在Linux系统中搭建图像处理和计算机视觉开发环境，需要逐步完成基础依赖、开发工具、核心库的配置，确保后续开发过程中不会因环境问题出现功能异常。整个过程需要结合系统版本和开发需求选择合适的安装方式。
一、基础系统依赖安装
首先更新系统软件源，然后安装图像处理和视觉开发所需的基础依赖库，这些依赖是后续编译安装核心库的前提条件。
# 更新软件源 sudo apt update # 安装基础依赖 sudo apt install -y build-essential cmake git pkg-config # 安装图像格式支持依赖 sudo apt install -y libjpeg-dev libtiff5-dev libpng-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev # 安装GTK图形界面依赖 sudo apt install -y libgtk-3-dev # 安装数学运算优化依赖 sudo apt install -y libatlas-base-dev gfortran
二、Python开发环境配置
计算机视觉开发常使用Python语言，需要先配置好Python环境以及常用的包管理工具。
1. 安装Python及pip
大多数Linux发行版默认自带Python3，若未安装可通过以下命令安装：
# 安装Python3及开发头文件 sudo apt install -y python3 python3-dev python3-pip # 升级pip到最新版本 python3 -m pip install --upgrade pip
2. 安装Python常用科学计算库
图像处理和计算机视觉开发需要用到numpy、matplotlib等基础库，可通过pip直接安装：
pip install numpy matplotlib scipy
三、OpenCV编译安装
OpenCV是计算机视觉开发的核心库，推荐从源码编译安装以获得完整功能支持。
1. 下载OpenCV源码
从OpenCV官方仓库下载源码包，这里选择稳定版本：
# 下载OpenCV源码 git clone https://github.com/opencv/opencv.git # 进入源码目录 cd opencv # 切换到稳定版本分支 git checkout 4.8.0
2. 编译安装OpenCV
创建编译目录并执行编译安装流程：
# 创建编译目录
mkdir build && cd build
# 执行cmake配置
cmake -D CMAKE_BUILD_TYPE=Release
-D CMAKE_INSTALL_PREFIX=/usr/local
-D INSTALL_PYTHON_EXAMPLES=ON
-D INSTALL_C_EXAMPLES=OFF
-D OPENCV_ENABLE_NONFREE=ON
-D PYTHON_EXECUTABLE=$(which python3) ..
# 执行编译，根据CPU核心数调整-j参数
make -j4
# 安装到系统
sudo make install
# 更新动态链接库
sudo ldconfig
3. 验证OpenCV安装
安装完成后可通过Python验证OpenCV是否正常加载：
import cv2
# 打印OpenCV版本
print(cv2.__version__)
# 读取一张测试图片并查看尺寸
img = cv2.imread("test.jpg")
if img is not None:
print("图片尺寸:", img.shape)
else:
print("图片读取失败")
四、其他常用工具配置
除了OpenCV之外，还可以根据需求安装其他常用的图像处理工具库。
- PIL/Pillow：Python常用的图像处理库，支持多种图像格式操作，安装命令：
pip install pillow - Scikit-image：基于scipy的图像处理算法库，安装命令：
pip install scikit-image - FFmpeg：视频处理工具，安装命令：
sudo apt install -y ffmpeg
五、常见问题解决
问题1：编译OpenCV时出现依赖缺失错误
解决方法：根据错误提示安装对应的缺失依赖库，重新执行cmake配置步骤。
问题2：Python导入cv2时提示模块不存在
解决方法：检查OpenCV编译时是否正确配置了Python路径，执行sudo ldconfig更新动态链接库后重试。
问题3：读取图片时返回None
解决方法：检查图片路径是否正确，同时确认系统已安装对应图片格式的依赖库，如libjpeg-dev等。
六、环境测试示例
以下是一个简单的图像灰度化处理示例，验证整个开发环境是否正常工作：
import cv2
import matplotlib.pyplot as plt
# 读取彩色图片
img = cv2.imread("test.jpg")
# 将BGR格式转换为RGB格式
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 转换为灰度图
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 显示原图和灰度图
plt.subplot(1, 2, 1)
plt.imshow(img_rgb)
plt.title("原图")
plt.axis("off")
plt.subplot(1, 2, 2)
plt.imshow(gray_img, cmap="gray")
plt.title("灰度图")
plt.axis("off")
plt.show()