OpenCV 4.10.0 移植

原创于 2025-06-29 15:41:31 发布 · 942 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #移植 #aarch64

Linux 专栏收录该内容

50 篇文章

订阅专栏

OpenCV 4.10.0 移植使用

在这里插入图片描述

概述

OpenCV（Open Source Computer Vision Library）是计算机视觉领域最广泛使用的开源库之一，提供了丰富的功能模块，包括图像处理、视频分析、目标检测、特征提取、机器学习、深度学习推理、3D重建、相机标定等。它支持多种编程语言（C++、Python、Java等），并能在Windows、Linux、macOS、Android、iOS等主流操作系统上运行，是工业检测、自动驾驶、医学影像、AR/VR、机器人导航等领域的核心工具。
根据项目需求,提前预演引入OpenCV的支持, 本文基于aarch64交叉编译器配置移植OpenCV, 并通过修改一个简单的图片处理demo验证基本功能.

编译主机环境:

属性	值
系统	Ubuntu 18.04
内存	16GB
CPU	I7
CMake	cmake version 3.20.0
其他	系统环境比较齐全, 已经编译过android系统等平台SDK

移植编译

下载解压

官网当前发布的最新版本是4.11.0, 本文下载的是4.10.0

编译环境

sudo apt update
sudo apt install build-essential cmake git pkg-config libgtk-3-dev \
    libavcodec-dev libavformat-dev libswscale-dev libv4l-dev \
    libxvidcore-dev libx264-dev libjpeg-dev libpng-dev libtiff-dev \
    gfortran openexr libatlas-base-dev python3-dev python3-numpy \
    libtbb2 libtbb-dev libdc1394-22-dev

编译

OpenCV 4.10.0 用的是CMake来构建编译, 为了方便, 编写一个编译脚本, 便于修改维护后续的一些编译指令:

## 创建build, 存放编译输出
if [ ! -d build ]; then
    mkdir build
else
    rm -rf build/*
fi

cd build

## 创建交叉编译器的cmake 文件, 传递交叉编译器的配置信息给opencv
## 按实际修改对应的配置, 比如交叉编译器的路径, 平台信息等
echo "# define toolchain" > toolchain.cmake
echo "set(CMAKE_SYSTEM_NAME Linux)"  >> toolchain.cmake
echo "set(CMAKE_SYSTEM_PROCESSOR aarch64)" >> toolchain.cmake
echo "set(TOOLCHAIN_DIR \"/mnt/toolchains/aarch64-mix210-linux\")" >> toolchain.cmake
echo "set(CMAKE_C_COMPILER \"\${TOOLCHAIN_DIR}/bin/aarch64-mix210-linux-gcc\")" >> toolchain.cmake
echo "set(CMAKE_CXX_COMPILER \"\${TOOLCHAIN_DIR}/bin/aarch64-mix210-linux-g++\")" >> toolchain.cmake
echo "set(CMAKE_AR \"\${TOOLCHAIN_DIR}/bin/aarch64-mix210-linux-ar\")" >> toolchain.cmake
echo "set(CMAKE_STRIP \"\${TOOLCHAIN_DIR}/bin/aarch64-mix210-linux-strip\")" >> toolchain.cmake
echo "" >> toolchain.cmake

## 引入arm的标准配置, 这个需要根据实际需求修改.
echo "include(\"/mnt/opencv-4.10.0/platforms/linux/arm.toolchain.cmake\")" >> toolchain.cmake
echo "" >> toolchain.cmake

## 按需更改OpenCV配置:
echo "START Configure..."
cmake -D CMAKE_BUILD_TYPE=RELEASE \
	-DCMAKE_TOOLCHAIN_FILE=toolchain.cmake \
    -D CMAKE_INSTALL_PREFIX=. \
    -D INSTALL_C_EXAMPLES=ON \
    -D INSTALL_PYTHON_EXAMPLES=OFF \
    -D OPENCV_GENERATE_PKGCONFIG=ON \
    -D BUILD_EXAMPLES=ON \
    ..

#    -D OPENCV_EXTRA_MODULES_PATH=../modules\

echo "START building"
make -j8

echo "--END--"

编译完成

在build目录下, 可以看到一下so库:
在这里插入图片描述

OpenCV 库文件及其作用

libopencv_core.so (.4.10.0, .410)
- 模块名称：Core
- 作用：OpenCV 的核心模块，包含基本数据结构（如 cv::Mat）、矩阵运算、数学函数和内存管理功能。
- 主要功能：
  - 图像和矩阵操作（如矩阵乘法、转置）。
  - 基本数据类型（如点、矩形、向量）。
  - 内存分配和释放、XML/YAML 文件读写。
- 依赖性：几乎所有其他 OpenCV 模块都依赖此模块，是 OpenCV 的基础。
libopencv_imgproc.so (.4.10.0, .410)
- 模块名称：Image Processing
- 作用：提供图像处理功能，包括滤波、几何变换、边缘检测等。
- 主要功能：
  - 图像滤波（如高斯模糊、中值滤波）。
  - 边缘检测（如 Canny 算法）。
  - 图像变换（如缩放、旋转、透视变换）。
  - 颜色空间转换（如 BGR 到灰度或 HSV）。
- 使用场景：图像预处理、特征提取。
libopencv_imgcodecs.so (.4.10.0, .410)
- 模块名称：Image Codecs
- 作用：支持图像的读写操作，处理各种图像格式（如 JPG、PNG）。
- 主要功能：
  - 图像加载（cv::imread）。
  - 图像保存（cv::imwrite）。
  - 支持格式如 JPEG、PNG、BMP、WebP 等。
- 使用场景：您的需求（直接保存图像到指定路径）依赖此模块。
libopencv_highgui.so (.4.10.0, .410)
- 模块名称：High-level GUI
- 作用：提供图形用户界面功能，用于显示图像和创建交互窗口。
- 主要功能：
  - 创建窗口（cv::namedWindow）。
  - 显示图像（cv::imshow）。
  - 捕获键盘/鼠标事件（cv::waitKey）。
- 注意：依赖外部图形库（如 Linux 上的 GTK/Qt 或 Windows 的原生接口）。您遇到的 window.cpp:1284 错误与此模块相关，若不显示图像可避免使用。
libopencv_calib3d.so (.4.10.0, .410)
- 模块名称：Camera Calibration and 3D Reconstruction
- 作用：支持相机标定和三维重建。
- 主要功能：
  - 相机内参和外参标定。
  - 立体视觉（例如视差图计算）。
  - 三维点云重建、姿态估计。
- 使用场景：机器人导航、增强现实。
libopencv_dnn.so (.4.10.0, .410)
- 模块名称：Deep Neural Network
- 作用：支持深度学习模型的加载和推理。
- 主要功能：
  - 加载预训练模型（如 TensorFlow、PyTorch、ONNX 格式）。
  - 运行神经网络推理（如图像分类、目标检测）。
  - 支持硬件加速（如 CUDA、OpenCL）。
- 使用场景：目标检测、图像分割。
libopencv_features2d.so (.4.10.0, .410)
- 模块名称：2D Features Framework
- 作用：提供特征点检测和匹配功能。
- 主要功能：
  - 特征检测（如 SIFT、SURF、ORB）。
  - 特征描述子和匹配。
  - 图像配准。
- 使用场景：图像拼接、目标跟踪。
libopencv_flann.so (.4.10.0, .410)
- 模块名称：FLANN (Fast Library for Approximate Nearest Neighbors)
- 作用：提供高效的近邻搜索算法。
- 主要功能：
  - 快速最近邻搜索（用于特征点匹配）。
  - 支持 KD 树、K-Means 等算法。
- 使用场景：特征匹配、聚类。
libopencv_gapi.so (.4.10.0, .410)
- 模块名称：Graph API
- 作用：提供基于图的图像处理框架，用于优化计算流程。
- 主要功能：
  - 构建图像处理流水线。
  - 支持跨平台优化（CPU、GPU）。
- 使用场景：高性能图像处理、实时应用。
libopencv_ml.so (.4.10.0, .410)
- 模块名称：Machine Learning
- 作用：提供传统机器学习算法。
- 主要功能：
  - 支持算法如 SVM、决策树、KNN、随机森林。
  - 模型训练和预测。
- 使用场景：图像分类、回归分析。
libopencv_objdetect.so (.4.10.0, .410)
- 模块名称：Object Detection
- 作用：支持目标检测功能。
- 主要功能：
  - 人脸检测（Haar 级联、LBP 级联）。
  - 特定对象检测（如 QR 码、行人）。
- 使用场景：监控、安防。
libopencv_photo.so (.4.10.0, .410)
- 模块名称：Photo
- 作用：提供计算摄影功能。
- 主要功能：
  - 图像修复（如去噪、去模糊）。
  - HDR 成像、图像去雾。
- 使用场景：图像增强、艺术效果。
libopencv_stitching.so (.4.10.0, .410)
- 模块名称：Image Stitching
- 作用：支持图像拼接，生成全景图。
- 主要功能：
  - 特征点匹配和图像对齐。
  - 图像融合生成无缝全景图。
- 使用场景：全景摄影、地图生成。
libopencv_video.so (.4.10.0, .410)
- 模块名称：Video Analysis
- 作用：提供视频处理和运动分析功能。
- 主要功能：
  - 光流跟踪（如 Lucas-Kanade）。
  - 背景建模和运动检测。
- 使用场景：视频跟踪、动作分析。
libopencv_videoio.so (.4.10.0, .410)
- 模块名称：Video I/O
- 作用：支持视频的读写和捕获。
- 主要功能：
  - 读取视频文件（cv::VideoCapture）。
  - 写入视频文件（cv::VideoWriter）。
  - 访问摄像头或视频流。
- 使用场景：视频处理、实时流。
libopencv_ts.a
- 模块名称：Test
- 作用：OpenCV 的测试模块，包含测试框架和26. libopencv_ts.a
- 模块名称：Test
- 作用：OpenCV 的测试模块，包含测试框架和工具函数。
- 主要功能：
  - 用于 OpenCV 内部单元测试和性能测试。
  - 提供测试相关的基础设施。
- 注意：此模块为静态库（.a），通常仅用于 OpenCV 开发和测试，非用户程序直接使用。

使用实例

注意事项:

依赖性：某些模块（如 highgui）依赖外部库（GTK/Qt）。若仅保存图像，imgcodecs 足以，无需 highgui。
编译配置：使用 OpenCVConfig.cmake（如前所述）可自动处理模块依赖。例如：
```
find_package(OpenCV REQUIRED COMPONENTS core imgproc imgcodecs)
```
环境变量：确保库路径在 LD_LIBRARY_PATH 中（Linux），例如：
```
export LD_LIBRARY_PATH=/mnt/opencv_lib:$LD_LIBRARY_PATH
```

参考代码

CMakeLists.txt

cmake_minimum_required(VERSION 3.10)

# 项目名称和语言
project(OpenCV_Demo LANGUAGES CXX C)

# 设置 C++ 标准
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 设置交叉编译工具链
set(TOOLCHAINS /mnt/toolchains/aarch64-mix210-linux)
set(CMAKE_C_COMPILER ${TOOLCHAINS}/bin/aarch64-mix210-linux-gcc)
set(CMAKE_CXX_COMPILER ${TOOLCHAINS}/bin/aarch64-mix210-linux-g++)

## OPEN_CV
set(SRC_DIR ${CMAKE_SOURCE_DIR})
set(CMAKE_RUNTIME_OUTPUT_DIRECTORY ${SRC_DIR}/build/output)
set(OpenCV_DIR /mnt/opencv-4.10.0/build)
# 查找 OpenCV 包
find_package(OpenCV REQUIRED)

# 包含 OpenCV 头文件目录
include_directories(${OpenCV_INCLUDE_DIRS})

# 包含目录
include_directories(
    ${SRC_DIR}/include
)

add_executable(edge_sample
    edge_sample.cpp
)

target_link_libraries(edge_sample ${OpenCV_LIBS})

edge_sample.cpp

#include "opencv2/core/utility.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"

#include <stdio.h>

using namespace cv;
using namespace std;

int edgeThresh = 5;
int edgeThreshScharr=1;

Mat image, gray, blurImage, edge1, edge2, cedge;


// define a trackbar callback
static void onTrackbar(int, void*)
{
    blur(gray, blurImage, Size(3,3));
    imwrite("/mnt/imgs/1_blur.jpg", blurImage);

    // Run the edge detector on grayscale
    Canny(blurImage, edge1, edgeThresh, edgeThresh*3, 3);
    cedge = Scalar::all(0);

    image.copyTo(cedge, edge1);
    //imshow(window_name1, cedge);
    imwrite("/mnt/imgs/2_candy.jpg", edge1);

    /// Canny detector with scharr
    Mat dx,dy;
    Scharr(blurImage,dx,CV_16S,1,0);
    Scharr(blurImage,dy,CV_16S,0,1);
    Canny( dx,dy, edge2, edgeThreshScharr, edgeThreshScharr*3 );
    /// Using Canny's output as a mask, we display our result
    cedge = Scalar::all(0);
    image.copyTo(cedge, edge2);
    //imshow(window_name2, cedge);
    imwrite("/mnt/imgs/3_candy.png", edge2);
}

static void help(const char** argv)
{
    printf("\nThis sample demonstrates Canny edge detection\n"
           "Call:\n"
           "    %s [image_name -- Default is fruits.jpg]\n\n", argv[0]);
}

const char* keys =
{
    "{help h||}{@image |fruits.jpg|input image name}"
};

int main( int argc, const char** argv )
{
    //help(argv);
    CommandLineParser parser(argc, argv, keys);
    string filename = parser.get<string>(0);

    printf("filename:%s\n", filename.c_str());

    image = imread(samples::findFile(filename), IMREAD_COLOR);
    if(image.empty())
    {
        printf("Cannot read image file: %s\n", filename.c_str());
        help(argv);
        return -1;
    }
    cedge.create(image.size(), image.type());
    cvtColor(image, gray, COLOR_BGR2GRAY);
    imwrite("/mnt/imgs/0_gray.jpg", gray);

    // Create a window
    //namedWindow(window_name1, 1);
    //namedWindow(window_name2, 1);

    // create a toolbar
    //createTrackbar("Canny threshold default", window_name1, &edgeThresh, 100, onTrackbar);
    //createTrackbar("Canny threshold Scharr", window_name2, &edgeThreshScharr, 400, onTrackbar);

    // Show the image
    onTrackbar(0, 0);

    // Wait for a key stroke; the same function arranges events processing
    //waitKey(0);

    return 0;
}

把编译好的程序放到目标设备中去运行看看结果:

opencv_lib: 编译好的opencv 的so库
edge_sample: 测试程序
imgs: 测试图片目录

# 文件目录
/mnt # ls -l
-rwxrwxr-x    1 1000     1000       28.4K Jun 29  2025 edge_sample
drwxrwxr-x    2 1000     1000        4.0K Jun 29  2025 imgs
drwxrwxr-x    2 1000     1000        4.0K Jun 29  2025 opencv_lib

# 运行测试
/mnt # export LD_LIBRARY_PATH=/mnt/opencv_lib:$LD_LIBRARY_PATH
/mnt # ./edge_sample imgs/sample.png 
filename:imgs/sample.png

# 结果
/mnt # ls -l imgs/
total 676
-rw-r--r--    1 root     root         61950 Jun 29  2025 0_gray.jpg
-rw-r--r--    1 root     root         43720 Jun 29  2025 1_blur.jpg
-rw-r--r--    1 root     root        113186 Jun 29  2025 2_candy.jpg
-rw-r--r--    1 root     root         35619 Jun 29  2025 3_candy.png
-rw-rw-r--    1 1000     1000        278303 Dec 22  2024 sample.png