日常开发主要是用 MacOS，今天介绍下 Mac 下 OpenCV 开发环境搭建。
1. 源码方式编译
执行下列命令编译安卓 OpenCV 库：
git clone https://github.com/opencv/opencv.gitgit clone https://github.com/opencv/opencv_contrib.gitcd~ / opencvmkdir buildcd buildcmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..make -j6＃并行运行6个作业sudo make install
复制代码
安装好 OpenCV 后，在/usr/local/lib下能看到这样的文件这说明已经安装成功了
上述是最新版本 OpenCV 编译命令。OpenCV2.0 和 3.0 编译命令略有不同：
opencv2 安装
下载 OpenCV2: 2.4.13.6
mkdir buildcd buildcmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local/opencv/opencv2 ..make -j8sudo make install
复制代码
opencv3 安装
mkdir buildcd buildcmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local/opencv/opencv3 -D BUILD_opencv_world=ON -D WITH_GSTREAMER=OFF -D OPENCV_ENABLE_NONFREE=ON ..make -j8sudo make install
复制代码
查看编译安装的库：
ls /usr/local/opencv3/liblibopencv_calib3d.3.4.12.dylib libopencv_imgcodecs.3.4.dylib libopencv_stitching.dyliblibopencv_calib3d.3.4.dylib libopencv_imgcodecs.dylib libopencv_superres.3.4.12.dyliblibopencv_calib3d.dylib libopencv_imgproc.3.4.12.dylib libopencv_superres.3.4.dyliblibopencv_core.3.4.12.dylib libopencv_imgproc.3.4.dylib libopencv_superres.dyliblibopencv_core.3.4.dylib libopencv_imgproc.dylib libopencv_video.3.4.12.dyliblibopencv_core.dylib libopencv_ml.3.4.12.dylib libopencv_video.3.4.dyliblibopencv_dnn.3.4.12.dylib libopencv_ml.3.4.dylib libopencv_video.dyliblibopencv_dnn.3.4.dylib libopencv_ml.dylib libopencv_videoio.3.4.12.dyliblibopencv_dnn.dylib libopencv_objdetect.3.4.12.dylib libopencv_videoio.3.4.dyliblibopencv_features2d.3.4.12.dylib libopencv_objdetect.3.4.dylib libopencv_videoio.dyliblibopencv_features2d.3.4.dylib libopencv_objdetect.dylib libopencv_videostab.3.4.12.dyliblibopencv_features2d.dylib libopencv_photo.3.4.12.dylib libopencv_videostab.3.4.dyliblibopencv_flann.3.4.12.dylib libopencv_photo.3.4.dylib libopencv_videostab.dyliblibopencv_flann.3.4.dylib libopencv_photo.dylib libopencv_world.3.4.12.dyliblibopencv_flann.dylib libopencv_shape.3.4.12.dylib libopencv_world.3.4.dyliblibopencv_highgui.3.4.12.dylib libopencv_shape.3.4.dylib libopencv_world.dyliblibopencv_highgui.3.4.dylib libopencv_shape.dylib pkgconfiglibopencv_highgui.dylib libopencv_stitching.3.4.12.dylib python2.7libopencv_imgcodecs.3.4.12.dylib libopencv_stitching.3.4.dylib
复制代码
2. Brew 工具安装
可以通过brew search opencv:
$ brew search opencvhomebrew/science/opencv
复制代码
安装后路径是：/usr/local/opt/opencv3，我们可以设置一个 OPENCV3_HOME 环境变量，方便以后快速打开这个文件夹。在 lib 目录下是 opencv 的库，在 include 目录下包含了两个子目录：opencv 和 opencv2，opencv 里面包含了 opencv1.x 的核心头文件，opencv2 安装模块功能组织，包括核心模块、图像处理模块、2D 功能模块、高层 GUI 图像用户界面模块、机器学习模块等。
3. XCode 环境搭建
打开 Xcode，新建一个 command line 工程：注意语言选择 C++。 接下来先来配置 xcode 再来写代码。 最左边选中工程，然后右边选中 Targets，再 BuildSettings 下，右边搜索框里输入 search，找到 Search Paths 设置项。在 Header Search Paths 里输入:/usr/local/include 在 Library Search Paths 里输入:/usr/local/lib
接着在 Build Phases 里找到 Link Binary With Libraries，点击＋号 ，选择 add other，然后按下／键，输入 lib 的路径/usr/local/lib，然后就是选择 OpenCV 的库了，用哪个添加哪个， 在 main.cpp 里输入以下内容，实现显示一张照片及显示灰度化后的：
#include <iostream>#include <opencv2/opencv.hpp>using namespace cv;using std::string;
int main(int argc, const char * argv[]) { string path = "./test.jpg"; Mat image = imread(path); namedWindow("origin"); imshow("origin", image); Mat gray; cvtColor(image, gray, COLOR_RGBA2GRAY); namedWindow("gray"); imshow("gray", gray); waitKey(0);
return 0;}
复制代码
4. python 环境搭建
python 可以使用 pip 工具安装：
pip install --upgrade setuptoolspip install numpy Matplotlibpip install opencv-python
复制代码
pencv 环境已经整好，就是这么简单。只需要 numpy、Matplotlib、opencv-python 三个包，都不大很快就可以下好
5. python 测试代码
import cv2import numpy as nplenna = cv2.imread("2.jpeg")row, col, channel = lenna.shapelenna_gray = np.zeros((row, col))for r in range(row): for l in range(col): lenna_gray[r, l] = 1 / 3 * lenna[r, l, 0] + 1 / 3 * lenna[r, l, 1] + 1 / 3 * lenna[r, l, 2]
cv2.imshow("lenna_gray", lenna_gray.astype("uint8"))if cv2.waitKey()
复制代码
6. 总结
本文介绍了 OpenCV C++开发环境和 Python 开发环境的搭建。C++可以使用源码编译方式或者 Brew 方式安装；Python 可以使用 pip 安装 opencv 库。
本文还介绍了几个 OpenCV 简单的接口：
imread：解析图片问 OpenCV Mat 结构；
imshow：显示图像数据；
cvtColor：图像转换。
从 C++和 Python 示例看，两种语言 API 都很类似。
评论