非常贴心的Anaconda3 + Pycharm2020+ OpenCV 下载安装及环境搭建教程

目标

对于刚接触机器视觉、图像处理领域的初学者，如果使用python语言调用OpenCV开源视觉库进行图像处理操作，那么第一步就需要成功搭建一个Opencv基于Python的图像处理环境，通过本篇文章，您可以学到以下内容：

• 成功搭建Anaconda3+Pycharm2020+OpenCV环境——触类旁通
• Python包的安装——举一反三
• 图像处理入门——读取、显示、写入操作

前言

小编也是机器视觉、图像处理方向的一名学习者，为了能跟大家一起学习交流，共同进步，2020.12.3开始在CSDN上写博文，前期主要更新的是有关OpenCV基于Python图像处理算法的文章，每周尽量做到有内容更新（包含但不仅限于图像处理邻域），一是可以做到复习巩固，二是可以给初学者提供学习参考与交流，小编更新的每篇博文里面的代码都是能跑得通的，但有些小伙伴由于opencv的环境没有搭建好，运行图像处理算法专栏文章的代码不能得到自己想要的结果，为此，为了能让有需求的学习者有更好的学习体验，小编觉得有必要写一篇有关Anaconda3 + Pycharm2020+ OpenCV(小编正在使用版本) 下载安装及环境搭建的文章，这样就可以和大家做到及时的沟通交流，让我们一起发现问题到解决问题，集思广益，学会分享，让学习更有效率，加油！

由于小编时间仓促，水平有限，文章难免会有错误或不妥之处，望大家及时提出批评与指正，谢谢大家！

1. 下载Anaconda和Pycharm

1.1 下载Anaconda

Anaconda有两种下载方式，一是在Anaconda官网下载，但此种下载方式对网速要求很高，下载速度如龟速一般，如果你的网速状态欠佳，小编不推荐此种下载方式。小编记得当初自己是在清华大学镜像开源软件网站上下载的，推荐去清华开源软件网站下载，注意选择合适的版本下载。小编目前使用的的是以下版本，大家可以结合自身需求下载对应的版本即可。

1.1.1 安装Anaconda

双击下载好的Anaconda文件。

双击运行后，出现以下欢迎界面，直接点击“Next”。

点击“Next”后，出现以下许可协议界面，点击“I Agree”。

点击“I Agree”后，出现以下安装类型界面，默认Just Me（recommended）这一项，然后点击“Next”。

点击“Next”后，出现以下安装位置选择界面，在安装路径位置新建一个文件夹，小编新建的Anaconda3文件夹

确定好安装路径后，点击“Next”，出现以下选项界面，点击“install”选择默认安装即可，后面再添加路径。

安装完成后，出现以下界面。

1.1.2 给Anaconda3添加环境路径配置

上面的安装过程中，没有将Anaconda添加到系统环境变量，这有可能给后续使用带来诸多不便，现将其添加到环境变量中，步骤如下：

右键“此电脑” ->单击“属性” ->单击“高级系统设置” -> “环境变量” ->在系统变量中找到“path”，单击它，然后添加以下三条命令

E:\Anaconda3
E:\Anaconda3\Scripts
E:\Anaconda3\Library\bin

在Windows 10 下用Win + R 调出运行，输入cmd，启动命令提示符

输入python，显示以下信息，说明是配置成功了，下面出现的Warning警告暂且不用管，不影响后续的使用，在">>>"的命令提示符的地方输入exit()就可以退出来。

至此，Anaconda3安装结束了。

1.2 下载Pycharm

Pycharm在jetbrains官网上下载，可以下载Community版，如果有账号的话可以下载Professional版，没有账号可以申请或者使用破解版，能不使用破解版最好，支持正版开发。小编目前使用的的是以下版本，大家可以结合自身需求下载对应的版本即可。

1.2.1 安装Pycharm

双击下载好的pycharm执行文件

出现以下界面

点击“Next”，选择安装位置，由于小编已经安装过，pycharm的安装过程比较简单，下面的过程图作为参考，安装过程都是一样的。

安装选择。

然后就直接直接安装就好了。

安装结束之后，直接启动。

1.2.2 配置Pycharm环境

不导入原来的配置环境

同意协议

数据分享可以选择不同意。

选择界面主题

加载某些插件

新建项目界面

选择项目所在位置

接下来配置编译环境比较重要，我们配置Anaconda作为Pycharm的编译环境，给编译环境中添加解释器有多种选择方式，小编推荐以下两种方式：

方式一：在“file” ->setting -> project:(你的项目名) -> project interpreter -> “add” ->Conda Environment
方式二：也可以在“file” ->setting -> project:(你的项目名) -> project interpreter -> “add” ->System Interpreter

注意： 两种添加方式任选其一即可，不论选择何种方式最好选择Anaconda自带的解释器

添加完解释器后，点击“ok”
方式一：

方式二：

导入成功之后界面如下，有些包是小编后期根据需要添加的

在编辑界面添加编译器，步骤如下：

点击右上方的"add configuration" -> " +" -> “python” ，有时候你点"add configuration"它会没反应，可能是pycharm在更新，等一会儿就好了。

选择你要编译的文件

这时你会发现右上角原来灰色的图标会得有颜色了，说明全部配置好了。

至此，Pycharm的安装及配置结束了。

2. 安装OpenCV包

opencv安装有两种方式，一是在线下载安装，二是提前下载好安装包文件离线安装。

2.1 在线下载安装

如果你的网络条件下载速度能达到1M/s以上，并且会使用小编写的简单好用的conda、pip国内镜像源这篇文章的镜像源操作，推荐采用此种安装方式，此时安装比较简便快捷，否则，请务必采取离线安装方式。在线下载安装具体有以下两种实现方式。

2.1.1 在Anaconda Prompt或CMD中在线安装

第一种在线安装方式是在Anaconda Prompt或cmd中进行安装，cmd命令窗口中安装过程与在Anaconda Prompt命令窗口中一样，这里以在Anaconda Prompt命令窗口中安装为例，具体操作如下：

点击Anaconda Prompt，进入命令窗口

注意是在base主环境下(如果在你今后的学习过程中，创建有其他虚拟环境，那么在你创建的虚拟环境中需要安装相关库，仅需激活你创建的虚拟环境，库安装过程同主环境一致)。

在这里要强调一点，一般我们会采用pip工具在线下载安装包的方法，如果你的电脑下载得有其他的Python软件编译器，比如IDLE编译器，那么你的pip工具所在路径有多个，使用用错误的话，你所安装的包有可能不在你正在使用的环境里面，要想解决此问题，你应该在使用pip工具之前首先使用以下命令查看自己电脑上的pip工具在哪些位置。

where pip

小编的电脑里面还装有一个IDLE编译器，所以有两个pip.exe路径，真正属于pycharm编译器环境的是第一个路径

默认情况下的pip在线下载安装包会安装到第一个所在路径的环境下(路径位置从上至下优先选择)，对初学者而言，避免产生安装位置错误，不妨回到自己正在使用的环境路径中进行安装，采用如下命令：

cd/d + 自己pip所在路径

接下来就可以安装opencv包了，小编安装的是opencv 3.4.2.16版本，因为小编自己需要用到SIFT与SURF算法特征点检测，这是支持xfeatures2d.SURF_create的最高版本，后面的版本受到专利保护就不支持了。你也可以下载其他的版本，使用pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple 命令，该命令会自动根据你的Python版本安装对应的opencv包，如果清华镜像https://pypi.tuna.tsinghua.edu.cn/simple里面没有找到匹配的安装包，可以换其他的镜像命令，如阿里云，豆瓣等，详见简单好用的conda、pip国内镜像源这篇文章。

小编的opencv包已经安装过，为了给大家演示清楚，我把包给卸载了重新装了一遍，进一步说明了此种在线安装与卸载方式的方便快捷性

可顺带着把opencv-python==3.4.2.16一并给安装了

安装完成后，可进行导入opencv库测试是否安装成功，同样打开Anaconda Prompt或者按Win+R 输入cmd进入命令提示符窗口，输入“python”回车，测试一下，输入import cv2回车，不报错就说明安装配置成功了

2.1.2 在Pycharm当前使用环境中在线安装

第二种在线安装方式是在pycharm当前使用环境中进行安装，除了不用考虑pip工具所在路径外，其他操作类似第一种在线安装方式

此种安装方式不用管pip工具所在路径，编辑器默认使用Anaconda中的pip工具，只不过对网速要求较高，对Pycharm编译器使用熟悉后，网速较好的情况下，可以临时使用此种方法，在编写程序过程中临时缺少某个包可以采用此种方式，比较方便。

2.2 下载对应安装包文件离线安装

opencv下载地址，进入网页后找到opencv包所在位置，如下图所示。

本次配置运行环境为win10,64位操作系统，python解释器是3.7.3版本，对应着选择opencv版本为opencv_python-4.4.0-cp37-cp37m-win_amd64.whl文件，下载好之后把文件复制到Anaconda3\Lib\site-packages文件夹下 ，这个版本是将opencv不稳定的一些功能去除，只保留稳定的部分，如果需要全部的功能，就安装带contrib这个版本的，暂且没有找到contrib版本的，但没有关系，我们下载的这个版本也是能够使用的。

根据自己安装的Python版本，Python3.7对应cp37，Python3.6对应cp36，有时候opencv的下载地址可能找不到自己想要的版本，这就需要通过其他方式找到对应的离线安装包，比如在GitHub或者CSDN里面搜索下载。

如果有跟小编一样想要指定版本opencv包的需求，在满足上述在线下载安装条件的前提下，可以采用第一种在线下载安装的方式，使用以下命令：

pip install + 包名==版本号 -i https://pypi.tuna.tsinghua.edu.cn/simple
如:pip install opencv-contrib-python==3.4.2.16 -i https://pypi.tuna.tsinghua.edu.cn/simple

在Anaconda Prompt或CMD命令窗口中执行安装，在安装之前，进入到Anaconda3\Lib\site-packages文件夹下，执行以下命令防止缺少对应插件而导致安装失败：

pip install msgpack-python -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install msgpack -i https://pypi.tuna.tsinghua.edu.cn/simple

然后执行安装文件命令。

pip install opencv_python-4.4.0-cp37-cp37m-win_amd64.whl

测试一下，输python进入python，输入import cv2回车，不报错就说明安装配置成功了

安装完成之后，重新打开一个命令提示符窗口，输入conda list，可以查看是否已经正确安装了，因为遇到过安装完之后，import cv2，操作也正常，但是在conda list没有显示，错误就在上面msgpack这部分没有安装。


至此，Anaconda3 + Pycharm2020+ OpenCV 下载安装及环境搭建过程全部完成，接下来，如果你是初学者，可以体验下面的图像入门处理操作部分，还有小编写的Opencv基于Python图像处理算法专栏的文章，这些文章主要是根据Opencv官方文档翻译过来的中文教程内容，小编在其基础上进行了补充与改进，大家根据需要进行学习参考，还可以一起交流哦！

3. 图像处理入门——读取、显示、写入操作

在这一部分，你将利用安装好的Opencv库，学习到如何读取图像，如何显示图像以及如何将其保存回去，你还将学习以下功能：cv.imread()，cv.imshow()，cv.imwrite()，最后可选择性的学习如何使用Matplotlib显示图像。

3.1 使用OpenCV

3.1.1 读取图像

使用cv.imread()函数读取图像。该函数包含两个参数，第一个参数为输入原始图像，该图像应该在工作目录或指定的完整路径中存在；第二个参数是一个标志，它指定了读取图像的方式，包括但不限于以下方式：

• cv.IMREAD_COLOR： 加载彩色图像，任何图像的透明度都会被忽视，它是默认标志。
• cv.IMREAD_GRAYSCALE：以灰度模式加载图像。
• cv.IMREAD_UNCHANGED：加载图像，包括alpha通道。

注意：除了这三个标志，你可以分别简单地传递对应整数1、0或-1。

读取图像参考代码：

#导入numpy库
import numpy as np
# 导入opencv库
import cv2 as cv
# 加载彩色灰度图像
img = cv.imread('lena.jpg', 0)

提示：即使图像路径错误，它也不会引发任何错误，但是 print (img)会给出 None结果。

3.1.2 显示图像

使用函数cv.imshow()在窗口中显示图像，窗口自动适应图像尺寸。该函数包含两个参数，第一个参数是窗口名称，它是一个字符串；第二个参数是我们需要显示的图像。你可以根据需要创建任意多个窗口，但可以使用不同的窗口名称。
显示图像参考代码：

# 导入numpy库
import numpy as np
# 导入opencv库
import cv2 as cv

# 加载彩色灰度图像
img = cv.imread('lena.jpg', 0)
# 显示加载的图像
cv.imshow('image', img)
# 一直等待下一次键入
cv.waitKey(0)
# 关闭所有显示窗口
cv.destroyAllWindows()

显示结果如下图所示，此显示窗口大小是默认固定的，下面会讨论。

cv.waitKey()是一个键盘绑定函数，其参数是以毫秒为单位的时间，该函数等待任何键盘事件指定的毫秒。如果你在这段时间内按下任何键，程序将继续运行。如果0被传递，它将无限期地等待一次敲击键。它也可以设置为检测特定的按键，例如，如果按下键 a 等，我们将在下面讨论。

注意：
除了键盘绑定事件外，此功能还处理许多其他GUI事件，因此你必须使用它来实际显示图像。

cv.destroyAllWindows()会关闭我们创建的所有窗口。如果要销毁任何特定的窗口，请使用函数 cv.destroyWindow()在其中传递确切的窗口名称作为参数。

注意：
在特殊情况下，你可以创建一个空窗口，然后再将图像加载到该窗口。在这种情况下，你可以指定窗口是否可调整大小，这是通过功能cv.namedWindow()实现。默认情况下，该标志为cv.WINDOW_AUTOSIZE，不可调整窗口大小。但是，如果将标志指定为cv.WINDOW_NORMAL，则可以调整窗口大小。当图像尺寸过大以及向窗口添加跟踪栏时，这将很有帮助。

可调整显示窗口大小代码

# 导入numpy库
import numpy as np
# 导入opencv库
import cv2 as cv

# 加载彩色灰度图像
img = cv.imread('lena.jpg', 0)
# 可调整显示窗口大小
cv.namedWindow('image', cv.WINDOW_NORMAL)
# 显示加载的图像
cv.imshow('image', img)
# 一直等待下一次键入
cv.waitKey(0)
# 关闭所有显示窗口
cv.destroyAllWindows()

不可调整与可调整图像显示窗口大小如下图所示

3.1.3 写入图像

使用函数cv.imwrite()保存图像。该函数包含两个参数，第一个参数是带格式的文件名，第二个参数是要保存的图像。 cv.imwrite('lenagray.png'，img)命令会将图像以PNG格式保存在工作目录中。

3.1.4 总结

在下面的程序中，以灰度加载图像，显示图像，按 s 保存图像并退出，或者按 ESC键直接退出而不保存。

# 导入numpy数据库，图像处理中经常会用到该库
import numpy as np
# 导入cv库
import cv2 as cv

# 读取图像
img = cv.imread('lena.jpg', 0)
# 一直等待下一次键入
k = cv.waitKey(0)
# 等待ESC退出，ESC的ASCII码是27
if k == 27:
    # 关闭所有显示窗口
    cv.destroyAllWindows()
elif k == ord('s'): # 等待关键字，保存和退出
    # 以PNG格式保存在工作目录中
    cv.imwrite('lenagray.png', img)
    # 关闭所有显示窗口
    cv.destroyAllWindows()

提示：如果使用的是64位计算机，则必须 k = cv.waitKey(0) 按如下所示修改行： k = cv.waitKey(0) & 0xFF

3.2 使用Matplotlib

Matplotlib是Python的绘图库，可为你提供多种绘图方法。你将在Opencv基于Python图像处理算法专栏的文章中频繁地看到它们。在这里，你将学习如何简单地使用Matplotlib显示图像，使用Matplotlib缩放图像，保存图像等。

在Pycharm当前使用环境中，使用如下命令安装Matplotlib库：

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

小编已经安装过，显示要求已经满足，没有安装过的初学者，通过此方式一般可以安装成功。

Matplotlib显示图像代码如下：

# 导入numpy数据库，图像处理中经常会用到该库
import numpy as np
# 导入cv库
import cv2 as cv
# 从Matplotlib库中导入pyplot, 命别名为plt, 方便后面该库的使用
from matplotlib import pyplot as plt

# 读取图像
img = cv.imread('lena.jpg', 0)
# 显示图像窗口，灰度形式显示，bicubic插值方式
plt.imshow(img, cmap='gray', interpolation='bicubic')
# 不显示横纵坐标
plt.xticks([]), plt.yticks([])
# Matplotlib显示图像
plt.show()

显示的效果图如下图所示：

如果显示的效果图不能够弹出来一个窗口，解决办法如下

注意：OpenCV加载的彩色图像处于BGR模式。但是Matplotlib以RGB模式显示。因此，如果使用OpenCV读取彩色图像，则Matplotlib中将无法正确显示彩色图像。

当你尝试在OpenCV中加载彩色图像并将其显示在Matplotlib中时，存在一些问题。请查看此评论http://stackoverflow.com/a/15074748/1134940理解它们。更多Matplotlib绘图样式和功能请参考：https://matplotlib.org/api/pyplot_api.html

4. 结语

今天的文章就写到这里了，非常感谢你抽出宝贵的时间阅读小编的文章，文章中难免会有不足之处，欢迎大家讨论交流，同时也欢迎大家对小编其他文章的支持与鼓励，让我们一起加油，共同进步，祝大家身体健康，生活幸福！