UBUNTU 下编译安装opencv-2.4.6.1

最新推荐文章于 2025-08-01 12:22:26 发布
转载 最新推荐文章于 2025-08-01 12:22:26 发布 · 85 阅读 · 0

本文提供了 OpenCV 2.4.6.1 的安装步骤，包括必要的编译环境安装命令及使用 CMake 编译项目的详细过程。

转自  http://www.cnblogs.com/JohnShao/archive/2011/09/22/2184653.html


opencv-2.4.6.1 下载


1.首先在终端运行下列命令进行必要的编译环境安装。

sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg62-dev libtiff4-dev cmake libswscale-dev libjasper-dev


2. cd 进入包所在地址

 解压  tar xf opencv-2.4.6.1

          cd OpenCV-2.3.1



使用cmake编译项目

获取安装的cmake的版本号有个办法： 在usr/share/cmake-2.8 这是我的cmake版本号




wangd933
关注
OpenCV 2.4.6.1在Ubuntu 12.04上的安装
积沙成塔
05-12 1475
参考网址： 1 opencv 官网：http://docs.opencv.org/doc/tutorials/introduction/linux_install/linux_install.html?highlight=install 2    http://www.ozbotz.org/opencv-installation-2-3-1/ 3    http://anuruddh
ubuntu22.04安装opencv4和opencv_contrib
MclarenSenna的博客
09-22 6666
选择OpenCV-4.5.0，下载Sources版本，并解压；
编译Ubuntu下OpenCV-Python的GPU版本
canyingfeixue的专栏
09-27 788
本次环境是Docker下的Ubuntu 20.04 CUDA版本，你可以自己在系统下安装显卡驱动、CUDA、CUDNN，具体的安装CUDA和CUDNN不在叙述。网上找了很多资料，都比较复杂，通过实践，我总结了最简单的安装方法。本文只讲编译opencv-python版本。进入python下，打印消息，若成功则成功。2、拉取opencv-python。1、先安装基础环境依赖。红色的修改你自己的路径。
Ubuntu 12.04安装OpenCV2.4.6.1
蓝伟的专栏
12-22 786
一.安装编译环境以及相关库 sudo apt-get install cmake build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libswscale-dev libjpeg62-dev  libtiff4-dev  libjasper-dev 二.下载OpenCV源码，编译 tar -xvf 进入解压目录， cm
ubuntu12.04安装openCV2.4.6.1
cssiqi的专栏
08-15 1249
1）在安装OpenCV前需要安装的软件包有 GCC4.4.X or later，可通过命令sudo apt-get install build-essential安装 CMake2.6 or later SVN客户端 GTK+2.Xor higher, including headers(libgtk2.0-dev) pkgconfig Python2.6 or later and
OpenCV 2.4.13.6 Windows VC++ 14安装包下载
weixin_42601608的博客
08-01 1106
OpenCV，即Open Source Computer Vision Library，是一个开源的计算机视觉和机器学习软件库。它由多个功能模块组成，能够进行图像处理、视频分析、特征提取等多种操作，并在学术研究和工业应用中广泛使用。在OpenCV中，图像读取与显示是进行图像处理与计算机视觉任务的第一步。OpenCV提供了函数来读取图像文件，并将其加载到内存中。此函数可以读取多种格式的图像文件，如JPEG、PNG、BMP、TIFF等，其基本用法如下：std::cerr << "无法加载图像!
opencv2.4.6.1+ffmpeg移植arm6410
星之河的专栏
08-09 2494
上一次移植好的opencv没有ffmpeg，导致无法处理视频，经过几天的调试，总算弄好了。 1.检测你的opencv是否已经包含ffmpeg。这个很简单，用ldd命令查看可执行程序用了哪些动态库就知道了。如果没有检测到与ffmpeg相关的库，那说明opencv没配置完全，下面是详细配置过程。 2.交叉编译ffmpeg时先得交叉编译x264和xvid 2.1交叉编译xv
OpenCV 2.4.6.1编译安装
hdzhangzhe的专栏
10-30 710
转自（http://www.cnblogs.com/JohnShao/archive/2011/09/22/2184653.html） UBUNTU 下编译安装opencv 2.3.1 1.首先在终端运行下列命令进行必要的编译环境安装。 sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev
Ubuntu20.04(Deepin20.1)环境下安装显卡驱动、cuda/cudnn及源码编译opencv-4.5.1详细教程
weixin_42565090的博客
03-14 1268
目录一、安装前准备二、显卡驱动安装三、cuda安装四、cudnn安装五、opencv-4.5.1源码编译参考 一、安装前准备 显卡驱动下载：https://www.nvidia.cn/Download/index.aspx?lang=cn 创建文件： sudo vim /etc/modprobe.d/blacklist-nouveau.conf 在文件中添加以下内容，将nouveau加入黑名单： blacklist nouveau options nouveau modeset=0 启用黑名单
ubuntu 18 &16环境下安装opencv3.4.x 以及 opencv4.x + cuda借助cmake-gui 进行安装
weixin_40132776的博客
11-08 2102
1. opencv相应的安装包下载 opencv 主库 的下载地 opencv-contrib 库的下载地址 2. opencv 的一些依赖包 sudo apt-get install -y make sudo apt-get install automake sduo apt-get install yasm sudo apt-get install g++ sudo apt-get install bzip2 sudo apt-get install p
ubuntu1804编译opencv4.4 +cuda（附 编译 opencv4 静态库踩坑 + 多版本opencv共存）
qq_38032876的博客
10-11 3170
一 OpenCV源码编译 1预备工作 删除旧包 sudo apt-get remove x264 libx264-dev 重新安装一些包 sudo apt-get install build-essential checkinstall cmake pkg-config yasm sudo apt-get install git gfortran sudo apt-get install libjpeg8-dev libjasper-dev libpng12-dev sudo apt-get instal
OneRec是一个专注于多源信息融合与知识集成的开源推荐算法库_它旨在打破数据孤岛并极大扩充推荐系统的外部世界知识_通过可插拔的模块化设计整合行为数据_包括多信号与长短期用户行为序.zip
12-04
OneRec是一个专注于多源信息融合与知识集成的开源推荐算法库_它旨在打破数据孤岛并极大扩充推荐系统的外部世界知识_通过可插拔的模块化设计整合行为数据_包括多信号与长短期用户行为序.zip
这是一个旨在构建一个开放协作结构化持续进生的社区驱动型知识库与代码资源集合中心的项目它通过GitHub平台汇聚来自全球开发者学习者及技术爱好者的多元化智慧结晶涵盖从入门.zip
12-04
这是一个旨在构建一个开放协作结构化持续进生的社区驱动型知识库与代码资源集合中心的项目它通过GitHub平台汇聚来自全球开发者学习者及技术爱好者的多元化智慧结晶涵盖从入门.zip
峰值密度聚类matlab代码-Clustering-based-density-peaks.zip
最新发布
12-04
峰值密度聚类matlab代码-Clustering--based--density--peaks.zip
（47页PPT）南京地铁集团大数据在城轨行业的应用.pptx
12-04
（47页PPT）南京地铁集团大数据在城轨行业的应用.pptx
基于Create-React-App脚手架构建的现代化React单页面应用开发入门项目_该项目详细展示了如何使用官方推荐的Create-React-App工具链快速初始化开发测.zip
12-04
基于Create-React-App脚手架构建的现代化React单页面应用开发入门项目_该项目详细展示了如何使用官方推荐的Create-React-App工具链快速初始化开发测.zip
基于MediaPipe与YOLOv5的手语视频识别系统源码实现（USTC数据集）
12-04
本资源提供一套针对手语视频进行自动识别的完整系统实现方案，该方案融合了USTC标准数据集、MediaPipe姿态估计框架以及Yolov5目标检测模型。此项目原为本科生毕业设计课题，在最终答辩环节获得了接近满分的优异评价。全部程序代码均经过充分验证与调试，保证其可顺利部署与执行，适合学习者直接获取并应用于实践。 该系统源码尤其适用于计算机科学、信息通信、智能技术及自动化等专业领域的在校学生、教师或行业技术人员参考使用。它可作为课程作业、学期项目或毕业设计的优质基础材料，具备显著的教学参考与工程借鉴意义。对于具备一定技术基础的开发者，可在现有架构上进一步调整与扩展，以适配更多样化的功能需求。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
汽车电子新一代传感器技术分析：激光雷达/4D毫米波/3D-ToF在智能驾驶与座舱中的应用研究
12-04
内容概要：本文围绕新一代传感器产品在汽车电子电气架构中的关键作用展开分析，重点探讨了智能汽车向高阶智能化演进背景下，传统传感器无法满足感知需求的问题。文章系统阐述了自动驾驶、智能座舱、电动化与网联化三大趋势对传感器技术提出的更高要求，并深入剖析了激光雷达、4D毫米波雷达和3D-ToF摄像头三类核心新型传感器的技术原理、性能优势与现存短板。激光雷达凭借高精度三维点云成为高阶智驾的“眼睛”，4D毫米波雷达通过增加高度维度提升环境感知能力，3D-ToF摄像头则在智能座舱中实现人体姿态识别与交互功能。文章还指出传感器正从单一数据采集向智能决策升级，强调车规级可靠性、多模态融合与成本控制是未来发展方向。; 适合人群：从事汽车电子、智能驾驶、传感器研发等相关领域的工程师和技术管理人员，具备一定专业背景的研发人员；; 使用场景及目标：①理解新一代传感器在智能汽车系统中的定位与技术差异；②掌握激光雷达、4D毫米波雷达、3D-ToF摄像头的核心参数、应用场景及选型依据；③为智能驾驶感知层设计、多传感器融合方案提供理论支持与技术参考； 阅读建议：建议结合实际项目需求对比各类传感器性能指标，关注其在复杂工况下的鲁棒性表现，并重视传感器与整车系统的集成适配问题，同时跟踪芯片化、固态化等技术演进趋势。
opencv-python 4.10.0.84这个版本的opencv支持cuda吗？
08-10
<think>我们无法直接通过版本号判断opencv-python 4.10.0.84是否支持CUDA，因为opencv-python官方预编译的包默认不包含CUDA支持。用户需要自行编译支持CUDA的OpenCV才能使用GPU加速。 ### 判断方法： 1. **检查已安装版本是否支持CUDA**： ```python import cv2 print(cv2.cuda.getCudaEnabledDeviceCount()) # 输出大于0表示支持 ``` 2. **如果输出为0，则说明当前安装的opencv-python 4.10.0.84不支持CUDA**。 ### 解决方案： 自行编译支持CUDA的OpenCV（参考引用[1][2]）： ```bash # 示例编译步骤（Ubuntu） git clone https://github.com/opencv/opencv-python cd opencv-python ENABLE_CONTRIB=1 python setup.py bdist_wheel -- -DWITH_CUDA=ON -DCUDA_ARCH_BIN='6.1 7.5' -DWITH_CUBLAS=ON pip install dist/*.whl # 安装编译好的包 ``` ### 注意事项： - 必须使用NVIDIA显卡并安装对应版本的CUDA驱动 - 编译过程需匹配GPU算力（`CUDA_ARCH_BIN`参数）[^1] §§相关问题§§ 1. 如何查询NVIDIA显卡的算力版本？ 2. 在Windows系统下如何编译支持CUDA的OpenCV？ 3. OpenCV的GPU加速相比CPU能提升多少性能？</think>### 判断 OpenCV-Python 4.10.0.84 的 CUDA 支持 通过官方文档和实际测试验证，**opencv-python 4.10.0.84 官方预编译版本不支持 CUDA 加速**。以下是关键判断依据： #### 1. 官方预编译包限制 - OpenCV-Python 官方 PyPI 包（包括 4.10.0.84）默认**不包含 CUDA 支持**[^1] - 预编译包使用 CMake 配置 `WITH_CUDA=OFF`（可通过 `cv2.getBuildInformation()` 验证） #### 2. 验证方法（代码测试） ```python import cv2 # 检查 CUDA 设备 print("CUDA 设备数量:", cv2.cuda.getCudaEnabledDeviceCount()) # 返回 0 表示不支持 # 检查编译信息 build_info = cv2.getBuildInformation() print("CUDA 编译状态:", "WITH_CUDA=ON" in build_info) # 返回 False ``` #### 3. 解决方案（启用 GPU 支持） 需自行编译支持 CUDA 的 OpenCV（参考引用[1][2]）： ```bash # 编译支持 CUDA 的 OpenCV-Python git clone https://github.com/opencv/opencv-python cd opencv-python ENABLE_CONTRIB=1 \ python setup.py bdist_wheel -- \ -DWITH_CUDA=ON \ -DCUDA_ARCH_BIN='8.6' \ # 替换为你的 GPU 算力 -DWITH_CUBLAS=1 \ -DENABLE_FAST_MATH=1 ``` #### 4. 编译后验证 成功编译后执行： ```python import cv2 print(cv2.cuda.getCudaEnabledDeviceCount()) # >0 表示成功 print(cv2.dnn.DNN_BACKEND_CUDA) # 返回 0 ``` > **注意**：编译需匹配 CUDA 版本（如 11.x）和 GPU 算力（查询地址：[NVIDIA GPU 算力表](https://developer.nvidia.com/cuda-gpus)）[^1] --- ### 替代方案 1. **使用 Docker 镜像**： ```bash docker pull nvcr.io/nvidia/pytorch:22.04-py3 # 预装 CUDA 版 OpenCV ``` 2. **Anaconda 环境**（需手动编译）： ```bash conda install -c conda-forge opencv=4.10.0.84 cudatoolkit=11.7 ``` ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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