📚 课程目录第4章 Python环境与依赖库安装

4. Python 环境与依赖库安装

做相机标定，说白了就是跟 Python 和几个关键库打交道。我见过不少新手，代码写好了，结果环境配了一整天——版本冲突、路径不对、库装不上。嗯，这一章咱们就把这事彻底搞定。

4.1 Anaconda：为什么我推荐它

Python 环境管理工具不少，但我个人习惯用 Anaconda。为什么？因为它自带 conda 包管理器，能帮你隔离项目环境。你想想看，做标定用 OpenCV 4.x，做深度学习可能要用 OpenCV 3.x，要是全装在一个环境里，迟早出问题。

核心思路：每个项目一个独立环境，互不干扰。

安装步骤

去 Anaconda 官网 下载对应系统的安装包（Python 3.9+ 版本）
安装时勾选 "Add Anaconda to my PATH environment variable"（省事）
安装完成后打开终端，输入 conda --version 验证

我曾经踩过的坑：Windows 上没勾选 PATH，结果每次都要手动切目录。后来我干脆重装了。建议你一步到位。

4.2 创建标定专用环境

我个人习惯给每个项目建独立环境。这样哪怕某个库升级了，也不会影响其他项目。

# 创建环境，指定 Python 版本
conda create -n camera_calib python=3.9

# 激活环境
conda activate camera_calib

# 验证当前环境
python --version

环境名 camera_calib 你可以随便改，但建议起个有意义的。我见过有人起名叫 test1，三个月后自己都忘了是干嘛的。

4.3 核心依赖库安装

标定脚本依赖五个库：OpenCV、NumPy、Matplotlib、glob、os。其中 glob 和 os 是 Python 标准库，不用装。剩下三个需要手动安装。

库名	用途	安装命令
OpenCV	图像读取、角点检测、标定计算	`pip install opencv-python`
NumPy	矩阵运算、数组处理	`pip install numpy`
Matplotlib	可视化标定结果、绘制误差图	`pip install matplotlib`

小技巧：如果你需要 OpenCV 的 GUI 功能（比如显示图像窗口），装 opencv-python-headless 是不够的，必须装完整版 opencv-python。我在服务器上踩过这个坑，折腾了半天才发现。

一键安装命令

pip install opencv-python numpy matplotlib

装完之后，建议用下面这段代码验证一下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
import glob
import os

print("OpenCV version:", cv2.__version__)
print("NumPy version:", np.__version__)
print("All libraries imported successfully!")

如果没报错，说明环境配好了。如果报 ModuleNotFoundError，多半是没激活环境，或者 pip 装到了别的环境里。

4.4 版本兼容性说明

不同版本的库可能会有兼容性问题。我整理了一张表，方便你对照：

库名	推荐版本	最低版本	备注
Python	3.9	3.7	3.10+ 部分旧版 OpenCV 不兼容
OpenCV	4.8.0	4.5.0	4.x 系列都行，别用 3.x
NumPy	1.24.3	1.21.0	新版 OpenCV 依赖 NumPy
Matplotlib	3.7.1	3.5.0	画图用，版本影响不大

注意：如果你用的是 M1/M2 Mac，装 OpenCV 时可能会遇到 architecure not supported 错误。解决办法是装 conda install -c conda-forge opencv，别用 pip。

4.5 环境验证与常见问题

装完库之后，我建议你跑一个完整的验证脚本。这能提前暴露问题，而不是等到写标定代码时才抓狂。

验证脚本

import cv2
import numpy as np

# 1. 测试图像读取
img = np.zeros((480, 640, 3), dtype=np.uint8)
cv2.imwrite('test.jpg', img)
img_read = cv2.imread('test.jpg')
print("Image read test:", "PASS" if img_read is not None else "FAIL")

# 2. 测试角点检测
gray = np.zeros((480, 640), dtype=np.uint8)
ret, corners = cv2.findChessboardCorners(gray, (9, 6))
print("Chessboard detection test:", "PASS" if ret else "FAIL (expected)")

# 3. 测试矩阵运算
a = np.array([[1, 2], [3, 4]])
b = np.linalg.inv(a)
print("Matrix inversion test:", "PASS")

print("\nAll tests completed!")

常见问题速查

ImportError: No module named cv2 → 没装 opencv-python，或者装到了别的环境
numpy.core.multiarray failed to import → NumPy 版本不兼容，降级到 1.24.x
libGL.so.1: cannot open shared object file → Linux 上缺 OpenGL 库，装 libgl1-mesa-glx
qt.qpa.plugin: Could not load the Qt platform plugin → Matplotlib 后端问题，加一行 import matplotlib; matplotlib.use('Agg')

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。你可以把它当成一个检查清单：

4.7 写在最后

环境配置这事，说白了就是一次性的体力活。但千万别图省事跳过验证步骤。我记得有次帮同事排查问题，他标定结果一直不对，最后发现是 OpenCV 版本太旧，findChessboardCorners 的参数接口都不一样。嗯，这种坑，配好环境就能避免。