C++与Python环境下OpenCV环境的VS与Anaconda搭建教程

本文主要介绍了如何在Microsoft Visual Studio (VS)环境下基于C++和通过Anaconda在Python环境中搭建OpenCV开发环境，以及相关的步骤和技术细节。 **一、VS中基于C++的OpenCV环境搭建** 1. **安装CMake**: CMake是一个开源的构建系统，用于生成跨平台的构建配置。在本例中，选择从腾讯软件中心下载Cmake 64位版本，确保安装时将其添加到系统路径，方便后续使用。 2. **配置OpenCV**: - 下载OpenCV 4.2.0和opencv_contrib 4.2.0的源码，因为直接下载预编译包可能会更便捷，但本文采取编译源码的方式，这涉及到使用cmake-gui来配置项目。首先解压源码，然后通过cmake-gui创建建构配置，设置编译选项，如ippicv_2019_win_intel64_20180723_general.zip和opencv_videoio_ffmpeg_64.dll等库。 3. **添加opencv_contrib**: 在配置过程中，需要将opencv_contrib模块也纳入编译范围，因为它包含了正在进行开发的新特性。 4. **构建与安装**: 打开Visual Studio 2019，导入生成的建构项目，然后进行编译和安装。这个过程可能需要处理编译器选项，链接依赖，以及处理可能出现的错误和警告。 **二、Anaconda中基于Python的OpenCV环境搭建** 1. **使用Anaconda安装OpenCV**: Anaconda是一个流行的Python数据科学平台，它提供了方便的包管理。在Anaconda环境中，可以直接使用`conda install opencv`命令安装OpenCV，无需编译源代码。 2. **PyCharm建立工程验证**: 一旦OpenCV安装完成，可以使用PyCharm这样的集成开发环境（IDE）创建新的Python项目，验证OpenCV是否成功集成。可以通过简单的代码示例来测试OpenCV的功能，如读取图像、处理视频等。 总结起来，本文提供了针对两种开发方式（C++和Python）搭建OpenCV环境的具体步骤，包括CMake的使用、源码编译和配置，以及在Anaconda环境下快速安装OpenCV的方法。这对于希望在不同平台上使用OpenCV进行图像处理和计算机视觉应用的开发者来说，是一个实用的指南。