）和lib库（静态链接库）），对于使用opencv的使用者来说，只使用该文件夹就够了，不需要自己利用opencv的源代码重新编译得到这些库

• linux下载得到的是.deb解压缩后也可以得到动态链接库和静态链接库

  在ubuntu中， .so文件即为动态链接库文件，对应于windows下的dll文件
  在ubuntu中， .a文件对应于windows下的lib文件；实际上，该文件就是普通的函数通过编译之后得到（在高翔的SLAM教程第2章有一个关于如何编译得到静态链接库的简单小例子）

实际上，无论是在任何操作系统下，我们需要使用opencv的相关库时，使用的都仅仅是它的动态链接库和静态链接库

4. 测试代码

4.1 源码

• 建立名称为test.cpp的c++文件，内容如下

#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\n";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;
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

• 建立名称为Makefile的文件，输入如下内容

CC = g++
# 可执行文件
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
# 链接为可执行文件
$(</span><span class="hljs-constant">TARGET</span>)<span class="hljs-symbol">:</span><span class="hljs-variable">$(OBJS)$(</span><span class="hljs-constant">CC</span>) -o <span class="hljs-variable">$@ $^</span> <span class="hljs-variable">$(DLIBS)
clean:rm -rf $(</span><span class="hljs-constant">TARGET</span>) <span class="hljs-variable">$(OBJS)
# 编译规则 $@代表目标文件 $< 代表第一个依赖文件
%.o:%.cpp$(</span><span class="hljs-constant">CC</span>) -o <span class="hljs-variable">$@ -c $<

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17

××××××
注意1：
12行、14行、17行前面为Tab，而非空格，否则会出现“makefile:12: *** 遗漏分隔符 。 停止。”这样的错误

注意2：
由于示例中使用了opencv中的核心部分（opencv_core）、图像处理部分（opencv_imgproc）和GUI部分（opencv_highgui），所以依次增加opencv_core、opencv_imgproc、opencv_highgui动态链接库。
即由DLIBS = -lopencv_core -lopencv_imgproc -lopencv_highgui语句实现

4.2 make

cd 文档  # 进入程序所在目录
make 

• 1
• 2

产生了两个文件：test文件和test.o文件

4.3 测试程序

./test lena.bmp

• 1

运行结果

上面程序test的作用就是将输入的图像转换为灰度图像，可以看到，程序实现了该功能，也就证明了opencv安装成功

---

参考文献
[1] 树莓派学习笔记——apt方式安装OpenCV
[2] apt-get下载的文件放在哪个目录