UBUNTU 下编译安装opencv-2.4.6.1

本文提供了一份详细的OpenCV 2.4.6.1安装教程,包括编译环境搭建、源码编译、配置环境变量及运行示例等步骤。适用于希望自行编译安装OpenCV的老版本系统的开发者。

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  libgtk2.0-dev

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

我的电脑就是缺少了一个libgtk2.0-dev,后面的那几个好像不是必须的。

 

2. cd 进入包所在地址(括号内是指令)

 解压  (tar xf opencv-2.4.6.1.tar.gz

  进入文件   (cd opencv-2.4.6.1)

建一个文件夹 ( mkdir build )

   进入文件 ( cd build )

利用上一级文件夹下的配置文件CMakeLists.txt 编译 ( CMake .. )

4 依次运行  

1 make
2 sudo make install
  此时编译成功。

5 现在需要配置必要的库。运行 sudo gedit /etc/ld.so.conf.d/opencv.conf

添加,/usr/local/lib,到文件  opencv.conf  文件或许是空的,不影响。

6  运行此命令  sudo ldconfig

7 现在运行这条命令 sudo gedit /etc/bash.bashrc,添加下面两行到文件的末尾并保存。

1 PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
2 export PKG_CONFIG_PATH

8  找个地方新建文件夹     mkdir     openCV_samples

cp /home/wangd933/software/opencv-2.4.6.1/samples/c/*      /home/wangd933/project/openCV/openCV_samples

红色字母可改

cd   openCV_samples/ 

1  chmod +x build_all.sh
2  ./build_all.sh

3  ./facedetect --cascade="/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml" --scale=1.5 lena.jpg

即可看到效果

安完opencv如果是自己的项目无法运行,可能是g++版本问题,升到g++-4.7以上,最好先卸载较低版本,再安装

在终端输入 软件名+ -v参数就是该软件版本

查看g++版本  g++—4.7 -V

cmake不懂。

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




<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] -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
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