opencv python 编译_Python3+ 源码编译安装Opencv

# /bin/bash

在深度学习或计算机视觉项目中，经常需要从源码编译OpenCV。这个过程不算复杂，但有几个关键点容易踩坑——尤其是Python绑定和路径配置。下面这张图展示的是最终成果，但别忘了，编译前得先把环境捋顺。

先准备好几个变量。注意：所有路径都必须使用绝对路径，这是最容易出错的环节。假设你已经在服务器上创建了一个虚拟环境（比如用venv或conda），那么可以这样定义：

# OpenCV 源码路径
OPENCV_DIR=/home/sli/Python/lib_install/opencv-py3/opencv
# Python 解析器路径（虚拟环境根目录）
PYTHON_HOME=/home/sli/Python/env/tensorflow
# Python 版本号
PYTHON_VER=3.6
# Python 链接库路径（.a 或 .so 文件）
PYTHON_LIB=/home/sli/Python/py36/lib/libpython3.6m.a

接着安装必要的系统依赖。这一步是为了让OpenCV支持GUI、视频处理、图片格式等常用功能。虽然有些包是可选的，但建议一次性装全，免得后续编译时发现缺失再返工：

sudo apt install build-essential cmake git libgtk2.0-dev pkg-config liba vcodec-dev liba vformat-dev libswscale-dev
sudo apt install libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

然后克隆OpenCV源码（如果尚未下载）：

if [ ! -d "$OPENCV_DIR" ]
then
    git clone https://github.com/opencv/opencv "$OPENCV_DIR"
fi

接下来是核心环节：cmake配置。这里要根据自己的需求开关很多选项。比如我们不需要CUDA（with_cuda=OFF），需要开启A VX优化（ENABLE_A VX=ON），以及最关键的一点——必须明确指定Python3的相关路径，否则编译出来的OpenCV会找不到Python解释器。下面这个命令几乎是最常用的配置组合：

cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D BUILD_TIFF=ON \
      -D BUILD_opencv_ja va=OFF \
      -D WITH_CUDA=OFF \
      -D ENABLE_A VX=ON \
      -D WITH_OPENGL=ON \
      -D WITH_OPENCL=ON \
      -D WITH_IPP=OFF \
      -D WITH_TBB=ON \
      -D WITH_EIGEN=ON \
      -D WITH_V4L=ON \
      -D WITH_VTK=OFF \
      -D BUILD_TESTS=OFF \
      -D BUILD_PERF_TESTS=OFF \
      -D BUILD_opencv_python2=OFF \
      -D BUILD_opencv_python3=ON \
      -D CMAKE_INSTALL_PREFIX=${OPENCV_DIR}/release \
      -D PYTHON_DEFAULT_EXECUTABLE=${PYTHON_HOME}/bin/python${PYTHON_VER} \
      -D PYTHON3_EXECUTABLE=${PYTHON_HOME}/bin/python${PYTHON_VER} \
      -D PYTHON3_LIBRARY=${PYTHON_LIB} \
      -D PYTHON_INCLUDE_DIR=${PYTHON_HOME}/include/python${PYTHON_VER}m \
      -D PYTHON3_NUMPY_INCLUDE_DIRS=${PYTHON_HOME}/lib/python${PYTHON_VER}/site-packages/numpy/core/include/ \
      "$OPENCV_DIR"

运行完cmake后，一定要仔细检查终端输出的报告。OpenCV会列出它检测到的模块和特性——看看Python3是否显示为“YES”，numpy路径是否正确。如果有红色标记的缺失项，就先去装对应的系统库，然后重新运行cmake。这一步不能跳过，否则后面编译出来可能无法导入cv2。

确认无误后，开始编译和安装。根据CPU核心数并行编译能大大节省时间：

make -j$(nproc) && make install

编译可能需要一段时间（取决于机器性能），耐心等待即可。最后一步是把编译好的cv2 Python模块链接到虚拟环境下的site-packages中，这样你的虚拟环境就能直接import cv2了：

ln -s ${OPENCV_DIR}/release/lib/python${PYTHON_VER}/site-packages/cv2.* ${PYTHON_HOME}/lib/python${PYTHON_VER}/site-packages/

整个过程下来，只要路径没写错、依赖没漏，基本一次成功。如果遇到问题，多半是cmake阶段Python路径没对上——不妨回头检查一下PYTHON_LIB和PYTHON_INCLUDE_DIR是否真的指向了你的虚拟环境。