Ubuntu 18.04安装OpenCV 3.4.4完整指南

1. 项目概述

在计算机视觉开发领域，OpenCV堪称是行业标准库。今天我要分享的是如何在Ubuntu 18.04系统上安装OpenCV 3.4.4版本，同时支持C++和Python两种开发语言。这个特定版本组合在实际项目中非常常见——Ubuntu 18.04作为长期支持版本(LTS)拥有稳定的系统环境，而OpenCV 3.4.4则是3.x系列的最后一个功能更新版本，既具备成熟稳定的特性，又不会像4.x版本那样存在某些API变更带来的兼容性问题。

提示：选择3.4.4版本而非最新版是经过深思熟虑的。在工业级应用中，稳定性往往比新特性更重要，这个版本经过长期验证，文档和社区支持都非常完善。

2. 环境准备与依赖安装

2.1 系统更新与基础依赖

在开始安装前，我们需要确保系统处于最新状态并安装必要的编译工具。打开终端执行以下命令：

bash复制sudo apt update && sudo apt upgrade -y
sudo apt install -y build-essential cmake git pkg-config

这些基础工具中，build-essential包含GCC/G++编译器套件，cmake是OpenCV使用的构建系统，git用于获取源代码，pkg-config帮助管理编译标志。我强烈建议在执行后续步骤前先完成系统更新，避免因基础库版本不一致导致难以排查的问题。

2.2 图像/视频处理依赖

OpenCV的核心功能需要以下多媒体库支持：

bash复制sudo apt install -y libjpeg-dev libpng-dev libtiff-dev
sudo apt install -y libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt install -y libxvidcore-dev libx264-dev

这些库分别处理不同格式的图像编解码（JPEG/PNG/TIFF）和视频处理（H.264/Xvid等）。曾经有一次我跳过了这部分安装，结果编译虽然通过了，但运行时发现无法处理最常见的JPEG图像——这个教训让我明白依赖库的重要性。

2.3 Python环境配置

对于Python支持，我们需要安装开发头文件和pip包管理工具：

bash复制sudo apt install -y python3-dev python3-pip
python3 -m pip install numpy

这里安装的numpy是OpenCV Python绑定的必要依赖。如果你计划使用虚拟环境（推荐做法），可以这样设置：

bash复制python3 -m venv opencv_env
source opencv_env/bin/activate
pip install numpy

注意：在虚拟环境中安装时，确保后续所有Python相关操作都在激活的环境中进行。

3. 源码编译与安装

3.1 获取OpenCV源码

我们直接从官方GitHub仓库获取指定版本的源代码：

bash复制cd ~
git clone https://github.com/opencv/opencv.git -b 3.4.4 --depth 1
git clone https://github.com/opencv/opencv_contrib.git -b 3.4.4 --depth 1

这里使用-b指定3.4.4分支，--depth 1只克隆最新提交以节省时间和空间。opencv_contrib包含了许多额外的模块（如SIFT特征检测），如果你确定不需要这些功能可以跳过第二个仓库。

3.2 CMake配置

创建一个构建目录并运行CMake：

bash复制mkdir -p ~/opencv/build && cd ~/opencv/build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D INSTALL_PYTHON_EXAMPLES=ON \
      -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \
      -D BUILD_EXAMPLES=ON \
      -D WITH_GTK=ON \
      -D WITH_FFMPEG=ON \
      -D BUILD_opencv_python3=ON \
      -D PYTHON3_EXECUTABLE=$(which python3) \
      -D PYTHON3_INCLUDE_DIR=$(python3 -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") \
      -D PYTHON3_LIBRARY=$(python3 -c "import distutils.sysconfig as sysconfig; print(sysconfig.get_config_var('LIBDIR'))") \
      -D PYTHON3_NUMPY_INCLUDE_DIRS=$(python3 -c "import numpy; print(numpy.get_include())") \
      ..

这个配置有几个关键点值得说明：

• CMAKE_INSTALL_PREFIX=/usr/local 表示安装到系统目录
• WITH_GTK=ON 启用GUI功能支持
• BUILD_opencv_python3=ON 明确构建Python3绑定
• PYTHON3_* 系列参数确保正确找到Python环境

配置完成后，检查输出中是否包含以下关键信息：

code复制--   Python 3:
--     Interpreter:     /usr/bin/python3 (ver 3.6.9)
--     Libraries:       /usr/lib/x86_64-linux-gnu/libpython3.6m.so (ver 3.6.9)
--     numpy:           /usr/local/lib/python3.6/dist-packages/numpy/core/include (ver 1.19.5)
--     packages path:   lib/python3.6/dist-packages

3.3 编译与安装

使用make进行编译，-j参数指定并行任务数（通常为CPU核心数+1）：

bash复制make -j$(nproc)

编译过程可能需要30分钟到2小时不等，取决于硬件性能。我曾在一台4核笔记本上遇到过内存不足的问题，这时可以去掉-j参数或减少并行数（如make -j2）。

编译完成后进行安装：

bash复制sudo make install
sudo ldconfig

ldconfig命令更新动态链接器运行时绑定，确保新安装的库能被正确找到。

4. 验证安装

4.1 C++验证

创建一个简单的测试程序test_opencv.cpp：

cpp复制#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    cv::Mat image = cv::Mat::zeros(300, 600, CV_8UC3);
    cv::putText(image, "OpenCV 3.4.4 on Ubuntu 18.04", 
                cv::Point(50, 150), 
                cv::FONT_HERSHEY_COMPLEX, 1, 
                cv::Scalar(0, 255, 255), 2);
    cv::imshow("Test Window", image);
    cv::waitKey(0);
    return 0;
}

编译并运行：

bash复制g++ test_opencv.cpp -o test_opencv `pkg-config --cflags --libs opencv`
./test_opencv

如果看到显示文字的窗口，说明C++环境配置成功。

4.2 Python验证

在Python交互环境中测试：

python复制import cv2
print(cv2.__version__)
img = cv2.imread('不存在的路径.jpg', cv2.IMREAD_COLOR)

预期看到输出"3.4.4"，并且对于不存在的图像路径应该抛出错误而非静默失败（这是OpenCV的预期行为）。

5. 常见问题与解决方案

5.1 视频相关功能异常

如果遇到视频处理功能（如VideoCapture）无法工作，通常是FFmpeg相关的问题。解决方法：

bash复制sudo apt install -y ffmpeg

然后重新编译OpenCV。我曾遇到过一个棘手的问题：视频可以读取但无法写入，最后发现是缺少libx264-dev导致的。

5.2 Python导入错误

如果Python中import cv2失败，可能是以下原因之一：

1. 安装路径不在Python搜索路径中。检查：

   python复制import sys
   print(sys.path)
   

   确保包含/usr/local/lib/python3.6/dist-packages（路径可能因Python版本而异）

2. 多个Python环境冲突。使用which python3确认当前使用的Python解释器位置

5.3 CUDA支持问题

如果需要CUDA加速，在CMake配置时添加：

code复制-D WITH_CUDA=ON \
-D CUDA_ARCH_BIN="5.3" \  # 根据你的GPU计算能力调整

但要注意：

• 需要提前安装NVIDIA驱动和CUDA Toolkit
• 编译时间会显著增加
• 不是所有OpenCV功能都支持CUDA加速

6. 性能优化建议

6.1 编译选项调优

在CMake配置时可以考虑以下优化选项：

bash复制-D ENABLE_FAST_MATH=ON \
-D WITH_TBB=ON \
-D WITH_OPENMP=ON \

这些选项可以启用更快的数学运算和并行处理，但可能会略微降低精度。

6.2 选择性编译模块

如果只需要特定功能，可以通过BUILD_opencv_*参数禁用不需要的模块，显著减少编译时间和二进制大小。例如：

bash复制-D BUILD_opencv_stitching=OFF \
-D BUILD_opencv_superres=OFF \

6.3 多版本共存

有时需要同时维护多个OpenCV版本，可以通过修改CMAKE_INSTALL_PREFIX实现：

bash复制-D CMAKE_INSTALL_PREFIX=/usr/local/opencv-3.4.4

然后通过环境变量控制使用哪个版本：

bash复制export PKG_CONFIG_PATH=/usr/local/opencv-3.4.4/lib/pkgconfig
export LD_LIBRARY_PATH=/usr/local/opencv-3.4.4/lib

在实际项目中，我通常会为每个重要项目创建独立的虚拟环境和OpenCV安装，避免版本冲突。