用树莓派4b构建深度学习应用(三)OpenCV篇

前言

上回我们把大部分系统相关的软件都安装好了,这一篇主要介绍一下最新版的 OpenCV 4.4 在树莓派上的编译,安装与使用。

opencv

OpenCV 4.4 新特性

让我们先看一下 OpenCV 4.4 的新特性:

  • 支持 YOLO v4
  • SIFT 专利到期,移入到了主存储库;
  • ONNX:添加对 Resnet_backbone (Torchvision)的支持;
  • 支持 EfficientDet 模型;
  • 基于C++和python的文本识别样例
  • FlowNet2 光流;
  • 增加了对 OpenVINO 2020.3 LTS / 2020.4 版本的支持;

上面哪一条都值得咽一下口水,可惜树莓派上还没有直接可安装的包,我们只能从源码编译一个版本出来。

opencv01

OpenCV 安装编译基础库

首先安装一些编译需要的依赖库:

sudo apt-get -y install build-essential cmake unzip pkg-config
sudo apt-get -y install libjpeg-dev libpng-dev libtiff-dev
sudo apt-get -y install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get -y install libxvidcore-dev libx264-dev
sudo apt-get -y install libgtk-3-dev
sudo apt-get -y install libcanberra-gtk*
sudo apt-get -y install libatlas-base-dev gfortran

Tip:

需要安装的依赖包比较多,下载老是断线的话,可以挂VPN加速。

安装 Python 虚拟环境

树莓派的官方镜像里自带了 python 2.7.16 和 python 3.7.3 两个版本,为了隔离各个环境的包冲突,明确所需的 python 版本。我们先安装一个虚拟环境管理包,这特别对于后续 Tensorflow 和 Pytorch 的环境依赖也会有很好的支持。

sudo pip3 install -U virtualenv
virtualenv -p python3 ~/my_envs/opencv
source ~/my_envs/opencv/bin/activate
# 安装 numpy
pip3 install numpy

Tip:

在编译 OpenCV 之前,务必保证已经安装 numpy 包,不然编译出的不支持 numpy 操作。

编译安装 FFmpeg

FFmpeg 是一个音视频处理最常用的开源开发包,它功能强大,用途广泛,大量用于视频网站和商业软件,也是许多音频和视频格式的标准编码/解码实现。

sudo apt-get install yasm
sudo apt-get install libsdl2-dev -y

选择 ffmpeg 4.3.1 的版本编译安装:

wget http://ffmpeg.org/releases/ffmpeg-4.3.1.tar.gz
tar -xvf ffmpeg-4.3.1.tar.gz
cd ffmpeg-4.3.1
./configure --arch=armel --target-os=linux --enable-gpl --enable-libx264 --enable-nonfree
make
sudo make install

再完成一下ldconfig的配置

# 如果权限不足,申请一下 root 权限( sudo su )
echo "/usr/local/lib" >> /etc/ld.so.conf  
ldconfig

最后在命令行中输入ffmpeg,查看是否有输出,有输出则为成功

ffmpeg -version

ffmpeg

Tip:

这里有个巨坑,一定要在编译 OpenCV 之前先安装 FFmpeg,并在编译参数里指定 WITH_FFMPEG=ON,这样编译出的 OpenCV 才能使用 ffmpeg 解码视频流。

我第一次先编译了 OpenCV,待到用到视频解码时才发现问题,只能卸载了重新又编译了一次... 每次 3 个小时

编译安装 OpenCV 4.4.0

先从 https://github.com/opencv 下载两个源码包,并用上一篇介绍的 WinSCP 上传到树莓派的 Downloads 目录下:

opencv-4.4.0.zip
opencv_contrib-4.4.0.zip

解压文件

cd ~/Downloads/
unzip opencv-4.4.0.zip
unzip opencv_contrib-4.4.0.zip

修改目录名

mv opencv-4.4.0 opencv
mv opencv_contrib-4.4.0 opencv_contrib

进入opencv目录,创建 build 文件夹,指定编译参数,

其中 OPENCV_EXTRA_MODULES_PATH 指向 contrib 源码处,

WITH_FFMPEG=ON 开启FFmpeg 的支持。

cd opencv
mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D OPENCV_EXTRA_MODULES_PATH=~/Downloads/opencv_contrib/modules \
      -D ENABLE_NEON=ON \
      -D ENABLE_VFPV3=ON \
      -D BUILD_TESTS=OFF \
      -D OPENCV_ENABLE_NONFREE=ON \
      -D INSTALL_PYTHON_EXAMPLES=OFF \
      -D CMAKE_SHARED_LINKER_FLAGS='-latomic' \
      -D WITH_FFMPEG=ON \
      -D BUILD_EXAMPLES=OFF ..
      
make -j4

耐心等待两个小时,注意散热,若输出如下内容,表示成功:

opencv02

安装编译好的 OpenCV:

sudo make install
sudo ldconfig

当上述编译成功后,会在 CMAKE_INSTALL_PREFIX=/usr/local 路径下,

lib/python3.7/site-packages/cv2/python3.7 中生成 cv2.cpython-37m-arm-linux-gnueabihf.so 文件。必须要有这个文件才算编译成功,然后需要在虚拟环境的 lib/python3.7/site-packages 链接上这个文件:

opencv03

在虚拟环境下测试一下,检测是否成功:

$ python
>>> import cv2
>>> cv2.__version__
'4.4.0'

opencv04

完美!

Tip:

如果直接在系统 Python3.7 下安装的 OpenCV,则可以省去建立软链接的步骤。

最后配置一下 opencv.pc 文件

cd /usr/local/lib
sudo mkdir pkgconfig 
cd pkgconfig
sudo nano opencv.pc

然后在opencv.pc中添加以下信息,注意这些信息需要与自己安装opencv时的库路径对应:

prefix=/usr/local
exec_prefix=${prefix}
includedir=${prefix}/include
libdir=${exec_prefix}/lib
​
Name: opencv
Description: The opencv library
Version:4.4.0
Cflags: -I${includedir}/opencv4
Libs: -L${libdir} -lopencv_shape -lopencv_stitching -lopencv_objdetect -lopencv_superres -lopencv_videostab -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_videoio -lopencv_imgcodecs -lopencv_video -lopencv_photo -lopencv_ml -lopencv_imgproc -lopencv_flann  -lopencv_core
~

保存退出,然后将文件导入到环境变量:

export  PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

至此就配置好 opencv.pc 啦~

再执行 pkg-config --cflags --libs opencv 时输出结果如下:

opencv05


下一篇预告

我们将编译 PyTorch 1.6 和 PyTorch 1.7,
并在上面跑一下 yolo v5,
敬请期待...

欢迎扫码关注,更多分享


你可能感兴趣的:(人工智能,raspberry-pi,opencv,深度学习,神经网络)