本文目录一览：
如何安装opencv库?
1、安装 OpenCV 库 安装 OpenCV，无论是 Python 版本还是 C++ 版本，你都可以在命令行中完成。使用 Python 版本时，只需要在 Anaconda Prompt 中输入命令“pip install opencv-python”，安装就完成了。导入 cv2 库后，就可以使用 OpenCV 进行编程。运行结果：成功安装了 OpenCV 0。
2、OpenCV库通过知乎分享的已编译版本下载，路径为D：/c。使用Git Bash在D：/c目录下载资源。将build文件夹中的bin路径添加到环境变量Path。将build文件夹内的include和lib内容分别复制到g++相关目录下，或调整vscode的json配置文件设置includepath和添加静态链接库路径。
3、打开计算机属性设置，进入高级系统设置，进一步点击环境变量。在系统变量中，找到PATH变量，点击编辑，然后添加D：\Program Files\opencv\build\x86\vc10\bin路径，以确保编译器能够正确识别所需的OpenCV库。完成上述步骤后，可以利用MingW工具链进行OpenCV的编译与安装。
Ubuntu18.04安装opencv和opencv_contrib(SIFT,SURF,ORB使用)
1、执行make install命令，将opencv安装到系统中。 修改环境变量添加opencv路径。安装步骤 完成上述步骤后，opencv及opencv_contrib安装配置完成。验证安装成功，通过查看版本信息。代码实现 使用已安装的opencv库，编写代码测试两张图片提取SIFT、ORB、SURF特征并进行配准。
2、在 Ubuntu 系统中，安装过程相对简洁。在终端中修改 code snippet 1-6 中的 cmake 命令，加入扩展安装包的路径。其他步骤与安装 OpenCV 基础模块保持一致。经过配置后，你将能够在 Windows 或 Ubuntu 上激活并使用 OpenCV_contrib 扩展模块提供的众多功能。
3、在OpenCV中实现图像拼接和图像修复，可以按照以下步骤进行：图像拼接： 特征检测：使用SIFT、SURF或ORB等特征检测算法来提取图像中的关键点。 特征匹配：使用特征匹配算法，如FLANN或BFMatcher，来寻找匹配的关键点对。 几何变换：使用RANSAC算法来确定最优的几何变换矩阵，这个矩阵可以将两张图像对齐。
4、使用opencv内置的库读取两幅图片 生成一个SiftFeatureDetector的对象，这个对象顾名思义就是SIFT特征的探测器，用它来探测衣服图片中SIFT点的特征，存到一个KeyPoint类型的vector中。
5、以一个简单的示例展示如何在OpenCV中实现图像拼接和修复：首先，加载和准备需要拼接或修复的图像。接着，根据图像的特征（如边缘、角点或特征点）进行对齐。然后，使用相应的算法（例如，使用SIFT、SURF或ORB特征匹配算法）计算图像间的匹配。
6、为了在OpenCV中完成图像拼接，我们可以使用SIFT、SURF或ORB等特征检测算法来提取图像中的关键点，并使用特征匹配算法如FLANN或BFMatcher来寻找匹配的关键点对。接着，使用RANSAC算法来确定最优的几何变换矩阵，以实现图像拼接。最后，通过将匹配的图像块进行无缝融合，生成最终的拼接图像。
win7下opencv怎么安装配置
电脑系统为win7 64位，配置opencv0于Anaconda3-0下时，首先需从官网下载最新版本的Anaconda3-0，该版本已支持Python6。安装过程中应注意，安装路径应为非汉语命名的文件夹路径，并且一定要选择“Add PATH TO ...”(增加环境变量)，即使软件不建议也应选择此选项。
如何使用：最简单的，硬盘安装，就是下好之后，双击setup.exe自动开始安装（我就是这么装的），其他的还有U盘、刻录光盘安装等，差不多吧。驱动：windows7如果是官方原版那要安装驱动（我的是原本，所以自己下驱动安装）。
。 配置环境变量，配置好环境变量之后有可能要重启计算机才会有效，我就属于这种情况。
首先用Anaconda是因为方便（管理方便，包安装真心不方便）。
在Python中配置opencv Windows下Python安装OpenCV详细步骤 本机Win7，Python5，OpenCV9 将D：\OpenCV\opencv\build\python\7\x86下的cvpyd文件copy到D：\Python\Python35-32\Lib\site-packages文件夹中。