opencv 4.5 含 contrib

OpenCV是一个开源计算机视觉和机器学习库，由一组跨越多个平台（Windows，Linux，macOS等）的C++函数和Python接口组成。它最初由Intel于2000年开发，现已成为计算机视觉领域中最流行的开源库之一。

OpenCV 4.5是最新版本的OpenCV，已经包括了从以前的版本中的许多改进和更新。其中，最重要的是OpenCV 4.5中包含了contrib模块，这个模块提供了一个更大的功能集，包括了在计算机视觉和图像处理方面的更多功能，如物体追踪，真相检测，形状识别，三维重建等。

contrib模块包括许多新的功能和算法，比如背景减除，手势识别，SURF特征检测，HOG（方向梯度直方图）人脸检测，DNN模块（深度学习网络），以及用于处理点云数据（如三维重建，三维物体检测等）的PCL（点云库）接口等。除此之外，contrib模块还提供了用于性能测试和强化学习的Laplace Pyramids等工具。

总结而言，OpenCV 4.5含有contrib模块，是OpenCV变得更强大和更全面的体现，为计算机视觉和机器学习领域的研究者和开发人员提供了更多的工具、算法和函数库，有助于快速开发高效、先进的计算机视觉和机器学习应用程序。

相关问题

opencv4.5安装

### 不同操作系统上安装 OpenCV 4.5

#### Ubuntu 18.04 上安装 OpenCV 4.5

对于Ubuntu 18.04系统的用户来说，可以通过一系列命令来完成OpenCV 4.5的安装。首先更新包列表并安装必要的依赖项：

sudo apt-get update
sudo apt-get upgrade

接着通过pip工具安装指定版本的`opencv-python`和`opencv-contrib-python`模块。

sudo pip3 install opencv-python==4.5.5.64
sudo pip3 install opencv-contrib-python==4.5.5.64

需要注意的是，在此过程中可能会遇到一些库无法成功安装的情况，比如`libqt4-test`和`libqtgui4`，不过这通常不会影响OpenCV的功能[^2]。

为了验证安装是否成功以及测试基本功能，可以尝试运行一段简单的Python代码来加载图像或启动摄像头视频流。

#### Windows 上安装 OpenCV 4.5

在Windows环境下，推荐的方法同样是利用pip来进行安装。打开命令提示符窗口执行下面两条指令即可快速部署环境：

pip install opencv-python==4.5.5.64
pip install opencv-contrib-python==4.5.5.64

如果希望获得更完整的编译版支持，则可以选择下载官方提供的预构建二进制文件，并按照说明文档中的指导进行本地化设置。

#### macOS 上安装 OpenCV 4.5

macOS 用户同样能够借助于pip轻松获取所需软件包。开启终端应用后键入下列语句实施安装过程：

pip3 install opencv-python==4.5.5.64
pip3 install opencv-contrib-python==4.5.5.64

另外一种方式是采用Homebrew作为包管理器，它允许更加灵活地控制各个组件的具体版本号以及其他选项参数。

opencv4.5交叉编译

### 对 OpenCV 4.5 进行交叉编译

#### 准备工作
为了成功完成OpenCV 4.5的交叉编译，需要准备适合目标平台（如树莓派）的工具链以及必要的依赖项。对于Linux环境下向ARM架构设备的交叉编译来说，通常会涉及到安装特定版本的GCC或其他支持该硬件体系结构的编译器。

#### 配置 CMake 参数
当设置好开发环境之后，通过调整CMake参数来指定交叉编译选项是非常重要的一步。这包括但不限于定义`CMAKE_TOOLCHAIN_FILE`指向一个描述了目标系统的toolchain文件的位置[^1]。此文件包含了有关如何找到并使用适当编译器的信息。

cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/usr/local \
    -DOPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \
    -DCMAKE_TOOLCHAIN_FILE=./platforms/linux/arm-gnueabihf.toolchain.cmake ..

上述命令展示了部分常用的CMake配置指令，其中特别指定了用于构建过程中的额外模块路径和针对ARM处理器优化过的ToolChain文件位置[^2]。

#### 编辑 Toolchain 文件
创建或编辑toolchain文件以适应具体的嵌入式板卡需求。例如，在为Raspberry Pi做交叉编译时，可以基于官方提供的模板修改生成适配于RPi CPU特性的脚本。确保正确设置了诸如sysroot、cross compiler prefix等变量以便链接到正确的库和支持多线程等功能。

#### 构建与安装
一旦所有的前期准备工作都已完成，则可以通过简单的`make`命令启动实际的编译流程；而后的`sudo make install`则负责把最终产物部署至预设的目标目录内。值得注意的是，在某些情况下可能还需要手动复制一些共享对象(.so)文件到目标机器上的相应位置，并更新其动态加载器缓存[^3]。

#### 测试验证
最后但同样重要的一环是对新近建立起来的运行时环境加以检验。一种常见做法是在宿主机上编写一段简单程序调用OpenCV API读取图像数据或者执行基本操作，随后将其传输给真实物理节点上去执行看能否正常运作。另外也可以利用pkg-config工具查询已安装包的相关信息作为辅助手段确认一切就绪：

pkg-config --libs opencv4