ubuntu20.04下使用vscode配置OpenCV(C++/python)环境

ubuntu20.04下使用vscode配置OpenCV(C++/python)环境

作者声明:我是一名初学者,查询了一些帖子跟着配置环境,本贴对配置过程进行了一些整合。刚开始配置好环境发现是在 C++ 中使用的,我一开始学习的是在 python 中使用,因此又在原有基础上配置环境,但根据我查到的情况来看,如果只是配置 python 中的环境,应该可以直接从第四步开始,应该!我没试过!

一、安装 vscode

1. 在vscode官网下载deb包

vscode官网

2. 打开终端

<filename.deb> 替换为你自己的文件名

sudo dpkg -i <filename.deb>

3. 打开vscode

终端中输入 code 即可打开。

二、配置 opencv 环境

1. 下载 opencv

https://opencv.org/releases/

我下载的是4.12.0版本,点击sources即可下载

2. 安装 opencv

2.1 解压

自行选择位置解压

unzip opencv-4.12.0.zip

2.2 安装编译所需要的库

sudo apt update sudo apt upgrade sudo apt install g++ sudo apt install cmake sudo apt install make

2.3  安装 opencv 依赖项

在Ubuntu系统上安装OpenCV的依赖库时,可以根据你的需求选择安装基础依赖或扩展依赖。以下是一些推荐的依赖库及其安装命令,这些依赖库能够满足大多数OpenCV的使用场景。

sudo apt update sudo apt install -y build-essential cmake git pkg-config \ libjpeg-dev libpng-dev libtiff-dev libjasper-dev \ libavcodec-dev libavformat-dev libswscale-dev \ libgtk-3-dev libdc1394-22-dev python3-dev python3-numpy

2.4 进入解压过后的 opencv 文件夹

cd opencv-4.12.0

创建一个build文件夹并进入

mkdir build cd build

2.5 下载编译

cmake -D CMAKE_BUILD_TYPE=Release \ -D OPENCV_GENERATE_PKGCONFIG=YES \ -D CMAKE_PREFIX_PATH=/usr/lib/x86_64-linux-gnu \ -D CMAKE_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu \ ..

2.6 编译

make -j$(nproc) # Linux系统自动获取逻辑核心数

2.7 安装

sudo make install

其中,opencv4的安装路径为:/usr/local/include/opencv4

库文件的路径为:/usr/local/lib

3. 配置 opencv 编译环境

3.1 将 opencv 的库添加到路径

sudo gedit /etc/ld.so.conf.d/opencv4.conf

打开后是一个空白文件,在文末添加

/usr/local/lib

3.2 使路径生效

sudo ldconfig

3.3 配置bash

sudo gedit /etc/bash.bashrc

在文末添加

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig export PKG_CONFIG_PATH

使配置生效

source /etc/bash.bashrc

3.4 检验是否安装成功

pkg-config --modversion opencv4

安装成功

三、在 vscode 中配置 opencv(C++) 环境

1. 新建 vscode 工程

2. 安装插件

重启 vscode

3. 配置 vscode

新建文件:c_cpp_properties.json,launch.json,tasks.json

1. 配置 c_cpp_properties.json

{ "configurations": [ { "name": "Linux", "includePath": [ "${workspaceFolder}/**", "/usr/local/include/opencv4", "/usr/include/" ], "defines": [], "compilerPath": "/usr/bin/gcc", "cStandard": "c17", "cppStandard": "gnu++14", "intelliSenseMode": "linux-gcc-x64" } ], "version": 4 }

往里面添加 opencv4 路径:

"/usr/local/include/opencv4"

按下“ctrl+shift+p”,搜索打开如下图所示配置:

2. 配置 task.json 文件

{ "version": "2.0.0", "tasks": [ { "type": "cppbuild", "label": "C/C++: g++ build active file", "command": "/usr/bin/g++", "args": [ "-std=c++11", "-g", "${fileDirname}/*.cpp", "-o", "${fileDirname}/${fileBasenameNoExtension}", "-I", "${workspaceFolder}/", "-I","/usr/local/include/", "-I","/usr/local/include/opencv4/", "-I","/usr/local/include/opencv4/opencv2", "-L","/usr/local/lib", "/usr/local/lib/libopencv_*" ], "options": { "cwd": "${fileDirname}" }, "problemMatcher": [ "$gcc" ], "group": { "kind": "build", "isDefault": true }, "detail": "Task generated by Debugger." } ] }

3. 配置 launch.json 文件

{ "version": "0.2.0", "configurations": [ { "name": "g++ - Build and debug active file", "type": "cppdbg", "request": "launch", "program": "${fileDirname}/${fileBasenameNoExtension}", "args": [], "stopAtEntry": false, "cwd": "${fileDirname}", "environment": [], "externalConsole": true, "MIMode": "gdb", "setupCommands": [ { "description": "Enable pretty-printing for gdb", "text": "-enable-pretty-printing", "ignoreFailures": true } ], "preLaunchTask": "C/C++: g++ build active file", "miDebuggerPath": "/usr/bin/gdb" } ] }

4. 测试

新建 test.cpp 文件,记得替换自己的图片路径

#include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; int main() { Mat img = imread("/home/wxl/wxl_study_file/OpenCV_practice/test_picture.png", 1); namedWindow("img", WINDOW_FREERATIO); imshow("img", img); waitKey(0); destroyAllWindows(); return 0; }

点击右上角运行程序,自动生成对应的二进制文件

四、在 vscode 中配置 opencv(python) 环境

1. 前面的操作中已经安装了 python3,检查:

python3 --version

没有的话自己在安装 python

2. 检查有无 pip3 ,若无则安装:

sudo apt install python3-pip

3. 安装依赖项,安装 libopencv-dev 依赖包:

sudo apt install libopencv-dev

4. 安装 opencv-python 库

因为系统中已经安装了python3和pip3,所以直接运行。

sudo pip3 install opencv-python

成功之后运行 python3,依次输入:

import cv2 print(cv2.__version__) # 前后各两个下划线

环境配置成功

5. vscode 中安装插件

6. 编写测试文件

import cv2 # 读取图片 image = cv2.imread('test_picture.png') cv2.imshow('Image', image) cv2.waitKey(0) cv2.destroyAllWindows()

运行:

参考文章:

ubuntu安装VSCode并配置opencv_ubuntu vscode配置opencv-ZEEKLOG博客

Unbuntu系统下VScode中配置opencv(c++)环境_ubuntu c++ opencv-ZEEKLOG博客

ubuntu 配置 opencv python安装路径 export ubuntu安装opencv库_mob64ca1418736f的技术博客_51CTO博客

Read more

OpenCode 免费使用 Kimi K2.5 完整指南:国产最强开源模型零成本体验

OpenCode 免费使用 Kimi K2.5 完整指南:国产最强开源模型零成本体验

什么是 Kimi K2.5? Kimi K2.5 是月之暗面 (Moonshot AI) 于 2026 年 1 月发布的开源多模态大模型,总参数量达 1 万亿,激活参数 320 亿,在多项基准测试中超越 Claude Opus 4.5,尤其在编程和 Agent 任务上表现卓越。 OpenCode 作为最热门的开源 AI 编程助手,现已正式支持 Kimi K2.5。更令人兴奋的是,通过多种渠道,你可以限时免费体验这款国产最强开源模型。本文将详细介绍配置方法和使用技巧。 为什么选择 Kimi K2.5? 在深入配置之前,先了解 Kimi K2.5

By Ne0inhk

Vscode中配置Claude code的git bash链接问题

解决VS Code中Claude Code的Git Bash链接问题 问题描述 在VS Code中使用Claude Code时出现错误提示: Error: Claude Code on Windows requires git-bash (https://git-scm.com/downloads/win). 确定git已经安装成果,且按照官方建议设置环境变量CLAUDE_CODE_GIT_BASH_PATH仍无效。 解决方案 删除特定环境变量 在Windows环境变量的用户变量部分,检查并删除CLAUDE_CODE_GIT_BASH_PATH变量(如果存在)。 将Git CMD添加到PATH 编辑用户变量中的Path,添加Git的cmd文件夹路径: * 用户级安装路径:%USERPROFILE%\AppData\Local\Programs\Git\cmd * 全局安装路径:C:\Program Files\

By Ne0inhk
告别996:GitHub Copilot将我的开发效率提升300%的实战记录

告别996:GitHub Copilot将我的开发效率提升300%的实战记录

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕AI这个话题展开,希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * 告别996:GitHub Copilot将我的开发效率提升300%的实战记录 * 引言:从疲惫到高效 * 什么是GitHub Copilot?🤖 * 效率提升300%的核心场景 * 1. 快速生成样板代码 * 2. 自动编写单元测试 * 3. 智能调试与注释 * 集成Copilot到工作流 * 步骤1:设置合理的期望 * 步骤2:结合IDE使用 * 步骤3:代码审查与调整 * 高级用法:超越代码生成 * 数据库查询优化 * API接口设计 * 正则表达式助手 * 数据支撑:效率提升分析 * 避坑指南:常见问题与解决 * 1. 可能生成过时或不安全代码

By Ne0inhk

opencode与Git集成:提交信息自动生成与PR评论辅助

opencode与Git集成:提交信息自动生成与PR评论辅助 1. 引言 在现代软件开发流程中,代码版本管理已成为不可或缺的一环。Git作为主流的分布式版本控制系统,其协作效率直接影响团队开发质量。然而,开发者常面临诸如提交信息撰写耗时、Pull Request(PR)评审意见不一致、上下文缺失等问题。为提升开发体验与协作效率,AI编程助手OpenCode应运而生。 OpenCode 是一个2024年开源的AI编程助手框架,采用Go语言编写,主打“终端优先、多模型支持、隐私安全”。它将大语言模型(LLM)封装为可插拔的Agent,支持在终端、IDE和桌面三端运行,并允许用户一键切换Claude、GPT、Gemini或本地模型,实现代码补全、重构、调试、项目规划等全流程辅助。结合vLLM推理引擎与内置Qwen3-4B-Instruct-2507模型,OpenCode可高效部署于本地环境,打造高性能、低延迟的AI coding应用。 本文聚焦OpenCode与Git的深度集成能力,重点介绍如何利用其自动化生成提交信息、辅助PR评论的功能,提升开发者的日常工作效率。 2. Op

By Ne0inhk