4. OpenCV 环境搭建：Windows/Linux 下安装、Python 绑定与验证
说到标定，OpenCV 就是咱们吃饭的碗。没有它，再好的算法也跑不起来。
这一章，我带你把环境搭好。Windows 和 Linux 我都会讲，Python 绑定也一并搞定。最后咱们跑个验证脚本，确保一切就绪。
4.1 为什么选 OpenCV？
你可能想问：标定工具那么多，为什么非用 OpenCV 不可？
我个人的看法是：OpenCV 的标定模块经过十几年工业验证，稳定、高效、文档全。我在项目里遇到过用 MATLAB 标定结果和 OpenCV 对不上的情况，后来发现是坐标系定义不同。OpenCV 的棋盘格标定流程，说白了就是行业标准。
核心优势：
- 开源免费，社区活跃
- Python 绑定成熟，开发效率高
- 标定精度经过大量项目验证
- 支持多种标定板（棋盘格、圆点阵、ChArUco）
4.2 Windows 下安装 OpenCV
Windows 环境我推荐用 pip 直接装。简单、干净、好维护。
4.2.1 安装 Python
先去 python.org 下载 Python 3.8 或更高版本。安装时记得勾选「Add Python to PATH」。
小建议：我个人习惯用 Python 3.9，兼容性最好。3.11 以上有些旧版 OpenCV 的 wheel 可能不提供，别踩这个坑。
4.2.2 用 pip 安装 OpenCV
打开命令提示符（CMD），直接跑：
pip install opencv-python
pip install opencv-contrib-python # 包含额外模块第一个包是核心库，第二个包带 extra modules，比如标定用的 aruco 模块就在里面。我建议两个都装，省得后面缺东西。
4.2.3 验证安装
装完后，在 Python 里试一下：
import cv2
print(cv2.__version__)如果能正常输出版本号，比如 4.8.0，那就成了。
注意：如果你遇到 DLL 加载失败，大概率是 Visual C++ Redistributable 没装。去微软官网下载最新的 VC++ 运行库装上就好。
4.3 Linux 下安装 OpenCV
Linux 下有两种主流方式：apt 安装和源码编译。我分别说说。
4.3.1 用 apt 安装（Ubuntu/Debian）
这是最快的方式，适合快速验证：
sudo apt update
sudo apt install python3-opencv装完后同样验证一下：
python3 -c "import cv2; print(cv2.__version__)"经验之谈：apt 安装的 OpenCV 版本通常比官方晚一两个小版本。如果你需要最新特性，或者要编译带 CUDA 的版本，那就得走源码编译了。
4.3.2 源码编译（推荐生产环境）
我在做工业项目时，几乎都是源码编译。为什么？因为可以定制模块，还能开启优化选项。
编译步骤大致如下：
- 安装依赖：
sudo apt install build-essential cmake git pkg-config
sudo apt install libjpeg-dev libtiff-dev libpng-dev
sudo apt install libavcodec-dev libavformat-dev libswscale-dev
sudo apt install libgtk2.0-dev libcanberra-gtk-module
sudo apt install python3-dev python3-numpy python3-pip- 下载源码并编译：
git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git
cd opencv
mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \
-D BUILD_opencv_python3=ON \
-D WITH_TBB=ON \
-D WITH_V4L=ON \
-D WITH_GTK=ON \
-D WITH_OPENGL=ON ..
make -j$(nproc)
sudo make install我曾经踩过的坑：编译时忘记加 -D BUILD_opencv_python3=ON，结果装完发现 Python 绑定没生成。白编译了俩小时。你记得检查 cmake 输出里 Python3 那行是不是 YES。
4.4 Python 绑定详解
OpenCV 的 Python 绑定，本质上是 C++ 代码的封装。你调用的 cv2.imread()，底层跑的是 C++ 的 imread 函数。
绑定方式有两种：
| 方式 | 说明 | 适用场景 |
|---|---|---|
| pip 安装 | 预编译 wheel，即装即用 | 开发测试、学习 |
| 源码编译 | 自定义模块，可开启优化 | 生产环境、嵌入式设备 |
我个人更推荐源码编译，尤其是做标定这种对精度和性能有要求的任务。你可以开启 TBB 并行加速，还能把 aruco、sfm 这些模块都编进去。
4.5 验证安装：跑一个完整的标定测试
环境搭好了，咱们得真刀真枪试一下。下面这个脚本会生成一个虚拟棋盘格，然后模拟标定流程：
import cv2
import numpy as np
# 生成棋盘格角点
pattern_size = (9, 6)
objp = np.zeros((pattern_size[0] * pattern_size[1], 3), np.float32)
objp[:, :2] = np.mgrid[0:pattern_size[0], 0:pattern_size[1]].T.reshape(-1, 2)
# 模拟一张图像
img = np.ones((480, 640, 3), dtype=np.uint8) * 255
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 检查是否能正常调用标定函数
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(
[objp], [np.zeros((54, 2), dtype=np.float32)],
gray.shape[::-1], None, None
)
print("标定函数调用成功！")
print("内参矩阵：\n", mtx)如果脚本能跑通，说明你的 OpenCV 环境完全就绪，可以开始真正的标定工作了。
验证清单：
- cv2.__version__ 能输出版本号
- cv2.imread() 能正常读取图片
- cv2.findChessboardCorners() 能检测角点
- cv2.calibrateCamera() 能正常返回结果
4.6 知识体系总览
下面这张图，把本章的核心逻辑串起来了：
4.7 常见问题与避坑指南
- ImportError: No module named cv2 —— 大概率是 Python 环境没对上。检查你用的是不是装 OpenCV 的那个 Python 解释器。
- 编译时找不到 Python 库 —— 记得装 python3-dev 包。我在 Ubuntu 18.04 上就吃过这个亏。
- 标定结果不稳定 —— 先别怀疑算法，检查一下 OpenCV 版本。4.5.3 之前有个棋盘格角点排序的 bug，升级就能解决。
- Windows 下 pip 安装报错 —— 试试用管理员权限打开 CMD，或者升级 pip 到最新版：
python -m pip install --upgrade pip
我的习惯：每次搭好环境，我都会跑一遍 OpenCV 自带的 samples 里的 calibrate.py。它能用摄像头实时标定，是检验环境是否完整的黄金标准。