Ubuntu16.04 安装opencv3.2.0 与opencv_contrib_3.2.0 支持dnn

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.1k累计阅读 1.1k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄12年

关注

原创最新推荐文章于 2026-08-21 13:26:11 发布 1.1k 阅读 AI 写同款· GEO 优化 ›

Ubuntu 20.04下OpenCV 4.5+contrib源码编译实战指南 OpenCV是计算机视觉领域最核心的开源库，其模块化架构与硬件加速能力决定了实际项目中的性能边界。理解OpenCV的编译原理，关键在于掌握主库与opencv-contrib的耦合机制——SIFT、SURF、text、ximgproc等工业级算法仅在启用OPENCV_ENABLE_NONFREE且联合构建contrib时才可用；而TBB、CUDA、DNN等后端优化则依赖CMake精准配置。这种深度定制能力，使源码编译成为嵌入式部署、边缘AI推理和学术复现实验的刚性需求。本文聚焦Ubuntu 20.04这一广泛阅读详情

留坑

收录于

深度学习与计算机视觉

当前文章被收录于：

深度学习与计算机视觉

9 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

Ubuntu 18.04 YOLOv5 ros_yolo 环境配置数据集标注 Windows YOLOv4 环境配置（GPU版）提示确保你有Nvidia显卡，并确定所支持的CUDA版本准备源码工具CUDA + cuDNNOpenCV + OpenCV_ContribYOLOv4 (darknet) 提示确保你有Nvidia显卡，并确定所支持的CUDA版本准备源码 darknet-master opencv + opencv_contrib (下面使用的 opencv 的版本号为4.2.0 ) CUDA (下面使用的CUDA版本为11.1) cuDNN (下载 cuDNN 阅读详情

相关推荐

Ubuntu 20.04源码编译OpenCV 4.5完整指南

OpenCV是计算机视觉开发的核心库，其功能完整性与系统兼容性直接决定图像处理、特征检测、OCR及深度学习推理等任务的落地效果。OpenCV 4.5作为兼顾稳定性与功能性的长期可用版本，原生支持SIFT/SURF（需启用NONFREE）、dnn_superres、text、tracking等关键contrib模块，并针对AVX-512指令集优化性能。在Ubuntu 20.04环境下，apt源仅提供过时的4.2.0版本，pip安装包则缺失C++头文件与专利算法支持，导致中文路径读取失败、cv2.xfeatur

cuiyingchan0663的博客 432

Ubuntu 20.04编译安装OpenCV 4.5+contrib完整指南

OpenCV是计算机视觉领域最核心的开源库，其C++底层与Python绑定机制决定了环境配置远不止‘pip install’那么简单。理解OpenCV编译原理，关键在于掌握版本协同（主库与opencv-contrib）、ABI兼容性（Python解释器与libpython链接）、非自由算法启用机制（SIFT/SURF依赖OPENCV_ENABLE_NONFREE）三大技术支点。在Ubuntu 20.04这一典型LTS环境中，GCC 9.3、CMake 3.16.3和Python 3.8.10构成特殊工具链组

weixin_33907511的博客 499

ubuntu编译支持cuda10.0的opencv4.2

参考链接：https://gist.github.com/raulqf/f42c718a658cddc16f9df07ecc627be7#how-to-install-opencv-420-with-cuda-100-in-ubuntu-distro-1804 问题1： xfeatures2d/boostdesc:Download failed: 1;"Unsupported protocol" 原因是无法下载： boostdesc_bgm.i boostdesc_bgm_bi.i boos.

qq_29650553的博客 718

opencv4.1.1.26读视频显示帧出现这个问题,目前尚未解决,欢迎接龙

OpenCV(ocl4dnn): consider to specify kernel configuration cache directory via OPENCV_OCL4DNN_CONFIG_PATH parameter. OpenCL program build log: dnn/dummy Status -11: CL_BUILD_PROGRAM_FAILURE -cl-no-subgroup-ifp Error in processing command line: Don’t underst

zhe_csdn的博客 1275

Ubuntu 20.04手动编译OpenCV 4.5.5生产环境安装指南

OpenCV是计算机视觉领域最核心的开源库，其编译原理涉及CMake构建系统、动态链接与ABI兼容性、CUDA/DNN等硬件加速模块集成等关键技术。理解OpenCV的模块化架构（主库+opencv-contrib）和版本锁死机制，是实现SIFT/SURF专利算法启用、DNN CUDA后端支持及图像I/O稳定性保障的前提。该技术方案显著提升YOLOv5/v7后处理、OCR文本识别、目标跟踪等AI应用的工程落地能力，尤其适用于Ubuntu 20.04 LTS环境下需长期维护的算法服务与嵌入式部署场景。本文聚焦O

注重长远天天积累 cqujsjcyj 401

Ubuntu下OpenCV 3.4.12源码编译与系统安装指南

OpenCV是计算机视觉领域最主流的开源图像处理库，其C++核心能力依赖于底层编译配置与系统环境深度协同。理解OpenCV的模块化架构、CMake构建原理及动态链接机制，是实现跨平台稳定部署的关键技术基础。在Ubuntu等Linux发行版中，手动编译不仅关乎版本可控性与功能裁剪，更直接影响DNN推理、特征匹配（如SIFT）、视频编解码等高级能力的可用性。典型应用场景包括AI算法原型验证、桌面端视觉应用开发及嵌入式方案前期仿真。本文聚焦X86平台，详解OpenCV 3.4.12——这一长期支持（LTS）稳定版

weixin_32869687的博客 380

解决报错 Error in processing command line: Don‘t understand command line argument “-cl-no-subgroup-ifp“

解决报错 Error in processing command line: Don't understand command line argument "-cl-no-subgroup-ifp"！

weixin_47214888的博客 2201

OpenCV 5.0 DNN模块GPU推理稳定性与性能深度评测

深度学习模型部署是计算机视觉应用的核心环节，其原理是通过优化推理引擎实现高效计算。OpenCV DNN模块作为轻量级推理框架，技术价值在于平衡性能与易用性，广泛应用于边缘计算和实时视觉场景。然而，OpenCV 4.x版本长期存在GPU推理稳定性问题，如YOLOv8模型在CUDA后端出现检测框坐标错误。最新发布的OpenCV 5.0对DNN模块进行架构重构，通过改进ONNX算子支持、优化内存管理机制，显著提升GPU推理准确性和速度。测试表明，新版本在保持98.5%检测精度的同时，推理耗时降低至6.3毫秒，为Y

weixin_34088583的博客 417

Ubuntu安装Opencv、opencv_contrib、cuda（都是细节）

安装tbb，jpeg，png，tiff。2、下载opencv源码。

weixin_44733606的博客 4664

Ubuntu 20.04手动编译OpenCV 4.5.5完整指南

OpenCV是计算机视觉领域最核心的开源库，其编译配置直接影响SIFT、SURF等非自由算法及CUDA加速能力。原理上，OpenCV 4.5起默认禁用专利算法，需显式启用OPENCV_ENABLE_NONFREE，并严格匹配opencv-contrib版本；同时依赖系统级图像库（如libjpeg-dev≥1.6.0）与Python头文件路径（如/usr/include/python3.8m）的精确协同。技术价值在于获得完整DNN模块、GPU后端支持和生产级稳定性。典型应用场景包括YOLO模型部署、工业质检图

314

AI 帮我写单测：pytest 覆盖率提升 40% 的协作日志

AI助力pytest测试覆盖率提升40%的实践总结本文分享了作者通过AI协作提升Python项目测试覆盖率的实践经验。初始测试覆盖率仅45%的电商后端项目，通过系统化的AI协作策略（代码分析、场景矩阵设计、迭代优化）实现了显著改进。AI不仅生成312个高质量测试用例，更提供了测试设计思路和最佳实践建议。最终覆盖率提升至85%，发现并修复23个潜在bug，效率提升3倍。文章详细展示了用户服务、订单服务等核心模块的测试案例，以及分层Fixture设计、参数化测试等高级技巧。关键成功因素包括明确的协作边界、迭代

摘星编程的博客 3272

深度学习模型推理部署

最近在微信公众号里看到多篇讲解yolov5在openvino部署做目标检测文章，但是没看到过用opencv的dnn模块做yolov5目标检测的。于是，我就想着编写一套用opencv的dnn模块做yolov5目标检测的程序。在编写这套程序时，遇到的bug和解决办法，在这篇文章里讲述一下。在yolov5之前的yolov3和yolov4的官方代码都是基于darknet框架的实现的，因此opencv的dnn模块做目标检测时，读取的是.cfg和.weight文件，那时候编写程序很顺畅，没有遇到bug。但是yolo

nihate的专栏 8万+

Libero SoC v2021.1离线安装与IP核配置全攻略

本文详细介绍了Libero SoC v2021.1在离线环境下的完整安装与配置流程。核心内容包括如何选择正确的离线安装包、获取并配置许可证、安装与挂载MegaVault IP库，以及将ModelSim仿真器切换至免费SE模式的关键步骤。文章旨在帮助内网开发者避开常见陷阱，顺利完成FPGA开发环境的搭建。

weixin_29279101的博客 406

ubuntu 16.04 安装opencv4.2.0+opencv_contrib+CUDA支持流程

1.下载opencv源码：官网下载：https://opencv.org/releases.html 扩展包contrib库： https://github.com/opencv/opencv_contrib/releases 2.解压opencv包在Ubuntu里解压下载好的包： 2.1 压缩包格式是zip,使用unzip解压 2.2 压缩包格式是tar.gz,使用tar -zxvf解压；出现报错： gzip: stdin: not in gzip format tar: Child returne

sazass的博客 2415

DeepL Pro免费使用技巧与API调用优化方案

机器翻译技术通过神经网络模型实现跨语言语义转换，其核心价值在于保持专业术语准确性的同时实现自然语言流畅度。现代翻译工具如DeepL采用注意力机制等深度学习技术，在医疗、法律等专业领域展现出接近人工翻译的质量。针对API调用场景，开发者可通过请求模拟实现小批量自动化处理，而文档预处理和术语库优化则能显著提升免费额度使用效率。本文重点解析如何通过字符计算优化、临时接口调用等工程实践方法，在合规前提下最大化利用免费翻译资源。

weixin_29038303的博客 265

【华为OD机试】真题A卷-Linux发行版的数量（Python）

【华为OD机试】真题A卷-Linux发行版的数量（Python）：Linux操作系统有多个发行版，distrowatch.com提供了各个发行版的资料。这些发行版互相存在关联，例如Ubuntu基于Debian开发，而Mint又基于Ubuntu开发，那么我们认为Mint同Debian也存在关联。发行版集是一个或多个相关存在关联的操作系统发行版，集合内不包含没有关联的发行版。给你一个nxn的矩阵isConnected，其中isConnected[i][i]=1表示第i个发行版和第j个发行版直接

u014481728的博客 941

ubantu编译opencv+contrib+支持cuda

unbantu下编译opencv3.4.16+contrib库，并且支持CUDA，个人经历，希望可以帮到大家少踩坑

syk1748的博客 688

高通Camx功能feature分析之二：remosaic流程

本文介绍了Remosaic技术及其在图像处理中的应用。Remosaic是将4cell1像素排布还原为普通Bayer结构的过程，分为硬件和软件两种实现方式。文章详细解析了Remosaic流程，包括配流情况、Feature选择、初始化过程，以及触发拍照的完整流程。重点分析了从普通预览切换到全尺寸拍照的关键步骤：激活全尺寸RDI会话、生成请求、等待就绪、唤醒离线线程和重启预览。通过代码层面的分析，揭示了Remosaic技术如何实现高分辨率图像还原，同时说明了该过程中可能出现的预览定屏现象及其原因。

1876

Ubuntu 16.04下Anaconda环境源码编译OpenCV完整指南

在计算机视觉和机器学习开发中，环境配置是项目成功的基础环节。通过源码编译的方式安装核心库，能够深入理解软件依赖关系与构建原理，从而实现对库功能的深度定制和性能优化。这种方法不仅解决了预编译二进制包常见的功能缺失问题，还能针对特定硬件架构进行指令集优化，显著提升计算效率。对于需要在Ubuntu系统上进行严肃计算机视觉开发的工程师而言，掌握从源码编译OpenCV的技术，意味着能够灵活配置CUDA加速支持、完整HighGUI模块等关键功能，确保开发环境与项目需求精确匹配。本文以Anaconda环境管理为切入点，详

aodiyi6351的博客 359

Allegro如何导出和导入器件模型Signal_Model操作指导

在用Allegro做PCB设计的时候，通常需要给器件加上Signal_Model,在做等长的时候用到的非常频繁。如下图，需要把R7002的Signal_Model导入到另外一块没有给R7002加好模型的BRD中。Allegro除了可以给器件添加模型，还支持从一块加好模型的BRD导入到另外一块BRD中，如何导出和导入器件模型Signal_Model操作指导。

weixin_54787054的博客 1896

核心组件大换血：Backbone与Neck魔改篇：YOLO26结合StarNet结构：2026星状网络在YOLO生态的即插即用实战

本文将介绍如何将StarNet作为Backbone替换YOLO26原生架构，以提升边缘设备上的目标检测性能。文章首先分析了YOLO26在特定场景下的精度瓶颈，指出其通用Backbone设计存在不足。随后深入解析StarNet的核心创新——星操作（Star Operation），这一低维计算却能获得高维特征表达的数学魔术，以及其极简的StarBlock模块设计。通过对比YOLO26原生架构的三大创新与痛点，作者提出两种替换策略：完整替换Backbone或局部替换+Neck联调。文中提供了StarNet核心代码

ZDQ58818的博客 288

Linux系统编译CUDA版的OpenCV4.2

OpenCV4.2版本新增DNN模块CUDA加速功能，但该功能位于opencv_contrib中，需要联合编译。本文记录了在Ubuntu16.04环境下编译OpenCV4.2与contrib时遇到的问题及解决方案，包括：1）安装必要依赖库；2）正确配置CUDA相关编译选项；3）解决编译过程中出现的缺失boostdesc文件和头文件问题；4）使用注意事项，如必须启用C++11标准支持。文章提供了修改后的opencv_contrib资源下载，帮助开发者避免重复踩坑。

计算机视觉算法开发与落地 1万+

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版【x86|x64】

【Ubuntu版】源码编译安装opencv（一）

一、参考资料在ubuntu下安装opencv4.1.0详细步骤二、写在前面博主以安装 opencv 4.1.0为例； opencv官方教程；需要的环境： GCC 4.4.x or later CMake 2.8.7 or higher Git GTK+2.x or higher, including headers (libgtk2.0-dev) pkg-config Python 2.6 or later and Numpy 1.5 or later with developer packag