如何安装 dlib 和 OpenCV（不带 Python 绑定）

dlib 是一个功能强大、跨平台的纯 C++ 库，专为机器学习和计算机视觉设计。它由 Davis King 开发并维护，以其简洁的 API、高性能和易用性而闻名。编译依赖 C++ 编译器和构建工具 CMake，C++ 编译器需要支持 C++14。OpenCV（全称：Open Source Computer Vision Library，开源计算机视觉库）是一个功能强大、跨平台的开源计算机视觉和机器学习库。它由 Intel 于 1999 年发起开发，现在由社区广泛维护，是全球最流行的计算机视觉工具之一。dlib 本身不依赖 OpenCV，OpenCV 是可选的 "协作库" 而非必选依赖；只有当你需要在 dlib 和 OpenCV 之间做图像格式互转、或用 OpenCV 处理图片 / 视频时，才需要引入 OpenCV。简单来说：OpenCV 是一个"图像采集器"，dlib 是一个"智能分析器"。你可以只用其中一个，也可以把它们组合起来，但 dlib 不需要 OpenCV 才能工作。

📌 dlib 的主要功能模块

模块	功能
人脸识别	人脸检测（HOG + SVM）、人脸特征点定位（68点）、人脸识别（深度学习模型）
图像处理	图像旋转、缩放、滤波、边缘检测等
机器学习	支持向量机（SVM）、决策树、随机森林、神经网络（DNN）等
优化算法	非线性优化、全局优化（如贝叶斯优化）
信号处理	数字滤波、频域分析
通用工具	多线程、日志系统、文件 I/O

📌 opencv 的主要功能模块

功能类别	主要应用
图像处理	图像读写、色彩空间转换、滤波、几何变换
视频分析	视频捕获、运动检测、目标跟踪
特征工程	关键点检测、特征描述、特征匹配
目标识别	人脸检测、物体检测、模板匹配
3D视觉	相机标定、立体视觉、三维重建
机器学习	SVM, KNN, 决策树等传统算法
深度学习	加载和运行深度神经网络模型
UI交互	显示图像、响应用户输入

安装 dlib

直接从源码编译。

shell 复制代码

# 克隆dlib源码（也可直接下载release包）
git clone https://github.com/davisking/dlib.git
cd dlib
# 编译并安装dlib（生成静态库）
mkdir build && cd build
cmake .. -DDLIB_USE_CUDA=OFF  # 无GPU则关闭CUDA，加速编译
make -j4
sudo make install
cd ../..

安装 OpenCV

📌 方法一：使用包管理器（推荐，适用于 Linux / macOS）

Ubuntu / Debian

安装 OpenCV 开发库（不含 Python 绑定）

shell 复制代码

sudo apt update
sudo apt install libopencv-dev

如果需要更多模块（如 video, imgproc, highgui）

shell 复制代码

sudo apt install libopencv-imgproc-dev libopencv-highgui-dev libopencv-video-dev

✅ 这会安装：

头文件（.h 文件）
静态库（.a）和共享库（.so）
命令行工具（如 opencv_version）

CentOS / RHEL / Fedora

使用 yum 或 dnf

shell 复制代码

sudo yum install opencv-devel   # CentOS 7

或

shell 复制代码

sudo dnf install opencv-devel   # Fedora / CentOS 8+

macOS (Homebrew)

安装 OpenCV，并避免安装 Python 绑定

shell 复制代码

brew install opencv --without-python
```shell

⚠️ 注意：macOS 上默认可能仍会安装 Python 绑定，建议使用 --build-from-source 并自定义配置。

📌 方法二：从源码编译（最灵活，支持定制）

如果想完全控制 OpenCV 的构建（如启用 GPU、优化性能、选择模块等），推荐从源码编译。

步骤：

1. 安装依赖项

```shell
# Ubuntu 示例
sudo apt update
sudo apt install build-essential cmake git libgtk-3-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

下载 OpenCV 源码

shell 复制代码

git clone https://github.com/opencv/opencv.git
cd opencv
git checkout 4.9.0  # 或最新稳定版

shell 复制代码

mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D BUILD_opencv_python3=OFF            # 关闭 Python 绑定
      -D BUILD_EXAMPLES=OFF                  # 不编译示例
      -D INSTALL_CXX_MODULES=ON \
      -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \
      ..

编译和安装

shell 复制代码

make -j$(nproc)
sudo make install

验证

shell 复制代码

# 检查是否安装成功
pkg-config --libs opencv4
# 或查看版本
opencv_version

🔧 如何在 C++ 程序中使用 OpenCV？

示例代码（main.cpp）：

c++ 复制代码

include 
include 

int main() {
    std::cout << "OpenCV version: " << CV_VERSION << std::endl;
    return 0;
}

编译命令：

shell 复制代码

g++ main.cpp -o test pkg-config --cflags --libs opencv4

✅ 成功输出版本号即表示安装正确。

完整人脸马赛克打码示例代码

新建文件 face_blur_dlib.cpp，粘贴以下代码（包含人脸检测 + 马赛克 + 高斯模糊核心逻辑）：

c++ 复制代码

#include <dlib/opencv.h>
#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/gui_widgets.h>
#include <opencv2/opencv.hpp>
#include <iostream>

// 马赛克打码函数：对指定区域进行像素化
void mosaicBlur(cv::Mat& img, const dlib::rectangle& face_rect, int block_size = 10) {
    // 将dlib的矩形转换为OpenCV的Rect
    cv::Rect cv_rect(face_rect.left(), face_rect.top(), 
                     face_rect.width(), face_rect.height());
    // 提取人脸区域
    cv::Mat face_region = img(cv_rect);
    int h = face_region.rows;
    int w = face_region.cols;

    // 缩小后放大，实现马赛克效果
    cv::Mat small;
    cv::resize(face_region, small, cv::Size(w/block_size, h/block_size), 0, 0, cv::INTER_LINEAR);
    cv::resize(small, face_region, cv::Size(w, h), 0, 0, cv::INTER_NEAREST);
    
    // 将处理后的区域放回原图
    face_region.copyTo(img(cv_rect));
}

// 高斯模糊打码函数：对指定区域进行高斯模糊
void gaussianBlur(cv::Mat& img, const dlib::rectangle& face_rect, int blur_size = 25) {
    // 确保模糊核为奇数（OpenCV要求）
    if (blur_size % 2 == 0) blur_size += 1;
    // 转换dlib矩形到OpenCV Rect
    cv::Rect cv_rect(face_rect.left(), face_rect.top(), 
                     face_rect.width(), face_rect.height());
    // 对人脸区域执行高斯模糊
    cv::GaussianBlur(img(cv_rect), img(cv_rect), cv::Size(blur_size, blur_size), 0);
}

int main(int argc, char** argv) {
    // 命令行参数检查
    if (argc != 4) {
        std::cerr << "用法：./face_blur_dlib <输入图片路径> <输出图片路径> <打码类型(mosaic/gaussian)>" << std::endl;
        std::cerr << "示例：./face_blur_dlib input.jpg output.jpg mosaic" << std::endl;
        return 1;
    }

    // 1. 初始化dlib人脸检测器
    dlib::frontal_face_detector detector = dlib::get_frontal_face_detector();
    
    // 2. 读取图片（OpenCV格式）
    cv::Mat img = cv::imread(argv[1]);
    if (img.empty()) {
        std::cerr << "错误：无法读取图片 " << argv[1] << std::endl;
        return 1;
    }

    // 3. 转换图片格式（OpenCV → dlib），用于人脸检测
    dlib::cv_image<dlib::bgr_pixel> dlib_img(img);
    // 检测所有人脸
    std::vector<dlib::rectangle> faces = detector(dlib_img);
    
    if (faces.empty()) {
        std::cout << "警告：未检测到人脸，直接保存原图片" << std::endl;
        cv::imwrite(argv[2], img);
        return 0;
    }
    std::cout << "检测到 " << faces.size() << " 个人脸，开始打码..." << std::endl;

    // 4. 根据指定类型执行打码
    std::string blur_type = argv[3];
    for (auto& face : faces) {
        if (blur_type == "mosaic") {
            mosaicBlur(img, face, 15);  // 马赛克块大小15，可调整
        } else if (blur_type == "gaussian") {
            gaussianBlur(img, face, 35); // 高斯模糊核大小35，可调整
        } else {
            std::cerr << "错误：不支持的打码类型，仅支持 mosaic/gaussian" << std::endl;
            return 1;
        }
    }

    // 5. 保存打码后的图片
    if (cv::imwrite(argv[2], img)) {
        std::cout << "成功：打码后的图片已保存至 " << argv[2] << std::endl;
    } else {
        std::cerr << "错误：无法保存图片 " << argv[2] << std::endl;
        return 1;
    }

    return 0;
}

编译命令：

shell 复制代码

g++ -std=c++14 face_blur_dlib.cpp -o face_blur_dlib `pkg-config --cflags --libs dlib-1 opencv4` -lpthread

运行示例：

shell 复制代码

# 马赛克打码
./face_blur_dlib input_face.jpg output_mosaic.jpg mosaic

# 高斯模糊打码
./face_blur_dlib input_face.jpg output_gaussian.jpg gaussian

完整人脸戴口罩打码示例代码

新建文件face_add_mask.cpp，粘贴以下代码（支持矩形口罩和贴合面部的多边形口罩两种效果）：

c++ 复制代码

#include <dlib/opencv.h>
#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/image_processing/shape_predictor.h>
#include <opencv2/opencv.hpp>
#include <vector>
#include <iostream>

// 贴合面部的多边形口罩绘制（基于68个特征点）
void drawFitMask(cv::Mat& img, const dlib::full_object_detection& shape, 
                 const cv::Scalar& color = cv::Scalar(20, 100, 200), float alpha = 0.8) {
    // 提取口罩覆盖的特征点索引（68点中：3-13列脸颊，33鼻子下，57下巴）
    std::vector<int> mask_points_idx = {
        0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,  // 脸颊外侧
        33,  // 鼻子下方
        57,  // 下巴
        33,  // 鼻子下方（回退）
        16, 15, 14, 13, 12, 11, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1, 0   // 另一侧脸颊
    };

    // 转换特征点为OpenCV的Point数组
    std::vector<cv::Point> mask_contour;
    for (int idx : mask_points_idx) {
        int x = shape.part(idx).x();
        int y = shape.part(idx).y();
        mask_contour.push_back(cv::Point(x, y));
    }

    // 创建口罩图层（带透明度）
    cv::Mat mask_layer = img.clone();
    // 填充口罩多边形
    cv::fillPoly(mask_layer, std::vector<std::vector<cv::Point>>{mask_contour}, color);
    // 叠加图层（透明度融合）
    cv::addWeighted(mask_layer, alpha, img, 1 - alpha, 0, img);
    // 绘制口罩轮廓（可选）
    cv::polylines(img, mask_contour, true, cv::Scalar(0, 0, 0), 2);
}

// 简单矩形口罩绘制（适合快速实现）
void drawRectMask(cv::Mat& img, const dlib::rectangle& face_rect,
                  const cv::Scalar& color = cv::Scalar(20, 100, 200), float alpha = 0.8) {
    // 计算口罩矩形（覆盖口鼻区域：人脸高度的下半部分）
    int mask_top = face_rect.top() + face_rect.height() / 3;
    int mask_bottom = face_rect.bottom();
    cv::Rect mask_rect(face_rect.left(), mask_top, face_rect.width(), mask_bottom - mask_top);

    // 带透明度绘制矩形口罩
    cv::Mat mask_layer = img.clone();
    cv::rectangle(mask_layer, mask_rect, color, -1); // -1表示填充
    cv::addWeighted(mask_layer, alpha, img, 1 - alpha, 0, img);
    // 绘制口罩边框
    cv::rectangle(img, mask_rect, cv::Scalar(0, 0, 0), 2);
}

int main(int argc, char** argv) {
    // 命令行参数检查
    if (argc != 5) {
        std::cerr << "用法：./face_add_mask <输入图片> <输出图片> <模型路径> <口罩类型(fit/rect)>" << std::endl;
        std::cerr << "示例：./face_add_mask input.jpg output.jpg shape_predictor_68.dat fit" << std::endl;
        return 1;
    }

    // 1. 初始化dlib检测器和特征点预测器
    dlib::frontal_face_detector detector = dlib::get_frontal_face_detector();
    dlib::shape_predictor predictor;
    try {
        dlib::deserialize(argv[3]) >> predictor; // 加载特征点模型
    } catch (std::exception& e) {
        std::cerr << "加载特征点模型失败：" << e.what() << std::endl;
        std::cerr << "请确认模型文件路径正确，或重新下载模型" << std::endl;
        return 1;
    }

    // 2. 读取图片
    cv::Mat img = cv::imread(argv[1]);
    if (img.empty()) {
        std::cerr << "无法读取图片：" << argv[1] << std::endl;
        return 1;
    }

    // 3. 检测人脸并提取特征点
    dlib::cv_image<dlib::bgr_pixel> dlib_img(img);
    std::vector<dlib::rectangle> faces = detector(dlib_img);
    if (faces.empty()) {
        std::cout << "未检测到人脸，直接保存原图片" << std::endl;
        cv::imwrite(argv[2], img);
        return 0;
    }
    std::cout << "检测到 " << faces.size() << " 个人脸，开始添加口罩..." << std::endl;

    // 4. 为每个人脸添加口罩
    std::string mask_type = argv[4];
    for (auto& face : faces) {
        if (mask_type == "fit") {
            // 提取68个特征点，绘制贴合口罩
            dlib::full_object_detection shape = predictor(dlib_img, face);
            drawFitMask(img, shape);
        } else if (mask_type == "rect") {
            // 绘制简单矩形口罩
            drawRectMask(img, face);
        } else {
            std::cerr << "不支持的口罩类型，仅支持 fit/rect" << std::endl;
            return 1;
        }
    }

    // 5. 保存结果
    if (cv::imwrite(argv[2], img)) {
        std::cout << "成功：添加口罩后的图片已保存至 " << argv[2] << std::endl;
    } else {
        std::cerr << "无法保存图片：" << argv[2] << std::endl;
        return 1;
    }

    return 0;
}

编译命令：

shell 复制代码

g++ -std=c++14 face_add_mask.cpp -o face_add_mask `pkg-config --cflags --libs dlib-1 opencv4` -lpthread

运行示例：

shell 复制代码

# 方式1：贴合面部的多边形口罩
./face_add_mask input_face.jpg output_fit_mask.jpg shape_predictor_68.dat fit

# 方式2：简单矩形口罩（无需特征点模型？不，代码里统一加载，rect模式也能用）
./face_add_mask input_face.jpg output_rect_mask.jpg shape_predictor_68.dat rect

可从 https://github.com/italojs/facial-landmarks-recognition/blob/master/shape_predictor_68_face_landmarks.dat 下载 shape_predictor_68.dat 。

核心代码解释：

特征点模型加载：

c++ 复制代码

dlib::deserialize(argv[3]) >> predictor;

shape_predictor是 dlib 的特征点预测器，输入人脸矩形后，可输出 68 个精准的面部特征点（眼睛、鼻子、嘴巴、下巴等）。

贴合口罩绘制逻辑：

选取 68 个特征点中 "脸颊→鼻子下→下巴" 的关键点，组成闭合多边形，模拟口罩的贴合轮廓；
通过cv::addWeighted设置透明度（alpha=0.8），让口罩看起来更真实，而非完全遮挡。

矩形口罩逻辑：

简化版实现，直接取人脸矩形的下半部分（口鼻区域）绘制矩形，无需特征点，适合快速验证。

扩展方向：

调整color参数修改口罩颜色（如蓝色cv::Scalar(200, 100, 20)）；
调整alpha参数修改口罩透明度（0~1，值越小越透明）；
增加口罩纹理（加载口罩图片，按轮廓贴上去，效果更逼真）。

❗ 常见问题解答

问题	解决方案
cannot find -lopencv_core	确保已安装 libopencv-dev，或检查 pkg-config 是否能找到 OpenCV
No package 'opencv' found	系统没有 pkg-config，或未正确安装 OpenCV 开发包

想要 GUI 功能（如 imshow）需要 libopencv-highgui-dev 和 libgtk-3-dev。

📦 总结

目标	方法
仅需 C++ 库（无 Python）	sudo apt install libopencv-dev
自定义编译（高性能/定制）	从源码编译，关闭 BUILD_opencv_python3
避免 Python 绑定	在 cmake 中设置 -D BUILD_opencv_python3=OFF

✅ 最终建议：

安装 OpenCV 开发库（Ubuntu）

shell 复制代码

sudo apt install libopencv-dev libopencv-imgproc-dev libopencv-highgui-dev

验证安装，执行：

shell 复制代码

pkg-config --cflags --libs dlib-1 opencv4 # 若 OpenCV 是 3.x 则用opencv

能输出头文件和库路径即说明安装成功。

text 复制代码

# pkg-config --cflags --libs dlib-1 opencv4
-I/usr/local/include -I/usr/include/opencv4 -L/usr/local/lib64 -ldlib -lopencv_gapi -lopencv_stitching -lopencv_alphamat -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired -lopencv_ccalib -lopencv_cvv -lopencv_dnn_objdetect -lopencv_dnn_superres -lopencv_dpm -lopencv_face -lopencv_freetype -lopencv_fuzzy -lopencv_hdf -lopencv_hfs -lopencv_img_hash -lopencv_intensity_transform -lopencv_line_descriptor -lopencv_mcc -lopencv_quality -lopencv_rapid -lopencv_reg -lopencv_rgbd -lopencv_saliency -lopencv_shape -lopencv_stereo -lopencv_structured_light -lopencv_phase_unwrapping -lopencv_superres -lopencv_optflow -lopencv_surface_matching -lopencv_tracking -lopencv_highgui -lopencv_datasets -lopencv_text -lopencv_plot -lopencv_ml -lopencv_videostab -lopencv_videoio -lopencv_wechat_qrcode -lopencv_ximgproc -lopencv_video -lopencv_xobjdetect -lopencv_objdetect -lopencv_calib3d -lopencv_imgcodecs -lopencv_features2d -lopencv_dnn -lopencv_flann -lopencv_xphoto -lopencv_photo -lopencv_imgproc -lopencv_core