C++ 机器视觉入门：从零搭建 AOI 开发环境（OpenCV + CMake）

引言

很多刚接触机器视觉的同学，一上来就被"装环境"这件事劝退了：装完 OpenCV 编译报错、链接报错、跑起来又闪退。其实这些问题大多源于对工程组织方式不熟悉，而不是代码本身难。

本文面向有 C++ 基础、但刚接触机器视觉和 OpenCV 的读者，解决一个具体问题：如何从零搭建一套可以复用的 AOI（自动光学检测）开发环境。读完本文你能学到三件事：一是理解 AOI 是什么、用在哪里；二是明白为什么工业界选 C++ + OpenCV；三是亲手完成"安装环境 → 用 CMake 组织工程 → 编译运行第一个读图程序"的完整闭环，并避开最常见的几个坑。

什么是 AOI

AOI（Automated Optical Inspection，自动光学检测），是用工业相机拍摄被测物体，再用图像处理算法自动判断产品是否有缺陷的技术。它代替人眼完成重复、高速、客观的质量检查，是智能制造里的"电子质检员"。

典型的应用场景包括：

场景	检测内容
PCB 板检测	焊点虚焊、连锡、元件缺失、极性反装
SMT 贴片	贴片偏移、错料、立碑、少件
显示面板	亮点、暗点、划痕、Mura 污渍
外观检测	划伤、毛刺、脏污、尺寸测量

一条 AOI 流水线大致分为四步：打光与成像 → 图像预处理 → 特征提取与判定 → 结果输出。其中图像处理部分，绝大多数项目都离不开 OpenCV。所以学 AOI，第一步不是急着写检测算法，而是先把 OpenCV 这套开发环境搭稳。

为什么选择 OpenCV + C++

OpenCV 是目前最流行的开源计算机视觉库，覆盖图像读写、滤波、形态学、轮廓分析、特征匹配、相机标定等 AOI 常用的几乎全部基础能力，且跨平台、有活跃社区。

而工业落地更偏爱 C++，原因很实在：

性能：AOI 往往要求每秒检测多件产品，C++ 贴近硬件、没有 GC 停顿，配合 OpenCV 的 SIMD 优化能榨干 CPU。
可控性：内存、线程、时延都可精细管理，满足产线实时性要求。
部署：C++ 程序可编译为独立可执行文件或动态库，方便集成到产线上位机软件。

一句话总结：用 Python 做原型验证很快，但真正上产线的高性能检测，通常还是 C++。 本文用 OpenCV 4.x 作为示例。

环境安装：Windows 与 Ubuntu

Windows 下安装

最省心的方式是使用官方预编译包：

到 OpenCV 官网下载 Windows 版 opencv-4.x.x-windows.exe，解压到例如 D:\opencv。
解压后目录结构里有 build\x64\vc16\bin（动态库 .dll）和 build\include（头文件）。
把 D:\opencv\build\x64\vc16\bin 加入系统环境变量 PATH，否则运行时找不到 opencv_world4xx.dll。
用 CMake 配置工程时，指定 OpenCV_DIR 指向解压目录里的 build 文件夹即可。

建议配一个本地安装的 Visual Studio（社区版即可）作为编译器，CMake 用它生成解决方案。

Ubuntu 下安装

Ubuntu 可以用 apt 一键安装，也可以源码编译（需要定制模块时再考虑）。入门推荐 apt：

复制代码

sudo apt update
sudo apt install -y libopencv-dev cmake g++ pkg-config

安装完成后用 pkg-config 验证：

复制代码

pkg-config --modversion opencv4

能打印出 4.x.x 就说明安装成功。Ubuntu 官方源里的 libopencv-dev 通常自带 opencv4.pc，供 pkg-config 查询编译参数。

用 CMake 组织工程

CMake 是跨平台的构建工具，作用是"用一份配置生成各平台的构建文件"：Windows 上生成 VS 工程，Linux 上生成 Makefile。工业项目几乎都用它，所以第一步就养成好习惯。

一个最小工程长这样：

复制代码

aoi-demo/
├── CMakeLists.txt
├── main.cpp
└── sample.jpg   # 任意一张测试图片

CMakeLists.txt 内容如下：

cpp 复制代码

cmake_minimum_required(VERSION 3.10)

# 项目名
project(aoi_hello)

# OpenCV 4 要求至少 C++11，这里统一用 C++11
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 查找 OpenCV（默认会找系统里已安装的 OpenCV）
find_package(OpenCV REQUIRED)

# 生成可执行文件 app，源码是 main.cpp
add_executable(app main.cpp)

# 链接 OpenCV 库
target_link_libraries(app ${OpenCV_LIBS})

核心就三件事：find_package(OpenCV REQUIRED) 找到 OpenCV，add_executable 声明目标，target_link_libraries 完成链接。

第一个程序：读取并显示一张图片

main.cpp 完整代码如下：

cpp 复制代码

#include <opencv2/opencv.hpp>   // OpenCV 主头文件
#include <iostream>

using namespace cv;     // 常用：Mat、imread 等都在 cv 命名空间
using namespace std;

int main(int argc, char** argv)
{
    // 1. 读取图片：IMREAD_COLOR 表示按 3 通道彩色图读取
    //    路径请改成你自己电脑上的图片路径
    Mat img = imread("sample.jpg", IMREAD_COLOR);

    // 2. 判断是否读取成功：empty() 为 true 说明没读到
    if (img.empty())
    {
        cout << "图片读取失败，请检查路径是否正确！" << endl;
        return -1;
    }

    // 3. 打印图片基本信息（宽 x 高、通道数）
    cout << "图片尺寸: " << img.cols << " x " << img.rows << endl;
    cout << "通道数: " << img.channels() << endl;

    // 4. 显示图片，窗口标题为 "AOI 第一张图"
    imshow("AOI 第一张图", img);

    // 5. 等待按键：参数 0 表示无限等待，直到用户按下任意键
    //    没有这一句，窗口会一闪而过甚至直接退出
    waitKey(0);

    return 0;
}

编译运行

Linux / Ubuntu（直接用 g++ 编译）：

复制代码

g++ main.cpp -o app $(pkg-config --cflags --libs opencv4)
./app

Linux / Ubuntu（用 CMake，推荐）：

复制代码

mkdir build && cd build
cmake ..
make
./app

Windows（用 CMake + VS）：

复制代码

mkdir build
cd build
cmake .. -G "Visual Studio 17 2022"
# 打开生成的 .sln 编译，或在命令行执行 cmake --build . --config Release

逐段讲解

Mat img = imread(...) ：Mat 是 OpenCV 里表示图像的核心类，本质是一块二维像素矩阵。imread 负责把磁盘图片解码成 Mat。
img.empty() ：这是必须写的防御性检查 。读图失败时 img 是空的，若直接拿去显示或计算会崩溃。失败常见原因是路径不对或文件不存在。
imshow 与 waitKey ：imshow 只是"把图画到窗口"，真正让窗口刷新、响应鼠标键盘的是 waitKey。它同时承担"等待按键"和"事件循环"两个职责，缺一不可。
IMREAD_COLOR ：读图模式标志。另有 IMREAD_GRAYSCALE（灰度，用于大多数检测算法）、IMREAD_UNCHANGED（保留透明通道）等，AOI 里灰度图用得非常多。

运行效果

程序正确运行后，会弹出标题为"AOI 第一张图"的窗口，展示你的测试图片；控制台打印类似：

复制代码

图片尺寸: 640 x 480
通道数: 3

按键盘任意键，窗口关闭，程序正常退出（返回码 0）。如果打印"图片读取失败"，说明图片没找到，按下一节的排查思路检查即可。

常见坑与注意事项

找不到头文件 opencv2/opencv.hpp ：g++ 编译时没加 pkg-config --cflags，或 CMake 里没执行 find_package。本质是编译器不知道头文件在哪，补上 include 路径即可。
undefined reference to cv::... ：这是典型的链接错误 ，说明编译通过了但没链 OpenCV 库。检查 pkg-config --libs 是否带上，或 CMake 是否写了 target_link_libraries。
imshow 窗口一闪而过 / 闪退 ：几乎都是漏写 waitKey。没有它，程序执行完直接返回，窗口来不及显示。
图片路径含中文 ：OpenCV 的 imread 在部分平台（尤其 Windows 默认编码下）对中文路径支持不好，可能读出来是空。优先把图片放到工程目录、用英文文件名 ；确需中文路径时再考虑 imdecode 配合 ifstream 读取的方案。
Windows 下报找不到 opencv_world4xx.dll ：运行期动态库不在 PATH 里，把 bin 目录加进环境变量即可。
图片路径用相对路径却读不到：相对路径的基准是"程序运行时的工作目录"，不是源码目录。IDE 里运行时注意设置工作目录，或改用绝对路径排查。

小结

本文完成了 AOI 开发的第一块地基：理解了 AOI 是什么、为什么选 C++ + OpenCV，并且在 Windows / Ubuntu 上装好环境，用 CMake 组织了一个最小工程，跑通了"读图 → 判空 → 显示 → 等待按键"的完整流程，还梳理了六个高频坑。

这一步看起来简单，却是后续所有检测算法的前提。环境稳了，接下来无论是灰度化、二值化、形态学去噪，还是轮廓提取与缺陷判定，都能在这套骨架上顺畅展开。建议你现在就动手：建好工程、放一张测试图、把程序跑起来，遇到报错先对照"常见坑"逐一排查------亲手排掉一个坑，比看十遍教程都管用。