[树莓派(raspberry pi)] 02、PI3安装openCV开发环境做图像识别（详细版）

前言

上一篇我们讲了在linux环境下给树莓派安装系统及入门各种资料，今天我们更进一步，尝试在PI3上安装openCV开发环境。

博主在做的过程中主要参考一个国外小哥的文章（见最后链接1）,不过其教程中有一个地方稍微有点问题，导致我入坑好久！这里也会着重说明下。

1、Expand filesystem

新安装系统之后，首要的工作就是扩大文件系统。因为，用SD卡安装完系统后一大部分空间实际是未被分配的：

sudo raspi-config

选择7高级，然后选择“1. Expand File System”，之后点击finish，然后reboot 。

sudo reboot

之后，你可以用df -h命令确认文件系统是否被扩大：（如下，我的SD卡为闪迪的32G内存卡）

➜  ~  df -h

Filesystem      Size  Used Avail Use% Mounted on

/dev/root        30G  .2G   22G  % /

devtmpfs        466M       466M   % /dev

tmpfs           470M       470M   % /dev/shm

tmpfs           470M  6.4M  464M   % /run

tmpfs           5.0M  .0K  5.0M   % /run/lock

tmpfs           470M       470M   % /sys/fs/cgroup

/dev/mmcblk0p1   41M   21M   21M  % /boot

tmpfs            94M        94M   % /run/user/

2、Install dependencies

接下来是安装openCV的依赖，下面步骤有点多，大家千万别漏了其中一两个（我操作的时候就把ibjpeg-dev libtiff5-dev libjasper-dev libpng12-dev给忘了，结果又得花几个小时重新编译一遍！！！）

2.1 更新

$ sudo apt-get update

$ sudo apt-get upgrade

2.2 安装CMake等编译openCV源码的工具

$ sudo apt-get install build-essential cmake pkg-config

2.3 安装几种常见格式的图像操作的包，方便我们能从硬盘上读取不同格式的图像（有个同学建议下面的libpng12-dev和后面的gtk2.0会冲突，改成libpng-dev就合适，如果改成libpng-dev，系统好像是会自动匹配版本。由于太忙没有验证，先贴这里，供大家参考选择）

$ sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev

2.4 同样的，我们也需要视频操作的包

$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

$ sudo apt-get install libxvidcore-dev libx264-dev

2.5 openCV用于图像/GUI展示的功能依赖highgui模块，为了编译highgui，我们需要安装GTK development library

$ sudo apt-get install libgtk2.-dev

2.6 安装额外的一些依赖

$ sudo apt-get install libatlas-base-dev gfortran

^-^ 记得看一下上面几个安装过程有没有少哦

2.7 接下来还需要安装python dev

sudo apt-get install python2.-dev python3-dev

3、Download the OpenCV source code

下载并解压3.1.0版本的源码：

$ cd ~

$ wget -O opencv.zip https://github.com/Itseez/opencv/archive/3.1.0.zip

$ unzip opencv.zip

为了安装完整的openCV3，体验新的features，还需要下载并解压 opencv_contrib（注意和opencv版本保持一致）：

$ wget -O opencv_contrib.zip https://github.com/Itseez/opencv_contrib/archive/3.1.0.zip

$ unzip opencv_contrib.zip

4、准备python环境

4.1 安装python包管理器：

$ wget https://bootstrap.pypa.io/get-pip.py

$ sudo python get-pip.py

4.2 安装python虚拟环境virtualenv virtualenvwrapper

首先说明下为什么要装这两个包：

First, it’s important to understand that a virtual environment is a special tool used to keep the dependencies required by different projects in separate places by creating isolated, independent Python environments for each of them.

In short, it solves the “Project X depends on version 1.x, but Project Y needs 4.x” dilemma. It also keeps your global site-packages neat, tidy, and free from clutter.

If you would like a full explanation on why Python virtual environments are good practice, absolutely give this excellent blog post on RealPython a read.

用虚拟开发环境可以为每个工程提供独立的python开发环境、独立的包、独立的版本，每个独立的环境会在~/.virtualenvs/下形成资源包～

$ sudo pip install virtualenv virtualenvwrapper

$ sudo rm -rf ~/.cache/pip

之后在～/.profile文件最后添加下面几行：

# virtualenv and virtualenvwrapper

export WORKON_HOME=$HOME/.virtualenvs

source /usr/local/bin/virtualenvwrapper.sh

之后如果想用python虚拟环境，在每次打开一个新的terminal就要执行一次source ~/.profile

$ source ~/.profile

接下来我们生成一个python虚拟环境来用于opencv的开发提供环境：（这里不讲python2，强烈建议用python3)

$ mkvirtualenv cv -p python3

注：再次说明python虚拟环境是完全独立的，也就是说在cv的环境下安装的python包，步适用于全局；在全局安装的包，不适合cv。

如何验证你如何将cv环境生成好了呢？——新开一个terminal，执行下列命令：

$ source ~/.profile

$ workon cv

如果terminal前面的文字变成了(cv)表明成功创建了名为cv的python虚拟环境：

4.3 在cv虚拟环境下安装numpy

在接下来的操作中都要保持在cv环境中！

(cv) -> ~ $ pip install numpy

5、编译和安装openCV

5.1 编译前的准备

首先确定是在cv虚拟环境中，如果不在，可以执行：

$ source ~/.profile

$ workon cv

接下来用cmake进行编译opencv：

注：这一步参考链接1的介绍中缺少一个编译选项，导致总是make出错：（当其出错时，按照下面的方法进行尝试：）

make -j4 总是报错：
解决方法：删除build下的所有东西（cmake产生的和make -j4产生的），重新cmake,多加一个下面的选项
反思：之前一直复制网上的，结果网上坑爹把-D和后面单词连到一块结果还是不成功，导致走了好多弯路。之后做事情前要分析原因（为什么，然后再去尝试，不要根据结果来反馈尝试的对错！！！这样可能会走弯路！！！） 

link:http://answers.opencv.org/question/116926/ubuntu-1610-opencv-build-fails-stdlibh-missing/

- 直接采用ubuntu中opencv的安装方法会报QT缺少的错误：http://www.samontab.com/web/2014/06/installing-opencv-2-4-9-in-ubuntu-14-04-lts/

$ cd ~/opencv-3.1./

$ mkdir build

$ cd build

$ cmake -D ENABLE_PRECOMPILED_HEADERS=OFF \

-D CMAKE_BUILD_TYPE=RELEASE \

    -D CMAKE_INSTALL_PREFIX=/usr/local \

    -D INSTALL_PYTHON_EXAMPLES=ON \

    -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.1./modules \

    -D BUILD_EXAMPLES=ON ..

cmake结束之后，会出现下图所示：（当时忘了截图了，盗用别人的一张 ^-^ ）

请仔细校对下python3栏的Interpreter的python虚拟环境的路径，numpy指向python虚拟环境下的numpy安装路径等...

5.2 开始编译opencv

上面准备好了一切，只等make了！请再次确保您在cv虚拟环境中：

$ make -j4

编译过程大概会用2～3个小时！-j4是采用4线程编译，如果采用4线程编译出现问题请采用单线程编译：

$ make clean

$ make

编译结束后会出现下图所示（也没有留截图，直接盗别人的图）：

5.3 安装opencv

接下来就只需要几个简单的命令就能安装了：

$ sudo make install

$ sudo ldconfig

6、pi3安装opencv3收尾工作

接下来做一点收尾工作，然后就能用你的PI开发图像识别的项目了！

opencv编译好之后就可以make install安装了，编译是通用的，install是将相应的模块、DEMO放到相应的文件夹内；

下面几步主要是在python虚拟环境中链接到opencv模块：（知其所以然）

上面当运行完make install之后OpenCV+Python的打包文件将安装在：/usr/local/lib/python3.4/site-packages

$ ls -l /usr/local/lib/python3./site-packages/

total

-rw-r--r--  root staff  Mar  : cv2.cpython-34m.so

我们需要将cv2.cpython-34m.so重命名为cv2.so:

$ cd /usr/local/lib/python3./site-packages/

$ sudo mv cv2.cpython-34m.so cv2.so

然后需要将python虚拟环境中的cv2.so链接到上面刚被改名为cv2.so的文件上：

$ cd ~/.virtualenvs/cv/lib/python3./site-packages/

$ ln -s /usr/local/lib/python3./site-packages/cv2.so cv2.so

7、测试OpenCV3是否安装成功

进入cv环境，然后调用简单的python指令：

$ source ~/.profile

$ workon cv

$ python

>>> import cv2

>>> cv2.__version__

'3.1.0'

>>>

此时在home目录下还有两个编译、安装opencv时使用的文件夹，理论上可以直接删除掉，但是我建议还是先理解下整个操作流程之后再删掉！

因为，对opencv源码的编译是需要很长时间的，一旦之后发现有什么问题，可以查看或修改opencv源码来尝试解决问题！

➜  ~  ls

Desktop  Documents  Downloads  get-pip.py  Music  opencv-3.1.0  opencv_contrib-3.1.0  Pictures  Public  python_games  Templates  Videos

8、跑几个简单的图像识别的DEMO

编译、安装好之后，其DEMO放在/usr/local/share/OpenVC/sample/python目录下：

注意：1、运行opencv的DEMO不要在ssh中运行，某些程序是需要GUI的；

　　2、opencv的比较多的DEMO都需要摄像头，买不起树莓派自带的贵的，可以淘宝上随便买个20多块钱的免去动USB摄像头；

由于在usr目录下的DEMO都是只读文件、且其中少了data文件夹（data文件夹是DEMO所需要的一些图片及视频资源），

如果直接运行的话，会报资源缺少等问题：

(cv) ➜  python  python houghlines.py

This example illustrates how to use Hough Transform to find lines

Usage:

    houghlines.py [<image_name>]

    image argument defaults to ../data/pic1.png

Traceback (most recent call last):

  File "houghlines.py", line , in <module>

    a,b,c = lines.shape

AttributeError: 'NoneType' object has no attribute 'shape'

因此，我们将/usr/local/share/OpenVC/sample/文件拷贝到Downloads/sample/，同时从openCV的源码文件中找到data文件夹，并复制到sample目录下：

cp -r /usr/local/share/OpenCV/samples ~/Downloads/samples

cp -r  ~/opencv-3.1./samples/data ~/Downloads/samples/data/

(cv) ➜  samples  tree -L  ~/Downloads/samples

/home/pi/Downloads/samples

├── data

└── python

如下是运行霍夫找直线的DEMO效果：

kmeans聚类算法：(cv) ➜ python python kmeans.py

边缘检测算法：(cv) ➜ python python edge.py

模式识别算法：(cv) ➜ python python find_obj.py

运动方向检测，光流算法：(cv) ➜ python python lk_track.py

参考链接

:: 如果您觉得不错，请推荐给更多人，帮助他们更快地解决实际问题中的坑~

@beautifulzzzz

智能硬件、物联网，热爱技术，关注产品

博客：http://blog.beautifulzzzz.com

园友交流群：414948975