ubuntu 16.0.4 opencv 4.0.0 + opencv_contrib 4.0.0 cmake-gui 安装

本文详细介绍如何在Linux环境下安装OpenCV 4.0,包括更新apt-get、安装依赖包、配置CMake、下载安装包、配置环境变量等步骤,并提供SURF特征点检测的测试代码及编译运行指南。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

下载和添加依赖包

1、首先更新 apt-get,在安装前最好先更新一下系统,不然有可能会安装失败。在终端输入:

sudo apt-get update
sudo apt-get upgrade

2、接着安装官方给的opencv依赖包,在终端输入:

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

3、接下来安装CMake-gui,在终端输入

sudo apt-get install cmake-qt-gui

下载安装包:
opencv-4.0.0 Source code(zip)
https://github.com/opencv/opencv/releases
23

opencv_contrib-4.0.0
https://github.com/opencv/opencv_contrib/releases 4.0.0.zip

配置OpenCV
解压 两个压缩包,然后将 opencv_contrib-4.0.0 放到 opencv-4.0.0 里面,双击进入解压出来的opencv-4.0.0 文件夹,右键打开终端(或者在别处打开终端,通过输入cd opencv-4.0.0 进入当前目录下),然后依次输入(不要忘了第三行的最后的空格和两个点):

mkdir build
cd build 
cmake-gui .. 

3、然后会弹出CMake的图形化界面,在上方的两个路径里面,选择好代码所在文件夹的路径和要安装的路径

4 点击左下方的Configure按钮,选择Unix Makefiles,选择Use default native compilers(默认),然后点击Finish

需要下载一些文件,要等待一段时间。然后CMake即载入默认配置,如下图所示:
窗口的中间部分即配置列表,这里和使用cmake命令直接生成makefile文件一致的。正如上文所述,这里通过图形界面的方式来进行配置,更加直观方便。
6、这里需要对几个地方进行修改:

)1)在CMAKE_BUILD_TYPE 值处输入RELEASE,其他保持不变(如果已经存在就不必修改)。
下方的CMAKE_INSTALL_PREFIX显示了默认的安装目录,这里我修改为: /usr/local/opencv4 (安装成功后,这个文件夹下面是有东西的,如果没有东西,安装没成功)
生成makefile文件最后执行 make install时就会安装到这个目录,这里可以根据个人需求更改。

2)在OPENCV_EXTRA_MODULES_PATH处,选择输入目录

然后选择opencv_contrib-4.0.0 文件夹中的modules文件夹,注意,不是只选中opencv_contrib-4.0.0 文件夹就好了,需要选中里面的modules文件夹! 如下图所示,然后点Choose。
注:OPENCV_EXTRA_MODULES_PATH 是用来指定要编译的扩展模块,其中包括OpenCV_contrib模块。

3)OPENCV_ENABLE_NONFREE 选中(SURF 专利问题)

点击Generate生成配置文件,这一步应该比较快就完成了。

8、接着,在build目录下打开终端,输入

make
sudo make install

配置环境变量
1、安装成功后还需要设置opencv的环境变量。打开文件:

sudo gedit /etc/ld.so.conf.d/opencv.conf

2、将以下内容添加到最后:

/usr/local/opencv4/lib

3、接下来配置库:

sudo ldconfig

4、更改环境变量:

sudo gedit /etc/bash.bashrc

5、在文件后添加:

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/opencv4/lib/pkgconfig 
export PKG_CONFIG_PATH

6、保存退出,在运行下面的例程之前,需要重新开启终端来使配置生效。

下面是 SURF 特征点检测 测试代码



#include <iostream>
#include <vector>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/highgui.hpp>

using namespace cv;
using namespace std;

int main()
{
    Mat img1 = imread("/home/zhangjun/Pictures/bookobject.jpg",1);
    Mat img2 = imread("/home/zhangjun/Pictures/bookscene.jpg",1);
    if ((img1.data == NULL)||(img2.data ==NULL))
    {
        cout << "No exist" << endl;
        return -1;
    }
    Ptr<Feature2D> surf = xfeatures2d::SURF::create(1000);

    vector<KeyPoint> keypoints_1, keypoints_2;
    Mat descriptors_1, descriptors_2;

    surf->detectAndCompute(img1, Mat(), keypoints_1, descriptors_1 );
    surf->detectAndCompute(img2, Mat(), keypoints_2, descriptors_2 );
    drawKeypoints(img1, keypoints_1, img1);
    drawKeypoints(img2, keypoints_2, img2);

    namedWindow("img1",0);
    resizeWindow("img1",500,500);
    imshow("img1", img1);

    namedWindow("img2",0);
    resizeWindow("img2",500,500);
    imshow("img2", img2);

    FlannBasedMatcher matcher;
    std::vector< DMatch > matches;
    matcher.match( descriptors_1, descriptors_2, matches );
    double max_dist = 0; double min_dist = 100;

    for( int i = 0; i < descriptors_1.rows; i++ )
    { double dist = matches[i].distance;
      if( dist < min_dist ) min_dist = dist;
      if( dist > max_dist ) max_dist = dist;
    }
    printf("-- Max dist : %f \n", max_dist );
    printf("-- Min dist : %f \n", min_dist );

    std::vector< DMatch > good_matches;
    for( int i = 0; i < descriptors_1.rows; i++ )
    { if( matches[i].distance <= max(2*min_dist, 0.02) )
      { good_matches.push_back( matches[i]); }
    }

    Mat img_matches;
    drawMatches( img1, keypoints_1, img2, keypoints_2,
                 good_matches, img_matches, Scalar::all(-1), Scalar::all(-1),
                 vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );

    namedWindow("Good Matches",0);
    resizeWindow("Good Matches",800,800);
    imshow( "Good Matches", img_matches );

    for( int i = 0; i < (int)good_matches.size(); i++ )
    { printf( "-- Good Match [%d] Keypoint 1: %d  -- Keypoint 2: %d  \n",
              i, good_matches[i].queryIdx, good_matches[i].trainIdx ); }

    waitKey(0);
    return 0;
}

CMakeLists.txt

set(CMAKE_CXX_FLAGS "-std=c++11")    
cmake_minimum_required(VERSION 3.4)


project( SURF_test )

set(OpenCV_DIR "/home/zhangjun/SoftWare/opencv-4.0.0/build")

find_package( OpenCV REQUIRED )

add_executable( SURF_test surf_test.cpp )

target_link_libraries( SURF_test ${OpenCV_LIBS} )

编译运行:
cmake .
make
./SURF_test

(gcc 版本 6.5.0)

### 如何在 Ubuntu 16.04安装 TensorFlow-GPU #### 准备工作 确保已经正确安装了 NVIDIA 显卡驱动以及 CUDA 和 cuDNN 的相应版本。这些组件对于 TensorFlow-GPU 版本的支持至关重要[^5]。 #### 安装依赖库 为了使 TensorFlow 能够访问 GPU 性能统计信息,需先通过命令 `sudo apt-get install libcupti-dev` 来安装必要的支持包。 #### 使用 Pip 进行安装 可以通过 Python 的包管理工具 pip 来安装特定版本的 TensorFlow-GPU。例如: ```bash pip3 install --trusted-host pypi.org --trusted-host files.pythonhosted.org tensorflow-gpu==1.10.0 --user ``` 这条指令指定了信任的主机地址来绕过某些网络环境下的安全限制,并选择了具体的 TensorFlow-GPU 版本号进行安装。 另外,在其他资料中也提到了不同的 TensorFlow-GPU 版本,比如可以使用如下命令安装较早版本: ```bash sudo pip install tensorflow-gpu==1.2.0 ``` 或者是稍新的版本: ```bash pip install tensorflow-gpu==1.6.0 ``` 这取决于项目需求和个人偏好[^1][^2]。 #### 创建虚拟环境 (可选) 如果希望保持系统的整洁并减少不同项目的冲突风险,则建议创建一个新的 Python 虚拟环境再执行上述安装操作。这样做的好处是可以独立控制各个项目的依赖项而不影响全局设置[^4]。 #### 验证安装成果 完成以上步骤后,可通过运行简单的 Python 程序测试 TensorFlow 是否能够识别到本地存在的 GPU 设备: ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) ``` 这段代码会打印出所有被检测到的物理 GPU 列表;如果有任何输出则说明 TensorFlow 已经成功连接上了 GPU 并准备就绪[^3]。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值