概述
OpenCV 是世界上最大的开源计算机视觉算法库，其包含了海量的计算机视觉、机器学习与高等数学计算相关的代码。而为了使用这个“重量级”的算法库，需要我们在安装前，在操作系统中进行充分的配置。本文将以 Ubuntu 20.04.6 LTS 为例，演示如何在 Linux 上安装 OpenCV 4.9.0 。为了演示最普遍的情况，本文将同时介绍 CPU 版的 OpenCV 的安装与具有 NVIDIA CUDA 加速的 OpenCV 的安装，并使用从源代码编译安装的方法，您可以根据操作系统所在计算机的实际硬件情况进行选择。
附 笔者安装 OpenCV 环境使用的计算机情况：
- CPU: Intel(R) Core i9-13900HX x 32
- GPU: NVIDIA GeForce RTX 4080 Laptop 12G
- RAM: SAMSUNG DDR5-5600MHz 16GB × 2
- OS: Ubuntu 20.04.6 (Desktop) LTS
安装流程
安装前准备
下载 OpenCV 与 OpenCV-Contrib 源代码
访问 OpenCV 官网，在顶栏中找到“Library”，再在下拉框中选择“Releases”，即可进入 OpenCV 库的发行资源页：
如图所示，点击“Sources”，下载 OpenCV 4.9.0 的源代码文件：
再访问 OpenCV-Contrib 版本标签页，点击与 OpenCV 版本相同的标签（在本文示例中，即为 4.9.0 ），然后下载源代码：
完成它们的下载后，请解压到一个合适的位置（如用户的主目录）以方便后续的操作。
检查 Python 版本
在终端中输入如下命令以查看 Python 版本：
python3 --version
此处务必注意：由于在编译安装具有 CUDA 加速的 OpenCV 时会同时安装 OpenCV-Python 模块，且该模块所属的 Python 解释器为我们手动指定的 Python 解释器，当您的系统中有多个 Python 解释器时，这可能会令人疑惑：“为什么我无法在 Python 中执行 import cv2 导入模块的操作？”因此，若您未来使用 Python 开发OpenCV，请务必确保该 Python 版本与其它用于视觉开发的组件兼容。
可能此时您仍不明白上述这段话的具体含义。在后面编译安装具有 CUDA 加速的 OpenCV 库的内容介绍中，相关内容会再次提及。
配置必要的安装依赖
首先，将 apt 包管理器进行更新：
sudo apt-get update
接着，使用 apt 包管理器安装以下内容：
sudo apt-get install build-essential cmake git ffmpeg libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev libeigen3-dev libtheora-dev libvorbis-dev libxvidcore-dev libx264-dev sphinx-common yasm doxygen libfaac-dev libopencore-amrnb-dev libopencore-amrwb-dev libopenexr-dev libgstreamer-plugins-base1.0-dev libavutil-dev libavfilter-dev libavresample-dev
若您需要编译具有 NVIDIA CUDA 加速的 OpenCV ，则还需要安装 libjasper1 和 libjasper-dev 库。但如果想用 apt 安装它们，则需要进行一些额外设置（原文地址）：
sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt-get update
sudo apt-get install libjasper1 libjasper-dev
此外，若您使用 Python 作为 OpenCV 的开发语言，则需要先安装 NumPy 以用于 OpenCV 的矩阵计算（在 OpenCV-Python 中，不使用 cv::Mat 类型作为矩阵容器，而是使用 numpy.ndarray）。以笔者为例，使用 pip 包管理器安装 1.23.5 版本的 NumPy：
pip install numpy==1.23.5
开始安装
安装使用 CPU 计算的 OpenCV
重要提醒：若您需要 NVIDIA CUDA 加速，请跳过本节。本节与下一节并非顺序关系，请勿在安装使用 CPU 计算的 OpenCV 后再次安装使用 CUDA 加速版的 OpenCV！
首先，将命令行工作目录切换到刚才我们的解压缩的 OpenCV 源代码目录下：
创建编译目录并进入：
mkdir ./build
cd ./build
输入以下的 CMake 命令以进行编译预构建（请勿直接运行！请勿直接运行！请勿直接运行！）：
cmake -D CMAKE_BUILD_TYPE=RELEASE -D OPENCV_GENERATE_PKGCONFIG=YES -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=[your-contrib-path]/modules ..
CMake 参数解读：
- -D CMAKE_BUILD_TYPE=RELEASE：使用 Release 版进行编译
- -D OPENCV_GENERATE_PKGCONFIG=YES：编译时生成 pkg 信息
- -D CMAKE_INSTALL_PREFIX=/usr/local：OpenCV 的安装位置
- -D OPENCV_EXTRA_MODULES_PATH=[your-contrib-path]/modules：OpenCV-Contrib 模块的路径，[your-contrib-path] 为先前的 OpenCV-Contrib 文件夹路径
以笔者为例，上述的 CMake 编译参数为：
cmake -D CMAKE_BUILD_TYPE=RELEASE -D OPENCV_GENERATE_PKGCONFIG=YES -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=/home/owen/opencv_contrib-4.9.0/modules ..
等待命令执行完成，若显示“配置完成”、“生成完成”（当然，是英语），则代表上述的 CMake 编译选项已起作用。
运行以下命令以编译 OpenCV 源代码。请注意：-j 后的数字代表着编译所用的 CPU 线程数，若您清楚自己计算机 CPU 的线程数，可使用具体数字进行调整。
make -j$(nproc)
编译时间很长很长，请耐心等候，不要打断。在编译完成后，使用下面的命令安装 OpenCV 库至系统：
sudo make install
安装完成后，验证安装可输入命令查看 pkg 包信息：
# bash
pkg-config --modversion opencv4
最后，安装匹配OpenCV版本的OpenCV-Python。首先打开终端，更新apt包管理器：
sudo apt-get update
接着，使用 pip 包管理器安装 OpenCV(-Contrib)-Python ，用法如下：
sudo apt-get install python3-pip
# [your-opencv-version] 为您前面安装的 OpenCV 的版本
pip install opencv-python==[your-opencv-version]
pip install opencv-contrib-python==[your-opencv-version]
以笔者的系统为例，具体的命令为：
sudo apt-get install python3-pip
pip install opencv-python==4.9.0.80
pip install opencv-contrib-python==4.9.0.80
等待安装完后，在终端中输入 python 或 python3 ，然后输入以下的 Python 语句以检验安装：
import cv2
print(cv2.__version__) # 4.9.0
安装具有 NVIDIA CUDA 加速的 OpenCV
重要提醒：本节与上一节并非顺序关系，请勿在安装 CPU 版 OpenCV 后再次安装 GPU 版的 OpenCV!
首先，请务必确保当前系统已正确安装 NVIDIA 显卡驱动、CUDA Toolkit 与 cuDNN 模块，这是安装具有 CUDA 加速的 OpenCV 的大前提。若您仍未完成上述的 GPU 配置，请参阅 如何在 Linux 上安装 GPU 驱动 ，本文不予赘述。
在确保显卡驱动、CUDA Toolkit 与 cuDNN 模块后，在终端中将命令行工作目录切换到刚才我们的解压缩的 OpenCV 源代码目录下：
创建编译目录并进入：
mkdir ./build
cd ./build
输入 CMake 命令以进行编译预构建（请勿直接运行！请勿直接运行！请勿直接运行！）：
cmake -D CMAKE_BUILD_TYPE=RELEASE -D OPENCV_GENERATE_PKGCONFIG=YES -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=[your-contrib-path]/modules -D WITH_CUDA=ON -D WITH_CUDNN=ON -D OPENCV_DNN_CUDA=ON -D WITH_CUBLAS=ON -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda -D OpenCL_LIBRARY=/usr/local/cuda/lib64/libOpenCL.so -D OpenCL_INCLUDE_DIR=/usr/local/cuda/include/ -D OPENCV_PYTHON3_VERSION=[your-python-version] -D PYTHON_EXECUTABLE=[your-py-exec-path] -D PYTHON_DEFAULT_EXECUTABLE=[your-default-py-exec] -D PYTHON3_EXECUTABLE=[your-py3-exec-path] -D PYTHON3_INCLUDE_DIR=[your-py3-include-dir] -D PYTHON3_LIBRARY=[your-py3-lib-path] -D PYTHON3_PACKAGES_PATH=[your-py3-pkg-dir] -D PYTHON3_NUMPY_INCLUDE_DIRS=[your-numpy-include-dir] -D BUILD_EXAMPLES=ON ..
CMake参数解读：
- -D CMAKE_BUILD_TYPE=RELEASE：使用 Release 版进行编译
- -D OPENCV_GENERATE_PKGCONFIG=YES：编译时生成 pkg 信息
- -D CMAKE_INSTALL_PREFIX=/usr/local：OpenCV 的安装位置
- -D OPENCV_EXTRA_MODULES_PATH=[your-contrib-path]/modules：OpenCV-Contrib 模块的路径，[your-contrib-path] 为先前的 OpenCV-Contrib 文件夹路径
- -D WITH_CUDA=ON -D WITH_CUDNN=ON -D OPENCV_DNN_CUDA=ON：启用 CUDA 、cnDNN 编译
- -D WITH_CUBLAS=ON：启用 CUDA 的矩阵运算库
- -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda：CUDA ToolKit 的根目录，一般不需要设置
- -D OpenCL_LIBRARY=/usr/local/cuda/lib64/libOpenCL.so：OpenCL 动态库的位置
- -D OpenCL_INCLUDE_DIR=/usr/local/cuda/include/:OpenCL 的头文件目录
- -D OPENCV_PYTHON3_VERSION=[your-python-version]：设置 OpenCV-Python 所用的
Python版本，如 3.8 - -D PYTHON_EXECUTABLE=[your-py-exec-path]：
Python的可执行文件所在位置 - -D PYTHON_DEFAULT_EXECUTABLE=[your-default-py-exec]：
Python默认的可执行文件所在位置，一般同上 - -D PYTHON3_EXECUTABLE=[your-py3-exec-path]：
Python3的可执行文件所在位置，若系统内无多个Python大版本，一般同上 - -D PYTHON3_INCLUDE_DIR=[your-py3-include-dir]：
Python3的头文件目录 - -D PYTHON3_LIBRARY=[your-py3-lib-path]：
Python3的动态链接库文件位置 - -D PYTHON3_PACKAGES_PATH=[your-py3-pkg-dir]：
Python3包文件的目录 - -D PYTHON3_NUMPY_INCLUDE_DIRS=[your-numpy-include-dir]：
Python3存放包文件的目录中，NumPy 包的头文件目录 - -D BUILD_EXAMPLES=ON：生成 OpenCV 示例程序
再次提醒：若您未来使用 Python 作为 OpenCV 的开发语言，请务必仔细核对 Python 版本，以避免 OpenCV-Python 与其它计算机视觉开发组件因为依赖不兼容而不兼容的情况。
比如，Ultralytics 模块中多个依赖模块与组件需要 Python 3.9，但是 Ubuntu 20.04.6 LTS 自带的 Python 版本为 Python 3.8，因此若您想在同一个 Python 项目中同时导入 cv2 与 ultralytics 模块时，就需要考虑因 Python 语言版本不同所导致的兼容性问题了。关于如何系统更改 Python 版本，或使用虚拟环境来切换 Python 版本非本文核心内容，本文不予赘述，请自行查阅相关资料。笔者推荐使用 venv 与 Miniconda 来进行虚拟环境的搭建，并使用 Python 3.9 作为备选 Python 版本。本文演示的是在不考虑使用虚拟环境的情况下，OpenCV 库的编译安装流程。
请注意：所有与 Python 相关的 CMake 编译参数需要自己去寻找具体路径与位置，每个人的系统环境与环境情况不尽相同，请根据实际情况进行调整。以笔者为例，上述的 CMake 编译参数为：
cmake -D CMAKE_BUILD_TYPE=RELEASE -D OPENCV_GENERATE_PKGCONFIG=YES -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=/home/owen/opencv_contrib-4.9.0/modules -D WITH_CUDA=ON -D WITH_CUDNN=ON -D OPENCV_DNN_CUDA=ON -D WITH_CUBLAS=ON -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda -D OpenCL_LIBRARY=/usr/local/cuda/lib64/libOpenCL.so -D OpenCL_INCLUDE_DIR=/usr/local/cuda/include/ -D OPENCV_PYTHON3_VERSION=3.8 -D PYTHON_EXECUTABLE=/usr/bin/python3 -D PYTHON_DEFAULT_EXECUTABLE=/usr/bin/python3 -D PYTHON3_EXECUTABLE=/usr/bin/python3 -D PYTHON3_INCLUDE_DIR=/usr/include/python3.8 -D PYTHON3_LIBRARY=/usr/lib/x86_64-linux-gnu/libpython3.8.so.1.0 -D PYTHON3_PACKAGES_PATH=/usr/lib/python3/dist-packages -D PYTHON3_NUMPY_INCLUDE_DIRS=/home/owen/.local/lib/python3.8/site-packages/numpy/core/include -D BUILD_EXAMPLES=ON ..
等待命令执行完成，若显示“配置完成”、“生成完成”（当然，是英语），则代表上述的 CMake 编译选项已起作用：
运行以下命令以编译 OpenCV 源代码。请注意：-j 后的数字代表着编译所用的 CPU 线程数，若您清楚自己计算机 CPU 的线程数，可使用具体数字进行调整。
make -j$(nproc)
编译时间很长很长，请耐心等候，不要打断。在编译完成后，使用下面的命令安装OpenCV库至系统：
sudo make install
安装完成后，验证安装可输入命令查看以 pkg 信息：
pkg-config --modversion opencv4
由于我们在安装时已配置 OpenCV-Python ，因此无需再使用 pip 包管理器安装 OpenCV-Python 。在终端中，可直接输入 python 或 python3 并执行下面的 Python 代码以检验安装：
import cv2
print(cv2.__version__) # 4.9.0
print(cv2.cuda.getCudaEnableDeviceCount()) # 1
总结
OpenCV 在 Linux 上由于采用源码编译的方式进行安装，加上 OpenCV 支持使用 CUDA 加速，因此安装过程非常繁琐，且容易出错。本文所介绍的安装方法已经过多台设备的多个系统的验证，并已投入到实际的开发、生产环境中。若各位还有其它关于 OpenCV（在Linux上）安装的技巧与知识，欢迎在下方评论区留言、分享。