ubuntu下安装opencv

1.在官网上下载opencv:http://opencv.org/releases.html

2.解压zip包

unzip opencv-3.4.3.zip
cd opencv-3.4.3

3.安装依赖库和cmake

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

4.执行cmake

/* 新建编译文件夹,即build文件夹*/
mkdir my_build_dir
cd my_build_dir
/* 执行cmake */
cmake ..

5.执行make命令

sudo make  // 时间比较漫长

6.执行install命令

sudo make install

这一步执行完毕之后,Opencv的编译过程就结束了,接下来的工作就是配置一些Opencv的编译环境。

7.首先将OpenCV的库添加到路径,从而可以让系统找到

sudo gedit /etc/ld.so.conf.d/opencv.conf

执行此命令后打开的可能是一个空白的文件,只需要在文件末尾添加

/usr/local/lib

执行如下命令使得刚才的配置路径生效:

sudo ldconfig 

8.配置bash

sudo gedit /etc/bash.bashrc 

在末尾追加:

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

保存,执行如下命令使得配置生效:

source /etc/bash.bashrc

更新:

sudo updatedb

至此,所有配置都已经完成。

9.将opencv与anaconda配置在一起

   把/home/wanglin/opencv-3.4.3/my_build_dir/lib/cv2.so拷到anaconda/lib/python2.7/site-packages下

10.测试opencv是否安装成功

import cv2

img = cv2.imread('1.jpg')

cv2.imshow('image',img)

cv2.waitKey(0)

cv2.destroyAllWindows()

   没有报错就表明安装成功。

11.opencv的卸载

(1)进入opencv的my_build_dir文件夹(即Build文件夹)下

sudo make uninstall

(2)删掉my_build_dir文件夹

cd  ..
sudo rm -r my_build_dir

(3)删掉opencv文件夹

cd /home/wanglin
chmod a+x /home/wanglin/opencv
rm -r /home/wanglin/opencv(删不掉可以加sudo)

(4)删掉系统文件中opencv文件,原教程如下:

sudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv /usr/include/opencv /usr/include/opencv2 /usr/local/share/opencv /usr/local/share/OpenCV /usr/share/opencv /usr/share/OpenCV /usr/local/bin/opencv* /usr/local/lib/libopencv*

参考上述路径,我的电脑卸载:

sudo rm -r  /usr/local/include/opencv4
sudo rm -r  /usr/include/opencv /usr/include/opencv2
sudo rm -r /usr/local/share/opencv /usr/local/share/OpenCV
sudo rm -r /usr/local/share/opencv4
sudo rm -r /usr/share/opencv /usr/share/OpenCV
sudo rm -r /usr/local/lib/libopencv*

安装教程参考:https://www.jianshu.com/p/f646448da265

内容概要:本文档系统性地介绍了2024年最新提出的两种智能优化算法——青蒿素优化算法与霜冰优化算法(RIME)的原理、实现方法及其性能对比分析,并提供了完整的Matlab代码实现。文档不仅聚焦于核心算法的仿真与验证,还整合了大量前沿科研资源,涵盖微电网优化、风电功率预测、无人机三维路径规划、电动汽车调度、图像融合、负荷预测、通信信号处理、电力系统故障恢复等多个高价值应用场景。所有案例均基于Matlab/Simulink平台进行建模与仿真,强调算法在复杂工程系统中的实际应用能力,旨在为科研人员提供一套从理论到代码再到应用的完整复现体系。; 适合人群:具备一定编程基础和科研背景的研究生、高校教师及工程技术人员,尤其适合从事智能优化算法研究、新能源系统优化、自动化控制、电力系统调度、无人机导航与路径规划等相关领域的研究人员。; 使用场景及目标:①用于高水平学术论文的复现与创新性研究,提升科研效率与成果产出;②应用于复杂工程系统的建模仿真与智能优化设计,如多能互补系统调度、无人机避障路径规划、微电网能量管理等;③作为智能优化算法的教学与学习资料,深入理解现代元启发式算法的设计思想与实现机制。; 阅读建议:建议读者结合文档中提供的Matlab代码与Simulink仿真模型,按照目录结构循序渐进地学习与实践,优先选择与自身研究方向契合的案例进行代码复现,重点关注算法参数设置、收敛曲线分析与多算法对比实验部分,以全面提升算法应用与科研创新能力。
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