OpenCV

版本选择

OpenCV 4.5.x

OpenCV 4.5.x 系列是 OpenCV 4 的一个重要里程碑。

DNN 模块的革命性改进：这是 4.5 系列最大的亮点。它增加了对 ONNX 和 TensorFlow Lite 模型格式的支持，并集成了像 Intel OpenVINO 这样的硬件加速后端，显著提升了深度学习模型的推理性能。
G-API 模块的增强：Graph API 模块得到了进一步的完善，使得构建复杂的图像处理流水线变得更加高效和灵活。
稳定性与性能优化：整个系列都在持续修复 bug 并优化代码，为后续版本打下了坚实的基础。

OpenCV 4.6.0

这个版本专注于提升性能和兼容性。

更好的硬件加速：强化了对一些特定硬件平台的加速支持，例如针对一些移动端和嵌入式设备的优化。
CMake 和构建系统的改进：构建流程变得更加顺畅和可靠。

OpenCV 4.7.0

这个版本在 DNN 模块和算法上都有不错的更新。

DNN 模块持续演进：修复了 DNN 模块中的 bug，并提升了对某些模型的兼容性。
图像处理算法更新：新增和优化了一些图像处理算法，提高了精度或速度。

OpenCV 4.8.0

这个版本主要是一些 bug 修复和新功能的初步引入。

新模块或新功能预览：可能引入了一些实验性的新功能，通常在后续版本中会进行完善。

OpenCV 4.9.0

与 4.8.0 类似，这个版本主要进行维护性更新。

错误修复和稳定性提升：解决了社区反馈的许多问题，让库变得更加健壮。

OpenCV 4.10.0 到 4.12.0

OpenCV 团队在 4.x 系列的后期，通常会把重心放在以下几个方面：

持续的 DNN 优化：这几乎是每个新版本都会做的事情。团队会不断优化 DNN 模块的性能，并增加对更多新兴模型和算子的支持。
G-API 的扩展：G-API 模块会持续添加新的后端和功能。
社区贡献的整合：集成来自社区的新算法和性能优化，让整个库更加全面。
兼容性更新：确保与最新的编译器、操作系统和硬件平台兼容。

建议使用哪个版本？

综合来看，强烈建议使用 OpenCV 4.12.0，或至少是 4.10.0 之后的版本。

原因很简单：

更强的 DNN 性能：如果你需要处理深度学习任务，越新的版本意味着更好的模型兼容性、更少的 bug 和更高的推理速度。
更高的稳定性：所有后期版本都包含了对前期版本已知 bug 的修复。这可以节省你在项目开发中调试和排查问题的时间。
更好的生态支持：许多新的硬件加速库、操作系统和开发工具都倾向于支持最新版本的 OpenCV。

除非你的项目有特殊的依赖，必须使用特定版本，否则总是选择最新的稳定版本是最佳实践。

注：

构建版本名中如果带 headless 指的是“无图形界面”的构建，适合服务器等无 GUI 环境。

编译

Note
假设你的目录结构如下：
/some_path
├── opencv
└── opencv_contrib

构建依赖

核心构建工具

这些是编译软件所必需的基本工具。

sudo apt update
sudo apt install build-essential cmake pkg-config

图像和视频 I/O 库

这些库用于处理各种图像和视频文件格式，如 JPEG、PNG、TIFF、MP4 等。

sudo apt install libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev

GUI 和显示库

这些库用于支持 OpenCV 的图形界面功能，如 cv::imshow()。

sudo apt install libgtk-3-dev libqt5-dev

优化和加速库

这些库是实现我们之前讨论的高性能优化的关键。

TBB (Threading Building Blocks):
```
sudo apt install libtbb-dev
```
CUDA (如果你的系统有 NVIDIA GPU):
- 你需要从 NVIDIA 官网下载并安装 CUDA Toolkit 和 cuDNN。
- 注意： 确保你的驱动版本与 CUDA Toolkit 版本兼容。
IPP (Integrated Performance Primitives):
- 这个库通常是 Intel MKL 的一部分。你可以在 CMake 命令中通过 -D WITH_IPP=ON 来启用它，如果它已安装。
OpenBLAS / Eigen (可选):
- 这些库可以为矩阵运算提供额外的性能优化。
```
sudo apt install libopenblas-dev libeigen3-dev
```

Python 支持

如果你计划在 Python 中使用 OpenCV，还需要安装以下依赖。

sudo apt install python3-dev python3-pip
pip3 install numpy

编译选项

为了最大化性能，我们需要确保 OpenCV 能够利用你系统上的各种硬件加速功能。这主要包括使用优化的处理器指令集、GPU 加速以及启用特定的库和模块。我们将通过配置 CMake 来完成这些设置。

以下是一组核心编译选项，它们将显著提升 OpenCV 的性能：

启用优化的 CPU 指令集：利用你 CPU 支持的最新指令集（如 SSE、AVX、AVX2 和 AVX512），可以大大加速图像处理算法。
启用 GPU 加速：如果你的系统有 NVIDIA GPU，可以使用 CUDA 框架进行加速。这是最显著的性能提升之一。
链接高性能外部库：使用如 TBB（Threading Building Blocks）进行多线程并行计算，以及使用 Intel IPP（Integrated Performance Primitives）库来加速图像处理。
启用和禁用特定模块：启用你需要的模块（例如 contrib 模块中的一些高级算法），并禁用不需要的模块以减少编译时间和最终库的大小。

选项详解

下面是这些选项的详细说明，帮助你理解为什么选择它们以及它们如何影响性能。

-D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules
- 作用： 这是最关键的一步。它告诉 CMake 到哪里去查找 opencv_contrib 的额外模块。我们使用相对路径 ../../opencv_contrib/modules，假定你当前位于 opencv/build 目录，而 opencv_contrib 位于 opencv 目录的同级。

-D CMAKE_BUILD_TYPE=Release
- 作用： 以发布模式编译。这会启用最高级别的编译器优化，例如 -O3，从而生成最高效的二进制文件。这是获得高性能的最基本要求。
-D CMAKE_INSTALL_PREFIX=/usr/local
- 作用： 指定安装路径。这是一个标准路径，你可以根据需要更改。
-D OPENCV_GENERATE_PKGCONFIG=ON
- 作用： 生成 .pc 文件，方便其他项目通过 pkg-config 找到 OpenCV 的头文件和库路径。
-D OPENCV_ENABLE_NONFREE=ON
- 作用： 启用一些受专利保护的算法，例如 SIFT 和 SURF。如果你的项目需要这些算法，这是必须的。
-D WITH_TBB=ON
- 作用： 启用英特尔的 Threading Building Blocks。这是一个高性能的多线程库，能让 OpenCV 的并行算法跑得更快。
-D WITH_IPP=ON
- 作用： 启用英特尔的 Integrated Performance Primitives。这是一个用于图像和信号处理的库，可以显著加速一些核心的 OpenCV 函数。
-D WITH_CUDA=ON -D WITH_CUDNN=ON -D WITH_CUSOLVER=ON -D WITH_CUBLAS=ON -D OPENCV_DNN_CUDA=ON -D ENABLE_FAST_MATH=ON -D CUDA_FAST_MATH=ON
- 作用： 启用 NVIDIA CUDA 加速。如果你的系统有 NVIDIA 显卡，这些选项是关键。它们允许 OpenCV 使用 GPU 进行矩阵运算、深度学习推理等任务，性能提升非常显著。CUDNN 和 CUBLAS 是深度学习和线性代数库，而 FAST_MATH 选项则牺牲一点精度来换取更快的计算速度。
-D WITH_FFMPEG=ON
- 作用： 启用 FFMPEG 库。这使得 OpenCV 可以处理各种视频文件，并支持更多格式的编解码。
-D BUILD_opencv_python3=ON
- 作用： 如果你打算在 Python 3 中使用 OpenCV，这个选项是必需的。
-D BUILD_PERF_TESTS=OFF -D BUILD_TESTS=OFF
- 作用： 禁用性能和功能测试的编译。这会缩短编译时间，因为你不需要运行这些测试。在发布版本中，通常不需要编译它们。
-D BUILD_SHARED_LIBS=ON
- 作用： 编译动态链接库（.so 或 .dll 文件）。这比静态库更灵活，是大多数情况下的首选。

多版本管理及链接

在系统中管理多个 OpenCV 版本需要配置环境变量，以确保项目能正确链接到所需的版本。以下说明将帮助你配置 C++ 和 Python 项目，使其能够找到并使用你安装在 /opt/opencv 下的 OpenCV 版本。

C++ 项目：Pkg-config 配置

pkg-config 是一个用于获取已安装库的编译和链接选项的工具。为了让它找到新版本，你需要更新环境变量 PKG_CONFIG_PATH。

临时配置：如果你只想在当前终端会话中使用新版本，可以在终端中运行以下命令：
```
export PKG_CONFIG_PATH=/opt/opencv/lib/pkgconfig:$PKG_CONFIG_PATH
```
永久配置：如果你希望此配置在每次登录时都生效，可以将该行代码添加到你的 shell 配置文件中，例如 ~/.bashrc 或 ~/.zshrc。
```
echo 'export PKG_CONFIG_PATH=/opt/opencv/lib/pkgconfig:$PKG_CONFIG_PATH' >> ~/.bashrc
source ~/.bashrc
```
添加后，任何使用 pkg-config --cflags --libs opencv4 的项目都会自动链接到 /opt/opencv 下的库。

C++ 项目：CMake 配置

在你的 CMakeLists.txt 文件中，你可以直接指定 OpenCV 的安装路径，这对于需要特定版本的项目特别有用。

在 find_package 命令之前添加以下代码：

set(OpenCV_DIR "/opt/opencv/lib/cmake/opencv4")
find_package(OpenCV REQUIRED)
 
# 现在你可以正常使用 OpenCV 库
target_link_libraries(your_project_name ${OpenCV_LIBS})

通过这种方式，即使 PKG_CONFIG_PATH 没有设置，CMake 也能找到正确的库。

Python 项目

要让 Python 解释器找到你新编译的 OpenCV，你需要确保其库路径在 PYTHONPATH 环境变量中。

查找库文件：在 /opt/opencv 目录下，你可以在 lib/python3.x/dist-packages 找到 cv2.cpython-xxx.so（或类似的）文件。
临时配置：在当前终端会话中运行：
```
export PYTHONPATH=/opt/opencv/lib/python3.x/dist-packages:$PYTHONPATH
```
请将 python3.x 替换为你的 Python 版本，例如 python3.8。
永久配置：将该行添加到 ~/.bashrc 或 ~/.zshrc 文件中。
```
echo 'export PYTHONPATH=/opt/opencv/lib/python3.x/dist-packages:$PYTHONPATH' >> ~/.bashrc
source ~/.bashrc
```
配置完成后，你可以在 Python 脚本中导入 cv2，并且它将从你新安装的位置加载。

通过上述方法，你可以轻松地在同一系统上管理和使用不同版本的 OpenCV，并根据项目需求灵活切换。

Sean's Blog

Explorer