【OpenCV】Python图像处理之开发环境搭建

OpenCV-Python 开发环境搭建主要分为本地环境搭建 （Windows/macOS/Linux）和虚拟环境 / Anaconda 环境搭建两种方式，以下是详细步骤及注意事项：

一、前提条件

确保已安装 Python（推荐 3.7-3.11 版本，兼容性最佳），可通过以下命令检查 Python 版本：

python 复制代码

python --version  # Windows
python3 --version # macOS/Linux

Windows快捷方式：

win+R输入cmd，进入命令行后，输入命令python -V并回车，若出现如下界面则证明已成功安装python并配置了系统环境；

若是未出现上图内容，则需要检查是否为添加系统环境变量(网上很多添加系统环境变量的教程，这里就不在叙述了)，或未成功安装Python，重新安装Python并勾选添加到系统环境变量复选框。

二、方式 1：pip 安装（推荐）

1. 直接安装 OpenCV-Python

使用pip命令安装官方预编译包：

直接使用pip安装的话速度较慢，可以使用国内镜像源，速度更快：

python 复制代码

pip install some-package -i https://mirrors.aliyun.com/pypi/simple/ # 使用阿里云的镜像
"""
临时使用国内镜像源：

清华源
pip install some-package -i https://pypi.tuna.tsinghua.edu.cn/simple

阿里源
pip install some-package -i https://mirrors.aliyun.com/pypi/simple/

腾讯源
pip install some-package -i http://mirrors.cloud.tencent.com/pypi/simple

豆瓣源
pip install some-package -i http://pypi.douban.com/simple/

中科院源
pip install some-package -i https://pypi.mirrors.ustc.edu.cn/simple/

"""

"""
永久换为国内镜像源;

清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

阿里源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

腾讯源
pip config set global.index-url http://mirrors.cloud.tencent.com/pypi/simple

豆瓣源
pip config set global.index-url http://pypi.douban.com/simple/

中科院源
pip config set global.index-url https://pypi.mirrors.ustc.edu.cn/simple/

"""
# 换回原始默认源(github)(有些包更新后未及时同步到国内镜像源，这时候只能换回默认源去pip安装)
pip config unset global.index-url

安装OpenCV-Python的pip命令如下：

python 复制代码

# 基础版（包含核心模块）
pip install opencv-python

# 完整版（包含contrib扩展模块，如SIFT、SURF等）
pip install opencv-contrib-python

2. 验证安装

打开 Python 终端，执行以下代码：

python 复制代码

import cv2
print(cv2.__version__)  # 输出版本号则安装成功

三、方式 2：Anaconda 环境搭建

1. 创建并激活虚拟环境

python 复制代码

# 创建环境（指定Python版本）
conda create -n opencv_env python=3.9

# 激活环境
conda activate opencv_env  # Windows
source activate opencv_env # macOS/Linux

2. 安装 OpenCV

python 复制代码

# 通过conda安装（推荐，兼容性更好）
conda install -c conda-forge opencv

# 或使用pip安装
pip install opencv-contrib-python

四、方式 3：源码编译安装（进阶）

如需最新特性或自定义编译选项，可从源码编译：

1. 安装依赖（以 Ubuntu 为例）

python 复制代码

sudo apt-get update
sudo apt-get install build-essential cmake git libgtk2.0-dev libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

2. 克隆源码并编译

python 复制代码

# 克隆OpenCV和contrib模块
git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git

# 创建build目录
cd opencv && mkdir build && cd build

# 配置CMake
cmake -D CMAKE_BUILD_TYPE=Release \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \
      -D BUILD_EXAMPLES=ON ..

# 编译并安装（-j后接CPU核心数，加速编译）
make -j4
sudo make install

五、常见问题解决

ImportError: numpy.core.multiarray failed to import 原因：NumPy 未安装或版本不兼容。解决：pip install numpy --upgrade
SIFT/SURF 无法使用 原因：未安装opencv-contrib-python。解决：pip install opencv-contrib-python
Windows 下 DLL 加载失败 原因：缺少 Visual C++ 运行库。解决：安装Microsoft Visual C++ 2015-2022 Redistributable
macOS 下 Qt 相关错误 解决：通过 conda 安装pyqt：conda install pyqt

六、开发工具推荐

编辑器 / IDE ：VS Code（安装 Python 和 OpenCV 插件）、PyCharm（专业版更佳，个人比较推荐此款IDE，方便好用）
辅助库 ：matplotlib（图像显示）、numpy（数组操作）、pillow（图像读取）安装：pip install matplotlib numpy pillow

七、测试示例

运行以下代码验证环境是否正常：

python 复制代码

import cv2
import matplotlib.pyplot as plt

# 读取图像
img = cv2.imread('test.jpg')
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 显示图像
plt.imshow(img_rgb)
plt.axis('off')
plt.title('OpenCV环境测试')
plt.show()

# 边缘检测
edges = cv2.Canny(img, 100, 200)
plt.imshow(edges, cmap='gray')
plt.title('Canny边缘检测')
plt.show()

总结

新手推荐使用pip 或 Anaconda安装预编译包，简单高效；
进阶用户可选择源码编译，自定义功能；
安装后通过版本检查和测试代码验证环境是否正常。搭建完成后即可开始 OpenCV-Python 的图像处理开发！
个人比较建议使用PyCharm，使用比较方便，后续文章也都是在PyCharm的基础上编写。