pycharm+python3.8安装opencv+contrib

本文阐述了opencv-python与opencv-contrib-python的区别,opencv-python包含了OpenCV的基础模块,而opencv-contrib-python则额外集成了实验性的增强模块及新算法。文中还介绍了如何通过下载预编译的wheel文件来安装opencv-contrib-python。

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

A.opencv-python与opencv-contrib-python的区别

1.opencv-python包含opencv的主模块。
下载地址
https://pypi.org/project/opencv-python/#files

2.opencv-contrib-python属于加强版,除了主模块,还包含一些增强模块及以下测试的新算法,验证成熟后,再加入主模块。
下载地址
https://pypi.org/project/opencv-contrib-python/#files

B.安装opencv-contrib-python

在做人脸识别的时候,opencv已经不足够,必须要加上contrib的库才可实现。

方法一:直接在anaconda prompt 下输入pip install opencv-python opencv-contrib-python, 这样安装真的很慢, 不建议采用此方法,而且由于墙的原因, 下载总是超时,程序会出现异常
在这里插入图片描述
方法二:
直接下载编译好的wheel文件:
文件名形如:opencv_python-3.4.1+contrib-cp36-cp36m-win_amd64.whl,根据需要选择安装合适的版本
直接输入pip install E:\temp\opencv_python-3.4.1+contrib-cp36-cp36m-win_amd64.whl

完美解决

### 配置 GPU 加速版 OpenCV安装教程 要在 PyCharm 中配置支持 GPU 的 OpenCV,需要完成以下几个方面的设置: #### 1. 安装 CUDA 和 cuDNN 为了使 OpenCV 支持 GPU 加速功能,必须先安装 NVIDIA 提供的 CUDA 工具包以及 cuDNN 库。CUDA 是用于开发 GPU 并行计算程序的核心工具集,而 cuDNN 则是一个针对深度学习优化的库。 可以通过以下链接下载并安装适合操作系统的版本: - CUDA 下载页面: https://developer.nvidia.com/cuda-downloads[^4] - cuDNN 下载页面: https://developer.nvidia.com/cudnn[^5] 确保所选版本与操作系统兼容,并按照官方文档中的说明进行安装。 #### 2. 编译带有 GPU 支持的 OpenCV 由于 pip 或 conda 默认提供的 `opencv-python` 不包含完整的 GPU 功能模块 (如 CUDA),因此需手动编译具有 GPU 支持的 OpenCV 版本。以下是具体步骤: ##### 准备工作 - 确保 Python 开发环境已经正确配置。 - 使用 Anaconda 创建一个新的虚拟环境以便隔离依赖项管理。 ```bash conda create -n opencv-gpu python=3.8 conda activate opencv-gpu ``` ##### 获取源码 从 GitHub 上克隆最新的 OpenCV 源代码仓库到本地机器上: ```bash git clone https://github.com/opencv/opencv.git cd opencv mkdir build && cd build ``` ##### CMake 配置 运行 CMake 来生成 Makefile 文件,在此过程中指定启用 GPU 相关选项: ```bash cmake \ -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D WITH_CUDA=ON \ -D OPENCV_EXTRA_MODULES_PATH=<path_to_opencv_contrib>/modules .. ``` 注意 `<path_to_opencv_contrib>` 表示指向另一个存储额外扩展模块(如果需要的话)的位置路径。 ##### 构建 & 安装 执行构建过程并将结果部署至系统目录下: ```bash make -j$(nproc) sudo make install ``` 完成后重新启动终端窗口以应用更改。 #### 3. 测试安装效果 编写简单的脚本来验证新安装的支持情况是否正常运作: ```python import cv2 print(cv2.__version__) if cv2.cuda.getCudaEnabledDeviceCount(): print(&#39;OpenCV with CUDA support is working!&#39;) else: print(&#39;No CUDA-enabled devices found.&#39;) ``` 上述代码会打印当前使用的 OpenCV 版本号,并检测是否存在任何启用了 CUDA 的设备;如果有,则表明安装成功。 --- ### 注意事项 尽管通过以上方法可以实现完全自定义化的 OpenCV-GPU 设置方案,但对于大多数开发者而言可能显得较为繁琐复杂。作为替代解决方案之一,也可以考虑利用预打包好的二进制发行版或者第三方社区维护的相关资源来简化流程。 ---
评论
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