最近在学点新东西，教程中主要也是在Linux中使用，对于我这个以前从未接触Linux系统的人来说，正好也是个机会掌握下LInux系统。这篇就是记录在Linux下安装OpenCV的笔记。
今天主体是Linux 环境下配置opencv环境，如有不妥的地方，恳请大家指正。根据网上的教程并结合自己的实际操作——总结如下：
OpenCV2报错：Could not find the Qt platform plugin "cocoa" in "" 一.背景信息 二.错误现象 三.解决方法 一.背景信息 OpenCV是一个
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它提供了很多函数，这些函数非常高效地实现了计算机视觉算法。OpenCV 的应用领域非常广泛，包括图像拼接、图像降噪、产品质检、人机交互、人脸识别、动作识别、动作跟踪、无人驾驶等。本篇介绍ARM Linux下OpenCV的移植和简单使用。
先来说明一下写这篇博客的初衷吧，由于前段时间在和一位大佬的交流之中，他提出了一个建议，说叫我平时可以自己做一些嵌入式开发项目什么的，有极大的利处，我就跟着bi站的老师（华清创客学院）开始学习，但是老师的教程是用虚拟机创建一个linux系统，在进行代码撰写，我在大佬的建议下还是选择了vs配置opencv 的环境进行代码撰写。但是一开始的环境配置就给了我当头一棒，怎么配置都不成，总有一些错误，最后在老师的指导下才配置好，所以，我就写了这一篇文章，希望能帮助到大家。
简易安装方式是从库中安装编译好了的Opencv，这种安装方式简单方便，缺点是容易在使用中出现未知bug，比如不能imshow图像，不能读视频文件等（opencv3好像好一点）。
程序功能简介： 使用yolo训练，OpenCV调用、实现打哈欠、手机、抽烟、系安全带，口罩检测。
用opencv4时，用到了cv::VideoCapture就会出错。编译遇到了下列问题：
需要调用到opencv的什么功能，就在代码头提前引用好对应的头文件。 所有的头文件都可以在include/opencv2/文件夹找到。
找不到cuda.hpp即matchers.hpp:52:42: fatal error: opencv2/xfeatures2d/cuda.hpp: No such file or directory
QT版本: 5.12.6 (我的程序里主要是QT+OpenCV实现图像处理显示的)
https://blog.csdn.net/Flag_ing/article/details/109508374
利用OpenCV打开摄像头进行视频的捕获，并对捕获的视频进行简单的处理 包括边缘化，高斯模糊等 #include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; void ImgSmooth(const cv::Mat &image) { cv::namedWindow("in",cv::WINDOW_AUTOSIZE); cv::namedWindow("out",cv
学习计算机视觉最重要的能力应该就是编程了，为了帮助小伙伴尽快入门计算机视觉，小白准备了【走进OpenCV】系列，主要帮助小伙伴了解如何调用OpenCV库，涉及到的知识点会做简单讲解。
Jetson Nano是一款体积小巧、功能强大的人工智能嵌入式开发板，于2019年3月由英伟达推出。预装Ubuntu 18.04LTS系统，搭载英伟达研发的128核Maxwell GPU，可以快速将AI技术落地并应用于各种智能设备。相比于Jetson之前的几款产品（Jetson TK1、Jetson TX1、Jetson TX2、Jetson Xavier），Jetson Nano售价仅需99美元，大幅减少了人工智能终端的研发成本。因此，一经推出，便受到了广泛的关注。其官网地址为：Jetson Nano Developer Kit for AI and Robotics | NVIDIA
[比较opencv2、opencv3关于读取视频文件、摄像头的编程风格]https://blog.csdn.net/qq_34917736/article/details/77427596
https://gitee.com/fensnote/demo_code/tree/master/qtCode/opencv_video
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wangyaninglm/article/details/38958915
在项目开发过程中，经常需要用到第三方库，需要在QtCreator工程里指定第三库的路径、头文件路径、引用的库名称等等；并且可能还需要编写通用工程针对不同的编译器类型，位数选择不同的库，针对不同的操作系统环境选择不同的库；那么这些条件的区分都可以在QtCreator的pro工程文件里编写逻辑实现。
配置之后可实现切换编译器从而切换opencv2和opencv3库，使Debug x86实现opencv2的编译，Debug x64实现opencv3的编译
开源界的图形图像处理项目openCV无疑是优秀的东西，无论对于专业的开发人员或是业余爱好者都非常具有魔力。网上很多教程都是VS2008下配置的，而我自打和VC6.0绝交后就再没怎么碰过Windows的相关开发平台了。本文是在CentOS6.0下OpenCV的安装配置手册，前段时间非了老半天劲儿，熬了N个不眠之夜，最终把所有问题均搞定了，最后运行出结果那一瞬间，那种心情是无法用语言形容的。今儿特此把过程写出来，为新人搭环境节约一些时间。好了，废话不多说。
该文章介绍了一个基于Qt和OpenCV的图像处理小软件，包括软件的安装、使用示例和代码下载。
全部参数一览 //Path to a program. ANT_EXECUTABLE:FILEPATH=D:/apache-ant-1.10.1/bin/ant.bat //Build CUDA modules stubs when no CUDA SDK BUILD_CUDA_STUBS:BOOL=OFF //Create build rules for OpenCV Documentation BUILD_DOCS:BOOL=ON //Build all examples BUILD_EXAMPL
OpenCV4.4中关于CUDA加速的内容主要有两个部分，第一部分是之前OpenCV支持的图像处理与对象检测传统算法的CUDA加速；第二部分是OpenCV4.2版本之后开始支持的针对深度学习卷积神经网络模型的CUDA加速。这些内容都在OpenCV的扩展模块中，想要获取这OpenCV CUDA的支持，必须首先编译OpenCV CUDA相关的模块，这里主要是开展模块以CUDA开头的那些。此外编译的电脑或者PC必须有N卡（英伟达GPU卡），并且按照好了正确版本的驱动与cuDNN支持软件。本文分为两个部分来说明如何在OpenCV中实现CUDA加速，第一部分是实现CUDA支持版本OpenCV编译，第二部分是OpenCV CUDA SDK编程代码演示。
第二部分是OpenCV4.2版本之后开始支持的针对深度学习卷积神经网络模型的CUDA加速。
有没有发现手机相机拍全景就是这个原理。 直接代码： #include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/opencv.hpp> // 新版本写在下面文件中： #include <opencv2/nonfree/features2d.hpp> //#include "opencv2/features2d/features2d.hpp" #inc
选择CMAKE_INSTALL_PREFIX /usr/local/opencv2
OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1] 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令， 如今也提供对于C#、Ch、Ruby，GO的支持。
在通用属性（Common Properties）—>VC ++目录—>包含目录，然后点击右侧三角标志选中Edit进入编辑：
OpenCV在计算机视觉领域扮演着重要的角色。作为一个基于开源发行的跨平台计算机视觉库，OpenCV实现了图像处理和计算机视觉方面的很多通用算法。本书以当前最新版本的OpenCV最常用最核心的组件模块为索引，深入浅出地介绍了OpenCV2和OpenCV3中的强大功能、性能，以及新特性。书本配套的OpenCV2和OpenCV3双版本的示例代码包中，含有总计两百多个详细注释的程序源代码与思路说明。读者可以按图索骥，按技术方向进行快速上手和深入学习。
基于上篇已安装好opencv库，现在开始创建第一个opencv工程，并编写显示图片的代码。
OpenCV4.x + CUDA概述 OpenCV4.x中关于CUDA加速的内容主要有两个部分，第一部分是之前OpenCV支持的图像处理与对象检测传统算法的CUDA加速；第二部分是OpenCV4.2版本之后开始支持的针对深度学习卷积神经网络模型的CUDA加速。这些内容都在OpenCV的扩展模块中，想要获取这OpenCV CUDA的支持，必须首先编译OpenCV CUDA相关的模块，这里主要是开展模块以CUDA开头的那些。此外编译的电脑或者PC必须有N卡（英伟达GPU卡），并且按照好了正确版本的驱动与cuDN
本文介绍了OpenCV 3.1中imwrite()函数用于写入图像时可能遇到的异常情况，并给出了两种解决方法。第一种方法是使用try-catch语句捕获异常，并修改代码以处理该异常。第二种方法是使用imwrite()函数的可选参数来控制图像的压缩级别，从而避免异常。这两种方法都可以解决异常，但需要根据具体情况进行选择。
opencv4.0.0 自带的 samples GPU surf_keypoint_matcher.cpp
ArUco标记可以用于增强现实、相机姿势估计和相机校准等应用场景，具体如无人机的自主降落地标、机器人定位。标记中白色部分为唯一标识的二进制编码。
OpenCV是一款广泛使用的计算机视觉库，提供了许多强大的功能，包括人脸检测和识别。人脸分类器是OpenCV中用于人脸检测的关键工具之一，能够快速准确地检测出图像中的人脸。
Now, let us witness the growth of eyes together!
OpenCV图像项目中，圆的检测很常见。 例如：检测烂苹果的个数，寻找目标靶心，人眼，嘴巴识别等。 其中用到的关键技术是OpenCV中集成的霍夫圆检测函数。 HoughCircles( InputArray image, // 输入图像 ,必须是8位的单通道灰度图像 OutputArray circles, // 输出结果，发现的圆信息 Int method, // 方法 - HOUGH_GRADIENT Double dp,
要缩小图像，一般推荐使用CV_INETR_AREA来插值；若要放大图像，推荐使用CV_INTER_LINEAR。
今天一起来看一下如何对图像做旋转和镜像处理，同样， OpenCV也提供了相应的接口，让我们一起来学习一下喽。
应用场景：视频追踪在项目显示中可以起到很好的视觉效果，可以看到中间处理过程，对于教学及讲解能起到辅助性作用。
SURF（SpeededUp Robust Feature）是加速版的具有鲁棒性的算法，是SIFT算法的加速版。
我们前几讲描述了OpenCV使用VideoCapture打开视频，关闭视频并获取视频属性。今天来看一下打开视频之后，我们如何写入视频，本质是也就是如何对视频进行编码。同样地，OpenCV为这个过程也提供了一个叫做VideoWriter的类。
打开浏览器，进入下载地址Release OpenCV 3.4.15 · opencv/opencv · GitHub，选择Source code(zip)进行下载
它的英文全称是Region Of Interest，对应的中文解释就是感兴趣区域。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
