OpenCV下载和安装（包含所有平台）!

在 OpenCV 官方网站可以下载最新的且完整的源码以及大部分的 release 版本源码。

安装

现在，OpenCV 使用 Git 作为版本管理工具，使用 Cmake 来构建工程。

在早些时候，OpenCV 开发者使用 Subversion 作为版本管理工具以及 automake 来构建工程项。当然，这些日子都一去不复返了。

在许多情况下，你不必担心构建问题，因为许多环境中都有预编译好的库。但是，一旦成为更加专业的使用者，势必需要重新编译库，并且根据具体的应用程序定制特定的选项。

在 Windows 系统下安装 OpenCV

可以通过这个链接下载一个 EXE 文件，该文件会把预编译好的 OpenCV 解压到你的电脑上，预编译版本支持不同版本的 Visual Studio 环境。现在，你很快就可以开始使用 OpenCV了。

注意：尽管 Windows 环境拥有预编译的 release 版本的库，但是它并不包含 debug 版本的库。所以，在开发 OpenCV 之前，需要打开解决方案并且自行编译那些库。

另一个额外的细节是，需要再添加一个名为OPENCV_DIR的环境变量来告诉编译器在哪里找到 OpenCV 的二进制文件。可以通过命令行工具（cmd）对此进行设置。

setx -m OPENCV_DIR D:\OpenCV\Build\x64\vc10

如果希望静态链接 OpenCV，就只需要做到这一步。如果希望使用 OpenCV 的动态链接库（DLL），就需要告诉系统在哪里找到它的二进制库。为了完成这一目标，只需要在库路径中添加 %OPENCV_DIR%\bin。

以 Windows 10 为例，具体操作步骤是：右击计算机图标，选择“属性”，然后单击“高级系统设置”，最后选择“环境变量”，把 OpenCV 二进制文件的路径%OPENCV_DIR%\bin添加到 path 变量中。

OpenCV3 集成了 IPP，所以如果使用最新的 x86 或者 x64 CPU，就可以获得或多或少的性能优势。

从源代码编译 OpenCV

也可以按照如下操作从源码编译 OpenCV，具体步骤是：

1、运行 CMake GUI。

2、指定 OpenCV 源码所在路径以及构建目标文件夹（必须和源码所在路径不同）。

3、按两次 Configure 键（选择可以使用的 Visual Studio 编译器或者 MinGW 构建文件，如果正在使用 MinGW 的话），直到所有条目没有红色警示。

4、使用 Visual Studio 打开生成的解决方案并构建。如果使用的是 MinGW，则按照 Linux 的安装指导进行。

Linux 系统下安装 OpenCV

由于 GCC 和 GLIBC 在不同 Linux 版本（SuSE、Debian、Ubuntu 等等）下拥有不同的版本，所以 OpenCV 的 Linux 的预编译版本不包含 Linux 的版本号。

然而，在很多情况下，你的 Linux 版本会提供 OpenCV。如果你的版本不提供 OpenCV，你将不得不从源代码中构建，与 Windows 安装一样，可以从官网下载源代码，但是在这种情况下，该链接会把你转向 SourceForge，在这里可以为当前的 OpenCV 源代码选择压缩文件。

为了编译这个库和示例程序，你需要准备很多库或者工具，其中包括：

✿ GTK+ 2.x 或者更高的版本；

✿ GCC 编译器；

✿ cmake 构建工具；

✿ libtbb（英特尔线程构建模块）；

✿ 还有一些可选项目，例如 zlib、libpng、libjpeg、libtiff 和 libjasper 的开发者版本（例如模块名称后带有-dev的版本）；

✿ 你也需要用到 Python 2.6 或者更高的版本（开发者包）以及 NumPy 使 OpenCV 可以在 Python 环境下工作；

✿ 此外，还需要来自 ffmpeg 的 libavcodec 以及其他的 libav* 库（包含头文件）。

对于后者，请安装 Linux 发行版本所提供的 libav/ffmpeg 包。ffmpeg 库拥有较低的通用公开（LGPL）许可证，但是它的一些组件拥有更严格的通用公开许可证（GPL）。为了结合使用非 GPL 的软件，你需要构建并且使用一个共享的 ffmpeg 库：

$> ./configure --enable-shared

$> make

$> sudo make install

当动态链接一个 LGPL 的库时，不需要为自己的代码使用 GPL 许可证。最终得到：

✿ /usr/local/lib/libavcodec.so.*

✿ /usr/local/lib/libavformat.so.*

✿ /usr/local/lib/libavutil.so.*

✿ 以及在 /usr/local/include/libav* 路径下的头文件

为了编译这个库，需要解压 tar.gz 文件并且切换到解压过程创建的源码文件夹中，然后进行如下操作：

mkdir release

cd release

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..

make

sudo make install # optional

对指令的说明：

1) 第一个命令和第二个命令将创建名为 release 的子目录并且切换到 release 中。

2) 第三个命令告诉 cmak 工具如何设置你的工程。我们提供的例子可能是让你入门的正确方法，但是其他选项允许你启用更多的设置，例如：

✿ 确定哪些例子需要被构建；

✿ 添加对 Python 的支持；

✿ 添加 CUDA GPU 的支持。

默认情况下，OpenCV 的 cmak 配置脚本会尝试查找和使用尽可能多的第三方库，例如如果它探测到 CUDA SDK 的存在，就会自动支持 GPU 加速的 OpenCV 功能。

3) 最后两个指令将编译整个库并将其安装到正确的位置。注意，如果使用 CMake 来建工程，就没有必要安装 OpenCV，只需要指定生成的 OpenCVConfig.cmake 件的路径就可以了。在前面的例子中，文件将被安装在 /usr/local/share/OpenCV。

正如 Windows 的例子所示，Linux 建立的 OpenCV 将自动利用 IPP 进行加速（如果有安装的话）。从 OpenCV 3.0 版本开始，OpenCV 的 cmak 设置脚本将自动下载并且链接一个 IPP 的免费子库（IPPICV）。如果想要禁用 IPP 加速，请在执行 CMake 的时候加上 -D WITH_IPP=OFF 指令。