opencv

Komma igång med OpenCV i Ubuntu 20.40

Komma igång med OpenCV i Ubuntu 20.40
Open Source Computer Vision Library, eller OpenCV, är ett program för maskininlärning med öppen källkodsprogrammeringsverktyg som används för realtidsberäkning. Den består av över 2500 väloptimerade algoritmer som används för att upptäcka och känna igen ansikten, för 3D-modellering och för överlappande foton för att skapa kartor och höjder, utföra fotometrisk analys, spårning av objektbana, spårning av rörelse och detektering av gester och rörelser. I kombination med andra verktyg kan OpenCV till och med bedöma ämnets avsikter i ett fotografi.

Med ett så brett spektrum av funktioner har OpenCV funnit sina användningar genom åren inom ansiktsigenkänningsteknik, medicinsk bild, övervakningsvideo och till och med i kommersiella tjänster, såsom VFX och rörelsespårning i filmindustrin.

Den här artikeln innehåller en handledning som visar hur du installerar OpenCV 4 på din Ubuntu 20.40-systemet och hur du får ut det mesta av detta bibliotek genom att installera de mest rekommenderade paketen.

Vi börjar med att installera OpenCV-beroenden innan vi installerar OpenCV.

Steg 1: Uppdatera ditt system

Öppna först terminalen och skriv in följande för att uppdatera ditt system:

$ sudo apt uppdatering && uppgradering

Steg 2: Ladda ner ytterligare bibliotek

Därefter begär och installera utvecklarverktyg och visuella I / O-bibliotek för att visa och redigera bild- och videofiler. Använd följande kommandon för att göra det:

$ sudo apt install build-essential cmake packa upp pkg-config

$ sudo apt installera libjpeg-dev libpng-dev libtiff-dev

$ sudo apt installera libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

$ sudo apt installera libxvidcore-dev libx264-dev

För att ytterligare förbättra OpenCV, installera paketen nedan:

$ sudo apt installera libatlas-base-dev gfortran

Steg 3: Ladda ner Gnome ToolKit

Gnome Toolkit (GTK) är en gratis och öppen källkod-widgetverktygssats som kan användas för att skapa GUI. Skriv kommandot nedan för att ladda ner Gnome Toolkit:

$ sudo apt installera libgtk-3-dev

Steg 4: Installera Python 3-utvecklingshuvuden

Använd följande koder för att installera Python 3-utvecklingshuvuden:

$ sudo apt-get install python3-dev

Obs! Om du inte redan kunde berätta, utför vi installationen med Python 3-bindningar.

Med beroenden installerade kan vi nu gå vidare till nedladdning av OpenCV.

Steg 5: Ladda ner OpenCV

Nedladdning av OpenCV är ganska enkelt. Gå bara till din hemmapp och ladda ner OpenCV och opencv_contrib, som kommer med några mods som lägger till OpenCVs funktionalitet. För att göra det, ange följande:

$ cd ~
$ wget -O opencv.zip https: // github.com / opencv / opencv / archive / 4.0.0.blixtlås

$ wget -O opencv_contrib.zip https: // github.com / opencv / opencv_contrib / arkiv / 4.0.0.blixtlås

Därefter extraherar du arkiven med kommandona nedan:

$ unzip opencv.blixtlås

$ unzip opencv_contrib.blixtlås

Detta steg är valfritt. Du kan välja att byta namn på katalogerna genom att ange kommandona nedan:

$ mv opencv-4.0.0 opencv

$ mv opencv_contrib-4.0.0 opencv_contrib

Steg 6: Optimera Python 3 VE för OpenCV

I det här steget installerar vi pip. Ange följande kommandon för att göra det:

$ wget https: // bootstrap.pypa.io / get-pip.py

$ sudo python3 get-pip.py

Steg 7: Vänja dig vid VE för Python-utveckling

Med en virtuell miljö kan du arbeta med två parallella beroenden av programvaruversion.

Här kommer vi att använda virtualenv- och virtualenvwrapper-paketen för att navigera i de virtuella Python-miljöerna.

För att installera virtualenv- och virtualenvwrapper-paketen och skapa python-VE med dem, ange följande:

$ sudo pip installera virtualenv virtualenvwrapper

$ sudo rm -rf ~ / get-pip.py ~ /.cache / pip

Ange följande kod för att lägga till din ~ /.bashrc-fil:

$ echo -e "\ n # virtualenv och virtualenvwrapper" >> ~ /.bashrc

$ echo "export WORKON_HOME = $ HOME /.virtualenvs ">> ~ /.bashrc

$ echo "export VIRTUALENVWRAPPER_PYTHON = / usr / bin / python3" >> ~ /.bashrc

$ echo "source / usr / local / bin / virtualenvwrapper.sh ">> ~ /.bashrc

Käll nu ~ /.bashrc-fil med följande:

$ källa ~ /.bashrc

Steg 8: Skapa en virtuell miljö

Nu kan vi gå vidare till att skapa en OpenCV 4 + Python 3 virtuell miljö. Ange följande kod för att skapa en virtuell miljö för Python 3.

$ mkvirtualenv cv -p python3

Som du kan se namngav vi vår VE 'cv;' Du kan ge valfritt namn till din VE, även om det är att föredra att hålla dem korta och relevanta.

Vi har skapat py3cv4 VE för användning med Python 3 + OpenCV 4. För att se vilken VE du befinner dig i anger du följande kommando:

$ workon cv

Steg 9: Installera NumPy

NumPy är ett Python-bibliotekspaket som lägger till det genom att installera matematiska funktioner på hög nivå och stödja flerdimensionella matriser och matriser. Det kommer sannolikt att vara till nytta när du använder OpenCV, så vi rekommenderar att du installerar det. Utfärda följande kommando för att göra det:

$ pip install numpy

Steg 10: Länka OpenCV 4 med den virtuella miljön

Slå upp Python-versionen som är installerad på ditt system genom att ange följande:

$ workon cv

$ python -version

Nu när du känner till Python-versionen som du använder kan du omarbeta katalogen för webbplatspaket.

Steg 11: Verifiera installationen

Du kan kontrollera att OpenCV är korrekt installerat och fungerar utan problem genom att ange följande kommando:

$ workon cv

$ python

Detta aktiverar den virtuella miljön och kör Python-tolk som är kopplad till den VE du just aktiverat.

Slutsats

Och det handlar om att packa upp det. Den här artikeln gav en genomgång för att hjälpa dig att få OpenCV igång på ditt Ubuntu-system. Vi tittade på olika beroenden som lägger till mer funktionalitet i OpenCV och visade dig hur du installerar dessa beroenden. Vi skapade också en virtuell miljö för Python 3 och länkade den till vår OpenCV-installation. Efter att ha följt stegen i den här artikeln borde du ha installerat OpenCV på din Ubuntu 20.24-server.

Användbara verktyg för Linux-spelare
Om du gillar att spela spel på Linux är chansen att du kan ha använt appar och verktyg som Wine, Lutris och OBS Studio för att förbättra spelupplevels...
HD Remastered Games för Linux som aldrig tidigare hade en Linux-version
Många spelutvecklare och utgivare kommer med HD-remaster av gamla spel för att förlänga livstiden för franchisen, snälla fans som begär kompatibilitet...
Hur man använder AutoKey för att automatisera Linux-spel
AutoKey är ett verktyg för desktopautomatisering för Linux och X11, programmerat i Python 3, GTK och Qt. Med hjälp av dess skript och MACRO-funktional...