在这篇文章中，我们将为您详细介绍Windows下适用于Python3.x的OpenCV的内容，并且讨论关于windows下的pythonopencv安装攻略的相关问题。此外，我们还会涉及一些关于c–适

在这篇文章中，我们将为您详细介绍Windows下适用于Python 3.x的OpenCV的内容，并且讨论关于windows下的python opencv安装攻略的相关问题。此外，我们还会涉及一些关于c – 适用于Windows和Linux的OpenCL程序中的GCN ISA程序集、OpenCV - Windows（win10）编译 opencv + opencv_contrib、opencv python的namedwindow在中心有黑色层、OpenCV – python 3.x和windows – Numpy的版本是什么？的知识，以帮助您更全面地了解这个主题。

• Windows下适用于Python 3.x的OpenCV（windows下的python opencv安装攻略）
• c – 适用于Windows和Linux的OpenCL程序中的GCN ISA程序集
• OpenCV - Windows（win10）编译 opencv + opencv_contrib
• opencv python的namedwindow在中心有黑色层
• OpenCV – python 3.x和windows – Numpy的版本是什么？

Windows下适用于Python 3.x的OpenCV（windows下的python opencv安装攻略）

我已经在Internet上搜索了一段时间，但无法找到有关如何在Windows下安装适用于Python 3.x的OpenCV的详细说明。

如果他/她已经成功地为预编译的二进制文件或源代码为OpenCV 2.x或OpenCV 3版本安装了适用于Python 3.x的OpenCV，我将不胜感激。。X。

答案1

OpenCV 3添加了对python 3+的支持。它仍然处于Alpha状态，目前与它和python有很多已知的错误。OpenCV
3的最终版本将在今年年底发布。

如果您从网站下载OpenCV 3 alpha可执行文件，则可以构建对python
3的支持。或者，您可以从其github获取最新代码。您还必须安装CMake和Python3。打开CMake，它将询问源代码在哪里。如果您下载了可执行文件，它将位于您在sources文件夹中提取可执行文件的位置。如果您下载了最新版本，则无论您在何处下载最新版本。选择文件夹，然后在CMake中，单击configure，它将询问您要使用哪个编译器。之后，您将看到可以在OpenCV中构建的所有内容。从OpenCV
3开始，Python3有一个选项。检查该内容以及您可能需要的其他任何内容，然后点击生成。这样就可以在您选择的编译器中创建一个可以构建的项目，并且可以构建所有库的

尽管本指南适用于2.4.9，但适用于3.0。您只会在3中看到不同的选项
。http://docs.opencv.org/doc/tutorials/introduction/windows_install/windows_install.html

c – 适用于Windows和Linux的OpenCL程序中的GCN ISA程序集

OpenCV - Windows（win10）编译 opencv + opencv_contrib

　　在之前的几篇文章中，我提到了在 Android、Linux 中编译 opencv + opencv_contrib，这篇文章主要讲在 Windows 中编译 opencv + opencv_contrib。

首先需要准备的环境有：

• Window 10 64 位：这个大家都知道，就不多说了啊；
• Cmake：编译工具，可以 https://cmake.org/download/ 下载安装，当前的最新版本为 3.10.1；
• Visual Studio：开发工具，编译的时候也需要用到，我安装的是 Visual Studio 2015。
• OpenCV Windows 包，下载地址：https://opencv.org/releases.html；
• OpenCV_Contrib 包，下载地址：https://github.com/opencv/opencv_contrib（注意版本对应）。

　　将下载得到的 OpenCV Windows 包解压，目录为 opencv，然后将下载的 OpenCV_Contrib 包解压放入 opencv 目录下，新建 new_build 文件夹（用来放编译之后结果）：

使用 cmake 生成 OpenCV.sln：

　　打开安装之后的 cmake，在 where is the source code 中选择 openCV 的源代码目录：F:\opencv\sources；在 where to build the binaries 中选择编译为 Visual Studio 项目的目录：F:\opencv\new_build（这里我选择刚刚特地建立的 new_build 目录），如下图所示：

　　点击 Configure 按钮后，弹出对话框，选择编译器，根据本地计算机的 CPU 架构，这里特别要注意的是，自己机器上是否装有相应的 VS 版本，如果没有装，还是要编译就会出错，可能是找不到对应的工具原因，以及选择 X86 和 X64），这里用的是 VS 2015。

　　设置完成之后点击 “Generate” 开始生成工程，. 第一次编译完成之后，我们需要将额外的 opencv_contrib 加到工程中进行第二次编译，在配置表中找到 “OPENCV_EXTRA_MODULES_PATH”, 设置其参数值为 open_contrib 源码包中的 modles 目录，我的目录是 “F:\opencv\opencv_contrib\modules”：

　　再次点击 “Generate” 进行第二次编译：

　　这时候我们已经可以看见用 cmake 工具编译得到的 OpenCV.sln：

用 VS 打开 OpenCV.sln 工程，编译生成 Debug 和 Release 库：

　　用 VS 2015 打开 OpenCV.sln 工程，在解决方案中可以查看工程目录：

　　编译生成 debug 版本的库，记得在此之前要选择编译的平台信息，这就是编译生成 debug 版本和 release 版本的区别，也可以选择 release，因为自己的工程可能要用到相应的动态链接库：

　　在解决方案中选中工程，右键选择重新生成解决方案：

　　编译成功：

　　. 找到 CMakeTargets 中的 INSTALL，然后右键选择 “仅限于项目”-->“仅生成 INSTALL”：

　　完成编译后，Release 模式下同理。此时，有了 install 目录。该目录包含了我们需要的头文件、库文件。

把新的库文件配置到到项目中：

 　　VC++ 目录 --> 包含目录，添加：

　　　　E:\OpenCV320\opencv\new_build\install\include

　　VC++ 目录 --> 库目录，添加：

　　　　E:\OpenCV320\opencv\new_build\install\x64\vc14\lib

　　链接器 --> 输入 --> 附加依赖项，添加： (注意添加的库与编译选项要一致，需要注意 debug 比 release 的文件名多了个 d)

　　　　opencv_aruco320.lib

　　　　opencv_aruco320d.lib

　　　　opencv_bgsegm320.lib
　　　　opencv_bgsegm320d.lib
　　　　opencv_bioinspired320.lib
　　　　opencv_bioinspired320d.lib
　　　　opencv_calib3d320.lib
　　　　opencv_calib3d320d.lib
　　　　opencv_ccalib320.lib
　　　　opencv_ccalib320d.lib
　　　　opencv_core320.lib
　　　　opencv_core320d.lib
　　　　opencv_datasets320.lib
　　　　opencv_datasets320d.lib
　　　　opencv_dnn320.lib
　　　　opencv_dnn320d.lib
　　　　opencv_dpm320.lib
　　　　opencv_dpm320d.lib
　　　　opencv_face320.lib
　　　　opencv_face320d.lib
　　　　opencv_features2d320.lib
　　　　opencv_features2d320d.lib
　　　　opencv_flann320.lib
　　　　opencv_flann320d.lib
　　　　opencv_fuzzy320.lib
　　　　opencv_fuzzy320d.lib
　　　　opencv_highgui320.lib
　　　　opencv_highgui320d.lib
　　　　opencv_imgcodecs320.lib
　　　　opencv_imgcodecs320d.lib
　　　　opencv_line_descriptor320.lib
　　　　opencv_line_descriptor320d.lib
　　　　opencv_ml320.lib
　　　　opencv_ml320d.lib
　　　　opencv_objdetect320.lib
　　　　opencv_objdetect320d.lib
　　　　opencv_optflow320.lib
　　　　opencv_optflow320d.lib
　　　　opencv_phase_unwrapping320.lib
　　　　opencv_phase_unwrapping320d.lib
　　　　opencv_photo320.lib
　　　　opencv_photo320d.lib
　　　　opencv_plot320.lib
　　　　opencv_plot320d.lib
　　　　opencv_reg320.lib
　　　　opencv_reg320d.lib
　　　　opencv_rgbd320.lib
　　　　opencv_rgbd320d.lib
　　　　opencv_saliency320.lib
　　　　opencv_saliency320d.lib
　　　　opencv_shape320.lib
　　　　opencv_shape320d.lib
　　　　opencv_stereo320.lib
　　　　opencv_stereo320d.lib
　　　　opencv_stitching320.lib
　　　　opencv_stitching320d.lib
　　　　opencv_structured_light320.lib
　　　　opencv_structured_light320d.lib
　　　　opencv_superres320.lib
　　　　opencv_superres320d.lib
　　　　opencv_surface_matching320.lib
　　　　opencv_surface_matching320d.lib
　　　　opencv_text320.lib
　　　　opencv_text320d.lib
　　　　opencv_tracking320.lib
　　　　opencv_tracking320d.lib
　　　　opencv_video320.lib
　　　　opencv_video320d.lib
　　　　opencv_videoio320.lib
　　　　opencv_videoio320d.lib
　　　　opencv_videostab320.lib
　　　　opencv_videostab320d.lib
　　　　opencv_xfeatures2d320.lib
　　　　opencv_xfeatures2d320d.lib
　　　　opencv_ximgproc320.lib
　　　　opencv_ximgproc320d.lib
　　　　opencv_xobjdetect320.lib
　　　　opencv_xobjdetect320d.lib
　　　　opencv_xphoto320.lib
　　　　opencv_xphoto320d.lib
　　　　kernel32.lib
　　　　user32.lib
　　　　gdi32.lib
　　　　winspool.lib
　　　　comdlg32.lib
　　　　advapi32.lib
　　　　shell32.lib
　　　　ole32.lib
　　　　oleaut32.lib
　　　　uuid.lib
　　　　odbc32.lib
　　　　odbccp32.lib

　　这样，我们就可以在 VS 中使用 OpenCV 了。

　　需要提到的一个点，所需要使用 Sift 等算法，需要引入 xfeatures2d 命名空间：

using namespace xfeatures2d;

opencv python的namedwindow在中心有黑色层

import cv2

import numpy

def empty(a):
    pass

cv2.namedWindow("Track Bars",cv2.WINDOW_norMAL)

cv2.createTrackbar("Track1","Track Bars",100,200,empty)

cv2.waitKey(0)