上位机图像处理和嵌入式模块部署(树莓派4b安装opencv)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】

树莓派4b上面安装的镜像应该是debian系统,本身是可以用apt-get进行软件下载的。这一点对于我们来说就非常的方便。因为,如果可以从官方的软件源下载软件,这样就不需要我们自己进行第三方编译了。毕竟第三方编译是一个吃力不讨好的事情,中间软件的依赖、编译器的选择、linux版本的选择等等,大部分的工作都是非常琐碎且没有意义的。所以,这部分我们打算直接用apt-get下载opencv进行处理使用。

1、将树莓派4b网线连到路由器当中

前面我们已经把树莓派4b配置成ip为192.168.0.97的设备,并且后面需要通过外网下载opencv,所以这个时候就需要一根网线把它连接到路由器上面。

2、安装mobaxterm软件

mobaxterm是非常好用的上位机通讯软件,本身支持serial、telnet、ssh等十几种协议。不仅如此,它还支持文件拖放、编译和图片的远程显示,这一点对我们来说十分方便。

3、安装opencv

我们安装的opencv主要是为c/c++语言准备的,所以直接输入下面这行命令即可,

复制代码
sudo apt-get install libopencv-dev

4、准备测试文件process.cpp

既然opencv已经在树莓派4b安装好了,下面就可以准备测试文件了。这里测试的代码比较简单,直接通过chatgpt去准备就可以了,

复制代码
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    // 读取图片
    Mat image = imread("input.jpg", IMREAD_COLOR);
    
    if(image.empty()) {
        cout << "无法加载图像." << endl;
        return -1;
    }

    // 将图像转换为灰度图像
    Mat gray_image;
    cvtColor(image, gray_image, COLOR_BGR2GRAY);

    // 显示原始图像和灰度图像
    imshow("Original Image", image);
    imshow("Gray Image", gray_image);
    
    waitKey(0);
    return 0;
}

5、编译

编译的话,首先通过mobaxterm和配置ssh登录到树莓派4b。用vi把上面的代码copy到process.cpp。接下来就可以用g++进行编译了。编译的命令如下,

复制代码
g++ process.cpp -o process -I /usr/include/opencv4/ -L /usr/lib/ -lopencv_core -lopencv_imgcodecs -lopencv_highgui -lopencv_imgproc

本身镜像已经自带了g++编译工具,所以如果编译没有什么问题的话,就可以生成process文件了。

6、准备测试图片

需要的图片可以直接从这个github地址获取,重命名为input.jpg就可以了,

复制代码
https://github.com/mikolalysenko/lena/blob/master/lena.png

7、执行process文件

最后一步就是执行process可执行文件了。代码中有imshow的操作,这一点mobaxterm可以帮助我们完成,也就是说处理后的效果是可以通过mobaxterm的窗口看出来的。相关处理结果可以自动通过弹出显示出来,这一点不需要我们担心。

如果我们看到上面的弹窗,那么支持就可以认为opencv已经成功地在树莓派4b上面运行起来了。这也是目前为止最重要的工作,剩下来的事情就是怎么把这个流程给它丰富和完成好了。

相关推荐
Coding茶水间2 分钟前
基于深度学习的路面坑洞检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
图像处理·人工智能·深度学习·yolo·目标检测·计算机视觉
梵得儿SHI7 分钟前
AI Agent 深度解析:高级架构、优化策略与行业实战指南(多智能体 + 分层决策 + 人类在环)
人工智能·多智能体系统·aiagent·分层决策系统·人类在环机制·agent系统完整解决方案·aiagent底层原理
Peter_Monster25 分钟前
大语言模型(LLM)架构核心解析(干货篇)
人工智能·语言模型·架构
Ma0407131 小时前
【机器学习】监督学习、无监督学习、半监督学习、自监督学习、弱监督学习、强化学习
人工智能·学习·机器学习
cooldream20091 小时前
LlamaIndex 存储体系深度解析
人工智能·rag·llamaindex
Elastic 中国社区官方博客1 小时前
使用 A2A 协议和 MCP 在 Elasticsearch 中创建一个 LLM agent 新闻室:第二部分
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
知识浅谈1 小时前
我用Gemini3pro 造了个手控全息太阳系
人工智能
孤廖1 小时前
终极薅羊毛指南:CLI工具免费调用MiniMax-M2/GLM-4.6/Kimi-K2-Thinking全流程
人工智能·经验分享·chatgpt·ai作画·云计算·无人机·文心一言
aneasystone本尊1 小时前
学习 LiteLLM 的日志系统
人工智能
秋邱1 小时前
价值升维!公益赋能 + 绿色技术 + 终身学习,构建可持续教育 AI 生态
网络·数据库·人工智能·redis·python·学习·docker