OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它为开发者提供了丰富的工具和函数，用于处理图像和视频数据，以及执行各种计算机视觉任务。

以下是 OpenCV 的一些主要特点和功能：

1. 跨平台性：OpenCV 支持多个操作系统，包括 Windows、Linux、macOS 等，可以在不同平台上运行。

2. 图像处理：提供了丰富的图像处理功能，包括图像滤波、转换、几何变换、颜色空间转换等。

3. 特征检测和描述：可以进行关键点检测、特征描述、特征匹配等操作，常用于对象识别、图像配准等任务。

4. 目标检测和跟踪：提供了各种目标检测和跟踪算法，如 Haar 级联检测器、基于深度学习的物体检测器等。

5. 机器学习支持：集成了机器学习库，可用于训练和应用分类器、聚类器等模型。

6. 摄像机标定和运动估计：能够进行摄像机标定，估计摄像机的内部和外部参数，并进行运动估计。

7. 图像和视频 I/O：支持从多种来源读取图像和视频数据，并提供保存处理结果的功能。

8. 高效性能：OpenCV 使用优化的 C/C++ 代码实现，性能较高，并提供了 Python、Java 等语言的接口。

OpenCV 通过丰富的文档和示例，使得开发者可以利用其强大的功能进行图像处理、计算机视觉和机器学习应用的开发和研究。它被广泛应用于医疗图像分析、安全监控、自动驾驶、增强现实等领域。

一、下载OpenCV源码创建构建目录

1. 使用git下载最新版本

git clone https://github.com/opencv/opencv.git

2. 源码同级创建编译目录

mkdir build
cd build

二、安装构建java opencv库所需资源

# 未安装ant执行如下安装命令，已安装请忽略
brew install ant
# 未安装jdk执行如下安装命令，已安装请忽略
brew install openjdk@17  

三、安装构建python opencv库所需资源

1. 安装anaconda

brew install anaconda

2. 添加环境变量

vim ~/.zshrc

3. 添加如下内容

# Anaconda
export PATH=/opt/homebrew/anaconda3/bin:$PATH
export PATH="$PATH:/opt/homebrew/anaconda3/lib"

4. 重载环境变量及验证

# 重新加载环境变量
source ~/.zshrc
# 验证conda安装是否成功
conda --v

四、编译opencv

1. 创建脚本/build/run.sh

cmake \
-DCMAKE_INSTALL_PREFIX=/usr/local/opencv \
-DBUILD_JAVA=ON \
-DINSTALL_PYTHON_EXAMPLES=ON \
-DCMAKE_BUILD_TYPE=Debug \
-DBUILD_opencv_python3=ON \
-DPYTHON_DEFAULT_EXECUTABLE=/opt/homebrew/anaconda3/bin/python3 \
-DBUILD_EXAMPLES=ON \
../opencv ..

注意：
-DCMAKE_BUILD_TYPE=Debug 编译版本会有更多输出调试信息
-DCMAKE_BUILD_TYPE=Release 正式上线请使用Release

2. 构建Makefile

cmake -DCMAKE_BUILD_TYPE=Debug -DBUILD_EXAMPLES=ON ../opencv

3. 执行结果

--   Other third-party libraries:
--     Lapack:                      YES (/opt/homebrew/anaconda3/lib/libopenblas.dylib -lm -ldl)
--     Eigen:                       NO
--     Custom HAL:                  YES (carotene (ver 0.0.1))
--     Protobuf:                    build (3.19.1)
--     Flatbuffers:                 builtin/3rdparty (23.5.9)
-- 
--   OpenCL:                        YES (no extra features)
--     Include path:                NO
--     Link libraries:              -framework OpenCL
-- 
--   Python 3:
--     Interpreter:                 /opt/homebrew/anaconda3/bin/python3 (ver 3.11.5)
--     Libraries:                   /opt/homebrew/anaconda3/lib/libpython3.11.dylib (ver 3.11.5)
--     numpy:                       /opt/homebrew/anaconda3/lib/python3.11/site-packages/numpy/core/include (ver 1.24.3)
--     install path:                lib/python3.11/site-packages/cv2/python-3.11
-- 
--   Python (for build):            /opt/homebrew/anaconda3/bin/python3
-- 
--   Java:                          
--     ant:                         /opt/homebrew/bin/ant (ver 1.10.14)
--     Java:                        NO
--     JNI:                         /Users/binzhu/Library/Java/JavaVirtualMachines/openjdk-19.0.2/Contents/Home/include /Users/binzhu/Library/Java/JavaVirtualMachines/openjdk-19.0.2/Contents/Home/include/darwin /Users/binzhu/Library/Java/JavaVirtualMachines/openjdk-19.0.2/Contents/Home/include
--     Java wrappers:               YES (ANT)
--     Java tests:                  YES
-- 
--   Install to:                    /usr/local/opencv
-- -----------------------------------------------------------------

4. 编译

# -j88设置为cpu核心数即可，影响编译速度，我是用的m1pro是8核，所以设置成8
make -j8

5. 安装

sudo make install

五、python版opencv测试

1. 准备链接库

# 1. 仿制so文件
cp /usr/local/opencv/lib/python3.11/site-packages/cv2/python-3.11/cv2.cpython-311-darwin.so /usr/local/opencv/lib/python3.11/site-packages/cv2/python-3.11/cv2.so

# 2. 软链接so文件
ln -s /usr/local/opencv/lib/python3.11/site-packages/cv2/python-3.11/cv2.so /opt/homebrew/anaconda3/lib/cv2.so

# 3. 软链接cv2包
ln -s /usr/local/opencv/lib/python3.11/site-packages/cv2 /opt/homebrew/anaconda3/lib/python3.11/site-packages/cv2

2. vscode创建python工程

3. 测试代码test.py

import cv2
print(cv2.__version__)