本文共 6481 字，大约阅读时间需要 21 分钟。

本文采用的是pip安装opencv4的whl文件的方式。安装文件可以直接从piwheel网站下载。文中给出了具体地址，随时可以获取最新的whl文件，按照下文步骤一步步安装即可，避免了学习树莓派和opencv初期因为对操作环境的不熟悉而无法正常cmake安装opencv的问题。可以直接进入对opencv本身的学习。待操作环境等熟悉后再学习cmake方式安装也不迟。

sudo apt update提示暂时不能解析域名“mirrors.tuna.tsinghua.edu.cn”

在正式进行安装件前最好先对系统和安装的软件update和upgrade。

但是在update和upgrade的时候发现了问题。之前中换源所用的地址发生了变化。增加了一个non-free。所以执行sudo apt update的时候提示**==暂时不能解析域名“mirrors.tuna.tsinghua.edu.cn” ==** 。按照清华镜像官网给出的地址进行更新。

# 编辑 `/etc/apt/sources.list` 文件，删除原文件所有内容，用以下内容取代：deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib rpideb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib rpi# 编辑 `/etc/apt/sources.list.d/raspi.list` 文件，删除原文件所有内容，用以下内容取代：deb http://mirrors.tuna.tsinghua.edu.cn/raspberrypi/ buster main ui

完成后update和upgrade成功。（因为我上次用这块板子已经过去有半年了，所以这个部分用的时间有点长，十几分钟的样子）

安装必要的依赖包

关于依赖的部分参考的这个帖子

• $ sudo apt-get install build-essential cmake pkg-config

• $ sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng-dev

  图片I/O包，方便加载JPEG,PNG,TIFF格式的图片

• $ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

• $ sudo apt-get install libxvidcore-dev libx264-dev

  videoI/O包，可以帮助我们从磁盘读取各种vedio，甚至是视频流的读取。

• $ sudo apt-get install libfontconfig1-dev libcairo2-dev

• $ sudo apt-get install libgdk-pixbuf2.0-dev libpango1.0-dev

• $ sudo apt-get install libgtk2.0-dev libgtk-3-dev

  OpenCV库里设计了名为highgui的一个子模块，这个模块实现了图片在屏幕上的显示以及构建基本的GUIs。所以我们需要安装GTK相关的依赖。

• $ sudo apt-get install python3-h5py

  这个库是上面提到的参考文献中没有提及的。是我自己在安装过程中调用cv2时报错发现的。所以不用担心，即使在这一步你不确定是否安装了完整的依赖。运行时发现缺少什么就单独在安装什么也是可以的。安装的方法也很简单。如果缺少响应的依赖，在运行的时候会报错和提示。
  
  将红框内的报错信息复制粘贴到浏览器中进行搜索。因为信息非常具体，匹配的内容也会特别贴切。很幸运打开一篇帖子就找到了解决办法。所有的报错都可以用这种方法进行解决。只是有时候不想这次这么幸运，需要多查找几个相关的帖子综合得到结论。
  
  

用whl文件的方式安装opencv4

下载opencv最新的whl文件

如果直接在终端输入下面的语句回车进行安装时，会发现速度特别慢。

$ sudo pip3 install opencv-contrib-python==4.4.0.46

没有关系，我们可以直接打开上图所示的这个网址，在里面直接下载最新的whl文件。这个网站是所有可以使用的opencv的whl文件。虽然比直接make的版本稍低些，但是作为应用开发为目的的入门使用还是ok的。

将whl文件用filezilla传送到树莓派

打开filezilla，输入树莓派的ip地址，用户名为“pi”，密码“***”(此处输入你的树莓派pi用户的密码，初始密码一般为raspberry）。我的whl文件是放在左面的。所以在左侧定位到whl文件直接用鼠标拖拽到右侧pi用户下就开始进行传输了。（接下来的步骤为基本操作已经在中详细介绍过了，如果不清楚可以跳到那篇帖子看哈）

pip3安装whl文件

打开树莓派的终端。先输入pwd命令，确认当前的文件夹是不是pi。然后输入ls命令显示本文夹中所有的文件。确认刚刚传送的whl文件确实存在。输入：

sudo pip3 install  open

代码不用输完整，输入到上面显示的这样直接按键盘上“Tab”键就自动补全了，然后回车开始安装whl文件。

输入“python3”进入python编译环境，输入“import cv2 as cv”回车。没有报错。再次输入“print（cv.version)”回车。显示出安装的版本。

opecv色块识别测试结果

摄像头采用就是网上最便宜的USB免驱摄像头。

openCV4红色识别，代码来自csdn ReCclay博主 ，可以直接去他的博客下载到源代码。

小车整体联调

至此，基本功能已经调试完毕，下面给出一段整体联调代码。该段代码实现了通过追踪红色色块实现玩具车转向前进和后退。那么接下来你想用这个小车来帮助你怎样更好的玩转opencv捏？

#coding:utf-8from collections import  dequeimport numpy as npimport timefrom adafruit_servokit import ServoKit#import imutilsimport cv2import RPi.GPIO as GPIOfrom time import sleepin1 = 24in2 = 23en = 25GPIO.setmode(GPIO.BCM)GPIO.setup(in1,GPIO.OUT)GPIO.setup(in2,GPIO.OUT)GPIO.setup(en,GPIO.OUT)GPIO.output(in1,GPIO.LOW)GPIO.output(in2,GPIO.LOW)p=GPIO.PWM(en,1000)p.start(25)kit = ServoKit(channels=16)preRadius=0#设定红色阈值，HSV空间redLower = np.array([170, 100, 100])redUpper = np.array([179, 255, 255])#初始化追踪点的列表mybuffer = 16pts = deque(maxlen=mybuffer)counter = 0#打开摄像头camera = cv2.VideoCapture(0)#等待两秒time.sleep(3)#遍历每一帧，检测红色识别物体while True:    #读取帧    (ret, frame) = camera.read()    #判断是否成功打开摄像头    if not ret:        print ('No Camera')        break    #frame = imutils.resize(frame, width=600)    #转到HSV空间    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)    #根据阈值构建掩膜    mask = cv2.inRange(hsv, redLower, redUpper)    #腐蚀操作    mask = cv2.erode(mask, None, iterations=2)    #膨胀操作，其实先腐蚀再膨胀的效果是开运算，去除噪点    mask = cv2.dilate(mask, None, iterations=2)    cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]    #初始化识别物体圆形轮廓质心    center = None    #如果存在轮廓    if len(cnts) > 0:        #找到面积最大的轮廓        c = max(cnts, key = cv2.contourArea)        #确定面积最大的轮廓的外接圆        ((x, y), radius) = cv2.minEnclosingCircle(c)        #计算轮廓的矩        M = cv2.moments(c)        #计算质心        center = (int(M["m10"]/M["m00"]), int(M["m01"]/M["m00"]))        #只有当半径大于10时，才执行画图 此处用圆半径的大小作为判断小车前进和后退的依据        if radius > 10:            cv2.circle(frame, (int(x),  int(y)), int(radius), (0, 255, 255), 2)            cv2.circle(frame, center, 5, (0, 0, 255), -1)            #motor control            print("preRadius")            print(preRadius)            print("radius")            print(radius)            if preRadius > radius:                    print("QJ")                    GPIO.output(in1,GPIO.HIGH)                     GPIO.output(in2,GPIO.LOW)            else:                    print("HT")                    GPIO.output(in1,GPIO.LOW)                    GPIO.output(in2,GPIO.HIGH)            preRadius = radius            #把质心添加到pts中，并且是添加到列表左侧            pts.appendleft(center)    else:#如果图像中没有检测到识别物体，则清空pts，图像上不显示轨迹。        pts.clear()    for i in range(1, len(pts)):        if pts[i - 1] is None or pts[i] is None:            continue        #计算所画小线段的粗细        thickness = int(np.sqrt(mybuffer / float(i + 1)) * 2.5)        #画出小线段        cv2.line(frame, pts[i - 1], pts[i], (0, 0, 255), thickness)        #判断移动方向并控制舵机转动        if counter >= 10 and i == 1 and len(pts) >= 10:            dX = pts[-10][0] - pts[i][0]            dY = pts[-10][1] - pts[i][1]            (dirX, dirY) = ("", "")            if np.abs(dX) > 20:                dirX = "Left" kit.servo[0].angle = 60                time.sleep(1)                kit.servo[0].angle = 0 if np.sign(dX) == 1 else "Right" kit.servo[0].angle = 0                time.sleep(1)                kit.servo[0].angle = 60#此处仅简单测试了转动的功能，效果还待加入KID        if np.abs(dY) > 20:            dirY = "Down" if np.sign(dY) == 1 else "Up"            if dirX != "" and dirY != "":                direction = "{}-{}".format(dirY, dirX)            else:                direction = dirX if dirX != "" else dirY            cv2.putText(frame, direction, (20, 50), cv2.FONT_HERSHEY_SIMPLEX, 2,                         (0, 255, 0), 3)            cv2.putText(frame, "dx: {}, dy: {}".format(dX, dY), (10, frame.shape[0] - 10),                         cv2.FONT_HERSHEY_SIMPLEX, 0.35, (0, 0, 255), 1)    #键盘检测，检测到esc键退出    k = cv2.waitKey(1)&0xFF    counter += 1    if k == 27:        break#摄像头释放camera.release()#销毁所有窗口cv2.destroyAllWindows()

画外音之===官网教程的失败安装

• 选择最新版本
  
• 按照提示进行安装

$ sudo apt-get install python-opencv

输入Y按回车继续安装 安装好后发现版本特别低完全不是最新的。再次仔细阅读官网的安装说明才发现下面还有一小段话。 官网太可爱了吧。。。说了一堆，还说“it is quite easy”。。非常简单但是话锋一转告诉你安装的版本极低。。。嘿嘿嘿。

转载地址：https://blog.csdn.net/happyjoey217/article/details/112531728 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！