目录

一、OpenCV 简介

二、嵌入式 OpenCV 的安装方法

1. Ubuntu 系统下的安装

2. 嵌入式 ARM 系统中的安装

3. Windows10 和树莓派系统下的安装

三、嵌入式 OpenCV 的性能优化

1. 介绍嵌入式平台上对 OpenCV 进行优化的必要性。

2. 利用嵌入式开发工具，如优化的 C 语言编译器、软件库和驱动器等进行优化。

3. 通过实验对比 OPENMP、TBB 与多线程在嵌入式上的图像处理加速效果。

四、嵌入式 OpenCV 的应用案例

1. 在树莓派上实现从零开始的嵌入式图像图像处理，包括打开摄像头、编写程序获取并显示实时视频等。

2. 在 Ubuntu 系统下通过 OpenCV 实现点阵汉字的字模读取与显示。

五、嵌入式 OpenCV 的优势

---

一、OpenCV 简介

OpenCV 是一个功能强大的开源计算机视觉库，具有诸多优势和广泛的应用领域。

优势：

1. 跨平台：可以在不同的系统平台上使用，包括 Windows、Linux、Android 和 Mac OS 操作系统。

1. 编程语言：用 C++ 语言编写，同时提供 Python、Ruby、MATLAB 等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

1. 活跃的开发团队：自 2000 年公开第一个预览版本以来，目前已更新至 OpenCV4.5.3。

1. 丰富的 API：完善的传统计算机视觉算法，涵盖主流的机器学习算法，同时添加了对深度学习的支持。

1. 开源：以 BSD 许可证授权发行，可以在商业和研究领域中免费使用。

应用领域：

1. 增强现实

1. 人脸识别

1. 手势识别

1. 人机交互

1. 动作识别

1. 运动跟踪

1. 物体识别

1. 图像分割

1. 机器人

1. 运动分析

1. 机器视觉

1. 结构分析

1. 汽车安全驾驶等领域。例如在自动驾驶领域，OpenCV 可以通过对车辆周围环境进行实时图像与视频分析，帮助汽车判断道路情况、障碍物等，从而保证行车安全；在医学图像处理领域，OpenCV 可以用于对医学图像（如 MRI、CT 等）进行分析和诊断，为医生提供重要的参考信息。

二、嵌入式 OpenCV 的安装方法

1. Ubuntu 系统下的安装

1. 安装环境准备，包括安装 CMake 和依赖环境。

在 Ubuntu 中打开终端的快捷键是 [Ctrl]+[Alt]+[T]，然后进行以下操作：

• • 安装 CMake：sudo apt-get install cmake。

• • 安装依赖环境：sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev，sudo apt-get install libgtk2.0-dev，sudo apt-get install pkg-config。

1. 下载 OpenCV 并解压到 Ubuntu 的 Home 目录下。

从官网下载 Sources 版本的 OpenCV，下载地址为：https://opencv.org/releases/。在 Windows 下载压缩包并解压后，将解压后的文件复制到 Ubuntu 系统的 home 目录下。

1. 创建 build 文件，进行 CMake 配置、编译和安装。

• • 进入 OpenCV 文件并创建 build 文件：在终端中，进入 OpenCV 文件所在目录，假设文件名为 opencv-3.4.11，使用cd opencv-3.4.11命令，然后在该文件夹下新建 build 文件夹，并将操作路径改到 build 下，使用mkdir build和cd build命令。

• • CMake：输入命令sudo cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local..进行编译参数配置。

• • 使用 make 创建编译：在 build 文件夹下进行编译，可以使用sudo make -j4或sudo make -j8等命令加快编译速度，这里会等待大概十几分钟，报错的话可以多尝试几次。

• • 进行安装：使用sudo make install命令进行安装。

1. 完成配置，包括更新系统共享链接库和配置 bash。

• • 用 gedit 打开 /etc/ld.so.conf：sudo gedit /etc/ld.so.conf，在文件中加上一行include /usr/loacal/lib（其中 /usr/loacal/lib 是 OpenCV 安装路径也就是 makefile 中指定的安装路径）。

• • 更新系统共享链接库：sudo ldconfig。

• • 配置 bash：修改 bash.bashrc 文件，sudo gedit /etc/bash.bashrc，在文件末尾加入PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig和export PKG_CONFIG_PATH。保存并退出，然后执行如下命令使得配置生效：source /etc/bash.bashrc。

• • 更新：sudo updatedb。

2. 嵌入式 ARM 系统中的安装

1. 使用特定的编译配置进行编译安装。

• • 安装依赖项：sudo apt update，sudo apt install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev。

• • 下载 OpenCV 源代码，从官方网站下载 OpenCV 的源代码，假设下载到用户的主目录（~/）下。

• • 进行编译配置，例如：./configure --host=arm-linux --without-gtk --without-carbon --without-quicktime --without-1394libs --without-ffmpeg --without-python --without-swig --enable-static --disable-shared --disable-apps CXX=armv4l-unknown-linux-g++ CPPFLAGS=-I/usr/include。

• • 进行编译：make。

• • 安装：make install，安装完成后，设置环境变量export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig。

1. 编译例程并解决可能出现的问题。

• • 编译例程，例如：armv4l-unknown-linux-g++ pkg-config --cflags --libs opencv drawing.c -o drawing或者尝试（某些情况下，顺序问题可能引发 undefined reference 错误）arm-linux-g++ drawing.c -o drawing pkg-config --cflags --libs opencv。如果编译出现问题，如缺少开发包，可以根据错误提示进行安装，比如在 Debian 下可以apt-get install libpng2-dev`，或者到相应网站下载安装开发包。

1. 配置摄像头驱动和显示。

• • 以网眼 V2000 为例，内核选项加入 OV511 驱动，并且模块加载。OpenCV 程序中默认设备为/dev/video0，在程序中调用cvCaptureFromCAM函数可以直接获取摄像头，并采集图像。

• • 直接在要显示的地方调用显示驱动函数。

3. Windows10 和树莓派系统下的安装

1. Windows10 下安装 OpenCV3.4.1，配置系统环境变量并编写测试项目。

• • 安装 OpenCV3.4.1：从官网下载 Windows 版，然后在 path 中添加以下路径：“D:\mydownload\opencv341\opencv\build\x64\vc15\bin”，添加完后需重启电脑。

• • 基于 VS2017 写一个 OpenCV 调用灰度图片的项目：

• • • 添加 C++ 空项目 Project1。

• • • 右键添加项 test1.cpp。

• • • 将 debug 调为 X64，接下来都将在 debug 模式下进行配置。

• • • 配置属性：打开属性管理器，在右侧栏出现属性管理器界面，点开，选择 Debug x64 右键 “属性”，添加包含目录（分别是 include，include\opencv ，include\opencv2，建议三个都添加）、库目录和附加依赖项（手动敲入 opencv_world341d.lib）。

• • 编写测试程序同时显示两张图片：并自动保存改变灰度后的图片到项目工程文件夹中，源码如下：

#include <highgui.hpp>

#include <opencv.hpp>

using namespace cv;

using namespace std;

int main(int argc,char** argv)

{

CvPoint center;

double scale = -3;

IplImage* image = cvLoadImage("d://myworkspace//VisualStudioProjects//lena.jpg");

//引入图片位置argc == 2? cvLoadImage(argv[1]) : 0;

cvShowImage("Image", image);

if (!image) return -1;

center = cvPoint(image->width / 2, image->height / 2);

for (int i = 0; i < image->height; i++)

for (int j = 0; j < image->width; j++)

{

double dx = (double)(j - center.x) / center.x;

double dy = (double)(i - center.y) / center.y;

double weight = exp((dx * dx + dy * dy) * scale);

uchar* ptr = &CV_IMAGE_ELEM(image, uchar, i, j * 3);

ptr[0] = cvRound(ptr[0] * weight);

ptr[1] = cvRound(ptr[1] * weight);

ptr[2] = cvRound(ptr[2] * weight);

}

Mat src; Mat dst;

src = cvarrToMat(image);

cv::imwrite("test.png", src);

cvNamedWindow("test", 1);

imshow("test", src);

cvWaitKey();

return 0;

}

1. 树莓派系统下安装 OpenCV3.4.1，与 Ubuntu 安装步骤类似。

• • 软件源更新：sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev。

• • 安装 gtk2.0：这一步对应前边最好用清华的源，不然下载容易出错。

• • 安装 OpenCV：

• • • 安装 opencv-python：在终端输入pip3 install opencv-python。

• • • 安装 opencv-contrib：安装完 opencv-python 后，继续安装 opencv-contrib，需要安装指定版本 4.1.0.25，在终端输入pip3 install opencv-contrib-python==4.1.0.25。如果遇到网络问题，可以在可以科学上网的电脑上用浏览器下载轮子，然后导入树莓派进行本地安装。

• • • 安装依赖：在终端运行以下命令安装依赖：sudo apt-get install libatlas-base-dev -y，sudo apt-get install libjasper-dev -y，sudo apt-get install libqtgui4 -y，sudo apt-get install python3-pyqt5 -y，sudo apt-get install libqt4-test -y，sudo apt-get install libhdf5-dev -y。

• • 至此，树莓派下的 OpenCV 安装完成，进入 python3 的运行环境，加载import cv2试试。

三、嵌入式 OpenCV 的性能优化

在嵌入式平台上，对 OpenCV 进行优化是至关重要的。随着嵌入式设备在各个领域的广泛应用，如安全监控、工业自动化等，对图像处理的速度和效率要求越来越高。而嵌入式平台通常资源有限，如处理器性能相对较弱、内存容量较小等，这就使得优化 OpenCV 以提高其在嵌入式平台上的性能变得尤为必要。

1. 介绍嵌入式平台上对 OpenCV 进行优化的必要性。

嵌入式设备往往需要实时处理图像数据，以满足各种应用场景的需求。例如，在自动化车辆中，需要快速准确地识别道路情况和障碍物，这对图像处理的速度提出了很高的要求。如果 OpenCV 在嵌入式平台上的性能不佳，可能会导致延迟过高，影响系统的实时性和可靠性。此外，优化 OpenCV 还可以降低嵌入式设备的功耗，延长电池寿命，提高设备的整体性能。

2. 利用嵌入式开发工具，如优化的 C 语言编译器、软件库和驱动器等进行优化。

典型的嵌入式器件通常是系统级芯片（SoC），其中不仅包含 ARM 处理器，还含有多种外设与加速器。为了充分发挥 SoC 的性能，需要利用各种嵌入式开发工具进行优化。例如，优化的 C 语言编译器可以生成更高效的代码，加速常见信号处理任务的优化软件库可以提高图像处理的速度，处理 SoC 中不同模块之间低级互动的驱动器可以提高系统的稳定性和可靠性。此外，还可能包括支持特定厂商协处理器与加速器的特殊工具，这些工具可以进一步提高 OpenCV 在嵌入式平台上的性能。

3. 通过实验对比 OPENMP、TBB 与多线程在嵌入式上的图像处理加速效果。

有研究表明，OPENMP 和 TBB 可以有效对并行处理进行加速，其效果与多线程处理基本持平。例如，在某个嵌入式上的图像处理项目中，通过对比基础 FOR 循环、多线程、原数据相同的 TBB、原数据独立的 TBB、原数据相同的 OPENMP 和原数据独立的 OPENMP 等不同处理方式，对 960*600 的图像进行大尺寸滤波操作。实验结果显示，OPENMP 和 TBB 的优势在于代码编写相对简单，也不用考虑线程数的设置。同时，OPENMP 和 TBB 的基础数据独立与否，对测试速度基本不影响，但为了避免处理结果错误，应尽量保证数据独立性。

在针对 RV1106 平台的交叉编译环境中，虽然原生的交叉编译工具链不支持 OpenMP 功能，但通过从源码编译 openmp 并将编译好的库放入工具链，成功实现了对该交叉编译器 OpenMP 支持的集成。实验发现，随着 OpenMP 线程数从 2 增至 10，加速效果逐步提升；但超过 10 个线程后，加速收益不再明显增加，表明存在一个最优线程数阈值。

此外，NEON + OpenMP 的组合方式在嵌入式开发中也表现出了较好的加速效果。在并行计算量比较小的时候，可以优先使用 NEON 加速。

综上所述，通过利用嵌入式开发工具以及对比不同的加速技术，可以有效地提高 OpenCV 在嵌入式平台上的性能。

四、嵌入式 OpenCV 的应用案例

1. 在树莓派上实现从零开始的嵌入式图像图像处理，包括打开摄像头、编写程序获取并显示实时视频等。

树莓派凭借高度定制化和可玩性，深受科技宅青睐。树莓派能够用来进行多种工作，基于 Linux 的高度开源特性，通过程序员和工程师们的奇思妙想，能够自由组装成多种有趣的项目。

在树莓派上进行图像图像处理具有一定优势。以图像增强类算法为例，树莓派一直是寻找嵌入式平台的不错选择。在树莓派 3 问世之前，存在性能、移植和调试等问题。但树莓派 3 搭载 64 位 A53 处理器后，实时的 640*480 的视频在加上图像处理已经不成问题。

树莓派的安装配置也相对简单。购买时商家会提供很多有用资料，安装过程包括烧录到 SD 卡中、上电开机配置网络、运行特定命令以防止内核被改、执行更新和升级命令、安装中文字体、调整国家和时区等步骤。安装完成后，就可以转入图像处理平台的构建。

对于在树莓派上实现图像图像处理，首先可以安装 Qt 和 OpenCV 的基础库。安装 Qt 可以通过指令sudo apt-get install qt5-default和sudo apt-get install qtcreator。安装 OpenCV 的基础库可以使用sudo apt-get install libopencv-dev，安装后要找到文件路径。在安装过程中可能会遇到一些问题，如 Qt 安装出错和运行错误，可以通过更改编译器等方法解决。安装完成后，将 OpenCV 实际路径添加入 Qt 工程中。

接着，可以进行测试。使用指令raspistill可以获取静态图像，raspivid可以获取动态图像。在 Qt 中，可以通过代码实现开启摄像头和获取显示图像的内容。在测试过程中，可能会遇到 opencv 调用摄像头失败的问题，可以通过查看摄像头所有参数指令ls /dev/video*和v4l2-ctl --info -d /dev/video0 --list-formats-ext查找问题。如果出现权限问题，可以通过chmod修改摄像头的权限来解决。

2. 在 Ubuntu 系统下通过 OpenCV 实现点阵汉字的字模读取与显示。

在 Ubuntu 系统下，通过 OpenCV 实现点阵汉字的字模读取与显示，需要先了解汉字点阵的原理。汉字点阵原理包括汉字编码、点阵字库结构和汉字点阵获取。

汉字编码分为区位码和机内码。区位码是将所有的国标汉字及符号分配在一个 94 行、94 列的方阵中，用区号和位号组合表示一个汉字或符号。机内码是在计算机中表示一个汉字的编码，为了避免与基本 ASCII 码混淆，需要进行一些处理。

点阵字库结构根据字节所表示点的不同分为横向矩阵和纵向矩阵，常用的点阵矩阵有 1212、1414、16*16 三种字库。对于不同的字库，存储方式可能会有所不同，需要注意处理方式。

汉字点阵获取可以通过区位码或机内码来计算。利用区位码获取汉字点阵的计算公式为：点阵起始位置 = ((区码 - 1)*94 + (位码 – 1)) * 汉字点阵字节数。利用机内码获取汉字点阵需要先根据机内码计算出区位码，再使用区位码获取点阵位置。

在实验过程中，首先要明确实验题目，即学习理解汉字的机内码、区位码编码规则和字形数据存储格式，在 Ubuntu 下用 C/C++(或 python) 调用 OpenCV 库编程显示一张图片，并打开一个名为 "logo.txt" 的文本文件，按照名字和学号去读取汉字 24*24 点阵字形字库中对应字符的字形数据，将名字和学号叠加显示在此图片右下位置。

然后创建项目文件夹，将项目需要的文件等放在该文件夹下。创建.cpp 文件，编写代码。代码中需要包含 OpenCV 的头文件，并定义一些函数来绘制汉字和 ASCII 字符。在主函数中，调用put_text_to_image函数，传入图片的路径和文本文件的路径，实现将文本中的名字和学号叠加显示在图片上。

最后进行编译和运行，查看结果。如果一切正常，就可以在图片上看到叠加显示的名字和学号。

五、嵌入式 OpenCV 的优势

1. 跨平台性，可在不同系统平台上使用。

OpenCV 具有很强的跨平台性，无论是在传统的桌面操作系统如 Windows、Linux、Mac OS，还是在移动操作系统 Android 和 iOS 上都能良好运行。在嵌入式领域，也能在多种不同的嵌入式系统平台上发挥作用，为开发者提供了极大的便利，使得开发的应用可以在不同的硬件环境下轻松部署。

1. 丰富的编程语言接口。

OpenCV 不仅以 C++ 语言编写，还提供了丰富的编程语言接口，包括 Python、Java、MATLAB 等。这使得不同背景的开发者都能轻松上手使用 OpenCV 进行开发。例如，对于熟悉 Python 的开发者来说，可以利用 OpenCV 的 Python 接口快速实现图像处理和计算机视觉任务。

1. 活跃的开发团队和不断更新的算法库。

OpenCV 拥有活跃的开发团队，自 2000 年公开第一个预览版本以来，目前已更新至 OpenCV4.5.3。不断更新的算法库确保了 OpenCV 始终能跟上计算机视觉领域的最新发展趋势。开发者可以享受到最新的算法和功能，提高开发效率和应用性能。

1. 与其他软件工具的互补性，如与 OpenVX 的关系。

OpenVX 实现了跨平台加速处理，在嵌入式和实时性系统中具有很大的优势。OpenVX 和 OpenCV 并不冲突，它们可以说是互补的。OpenVX 就像一个骨架，包含一些头文件声明了很多宏、枚举、变量类型、函数等等。其目的是方便不同的硬件平台实现相同的接口，实现了计算机视觉处理中性能和能耗方面的优化，特别是在嵌入式和实时应用案例中起到重要作用。在某些场合，配合 OpenCV 的强大功能可以实现更好的效果。