news 2026/8/23 13:12:25

一键安装 OpenCV:MILQ 热门脚本 install-opencv.sh 完整拆解与使用教程

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
一键安装 OpenCV:MILQ 热门脚本 install-opencv.sh 完整拆解与使用教程

一键安装 OpenCV:MILQ 热门脚本 install-opencv.sh 完整拆解与使用教程

【免费下载链接】milqUseful code of Manuel Ignacio López Quintero项目地址: https://gitcode.com/gh_mirrors/mi/milq

MILQ是开发者 Manuel Ignacio López Quintero 精选的开源代码合集,其中 install-opencv.sh 是项目里最热门的一键安装 OpenCV脚本:在 Ubuntu 或 Debian 上运行一次,即可自动完成系统更新、依赖安装、源码编译到 OpenCV 4.5.1 落地的全流程,是面向新手最省心的Ubuntu/Debian 源码安装 OpenCV方案。

🧰 为什么需要"一键安装 OpenCV"

手动编译 OpenCV 是出了名的繁琐:构建工具、GUI 库、媒体 I/O、视频编解码、并行计算、Python/Java 绑定……依赖动辄几十上百个包,任何一步漏装都会导致编译失败或功能缺失。

install-opencv.sh的价值在于:

  • 一条命令跑完全程:从apt-get updatemake install全部自动化;
  • 依赖清单完整:涵盖图像、视频、并行计算、文档等场景所需的库;
  • 多环境实测:脚本注释中保留了历次验证记录,可靠性经过时间检验;
  • 支持可选增强:可配置安装 opencv_contrib 额外模块。

📦 先认识一下 MILQ 项目

MILQ 仓库按用途分为四大板块(详见 README.md):

目录内容
examples/有趣的代码示例,包括 OpenCV Viz 3D 可视化 demo
learn/教学用代码(PHP、C、Python、Shell 等基础练习)
scripts/bash/实用 Shell 脚本合集,主角install-opencv.sh就在这里
templates/C++ / Python / HTML 的项目空白模板

脚本一览见 scripts/bash/README.md,其中install-opencv.sh被官方描述为 "Installs OpenCV on Ubuntu or Debian"(在 Ubuntu 或 Debian 上安装 OpenCV)。

🔍 完整拆解:脚本如何分 4 步安装 OpenCV

打开 install-opencv.sh,整个流程被清晰地划分为 4 个阶段:

第 1 步:更新系统

先用apt-get update刷新软件源,确保后续安装的依赖都是较新版本(升级、清理命令以注释形式提供,按需启用)。

第 2 步:一次性装齐全部依赖

这是脚本最"值钱"的部分,按功能分组安装:

  • 构建工具:build-essential、cmake
  • GUI:qt5-default、libvtk6-dev(注释里还贴心说明了想换 GTK 界面该怎么改)
  • 媒体 I/O:zlib、libjpeg、libpng、libtiff、libwebp 等编解码库
  • 视频 I/O:libavcodec、libavformat、libx264 等一整套视频处理库
  • 并行与线性代数:libtbb、eigen3
  • Python / Java 绑定:python3-dev、numpy、default-jdk 等
  • 文档工具:doxygen、unzip、wget

第 3 步:下载源码并用 CMake 配置

脚本默认下载OpenCV 4.5.1源码包并解压,然后在build目录执行cmake,开启 Qt 界面、OpenGL、VTK、TBB 并行、GDAL 地理空间数据等特性。如果启用了 contrib 模块,会额外指定-DOPENCV_EXTRA_MODULES_PATH指向 contrib 模块目录。

第 4 步:编译、安装并刷新动态库缓存

最后执行make -j8(8 线程并行编译)→sudo make installsudo ldconfig,让系统正确找到刚装好的 OpenCV 动态库。

脚本结尾会提示你去运行 OpenCV 示例做最终验证——项目里恰好自带了现成示例(下一节介绍)。

🚀 快速上手:3 步运行 install-opencv.sh

第 1 步:获取脚本

git clone https://gitcode.com/gh_mirrors/mi/milq

第 2 步:给脚本执行权限

cd milq chmod +x scripts/bash/install-opencv.sh

第 3 步:一键运行

sudo bash scripts/bash/install-opencv.sh

💡 编译过程可能需要 20~40 分钟,取决于 CPU 性能。建议挂一个 tmux/screen 会话,避免断连后前功尽弃。

⚙️ 进阶用法:两个选项改版本、换模块

脚本开头只有两个关键选项(install-opencv.sh 第 8-9 行):

OPENCV_VERSION='4.5.1' # Version to be installed OPENCV_CONTRIB='NO' # Install OpenCV's extra modules (YES/NO)
  • 改版本:把OPENCV_VERSION改成你想要的版本号(需与 OpenCV 官方发布版本一致);
  • 加模块:把OPENCV_CONTRIB改成YES,脚本会自动下载对应版本的 opencv_contrib 并一起编译,获得 SIFT、xfeatures2d 等额外算法模块——这是"Debian 安装 OpenCV 4.x 含 contrib 模块"的正确姿势。

脚本注释中还保留了历次测试记录,例如 Ubuntu 20.04 LTS + OpenCV 4.5.1 验证通过,可作为你选择版本组合的参考依据。

🧪 安装后验证:跑一个 OpenCV Viz 示例

MILQ 自带一个最小 OpenCV 示例:examples/cpp/opencv/viz/demo.cpp,它会在一个 3D 窗口中绘制坐标系和一个蓝色立方体(示例说明见 examples/README.md)。

配套的工程文件 CMakeLists.txt 只用了 11 行,核心是find_package(OpenCV REQUIRED)——如果你的 OpenCV 装好了,CMake 会自动找到它;找不到,就是安装出了问题。

mkdir -p build && cd build cmake ../../examples/cpp/opencv/viz make ./demo

窗口中弹出坐标轴和立方体,即代表OpenCV 安装成功🎉

❓ 常见问题(FAQ)

Q1:make -j8里的 8 是什么意思?指并行编译的任务数。核数多的机器可以改成-j$(nproc)提速。

Q2:脚本支持哪些系统?Ubuntu 和 Debian(脚本头部注释列出了 Ubuntu 20.04、Debian 10 等已验证环境)。其他发行版可参考 install-additional-software.sh 中类似的依赖分组思路自行调整。

Q3:为什么选 Qt5 界面?脚本默认启用WITH_QT=ON;源码注释明确写了切换到 GTK 的方法(改用libgtkglext1-dev并去掉-DWITH_QT=ON)。

Q4:装完以后系统里的 OpenCV 是"源码版"吗?是的,安装到/usr/local,动态库通过ldconfig注册,可直接被 CMake 的find_package(OpenCV)发现。

写在最后

install-opencv.sh把"源码编译 OpenCV"这件劝退新手的事,压缩成了三步:clone → chmod → sudo bash。配合项目自带的 OpenCV Viz 示例做验证,一套完整的OpenCV 安装教程就此闭环。脚本本身也堪称学习"如何写高质量 Shell 安装脚本"的范本:清晰的分步注释、可配置选项、验证记录表一应俱全,值得收藏进你的工具箱。

【免费下载链接】milqUseful code of Manuel Ignacio López Quintero项目地址: https://gitcode.com/gh_mirrors/mi/milq

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/23 13:10:47

数学建模入门指南:从思维转变到实战竞赛的完整路径

1. 从“解题”到“建模”:思维模式的根本性转变很多人一听到“数学建模”,第一反应就是“数学竞赛”或者“解一道很难的数学题”。我刚开始接触时也是这么想的,结果一头扎进各种高深的算法和模型里,却发现连题目都读不懂&#xff…

作者头像 李华
网站建设 2026/8/23 13:08:52

策略性智能体下的离线策略评估:局部披露机制的设计与实践

1. 项目概述:当智能体学会“钻空子”,我们该如何评估策略?在强化学习和在线决策系统的实际部署中,我们常常面临一个经典难题:如何在不实际运行新策略的情况下,准确评估它的表现?这就是“离线策略…

作者头像 李华
网站建设 2026/8/23 13:00:36

RAM评分:量化模型下载体验,提升AI开发效率

在模型部署和微调的工作流中,我们常常会遇到一个看似简单却影响深远的环节:模型下载。无论是从 Hugging Face Hub 拉取最新的 Llama 3,还是从 ModelScope 获取 Stable Diffusion 的 checkpoint,下载速度慢、中断率高、占用大量本地…

作者头像 李华