在树莓派2或树莓派B+上安装Python和OpenCV的教程

我的Raspberry Pi 2昨天刚邮到，这家伙看上去很小巧可爱。

这小家伙有4核900MHZ的处理器，1G内存。要知道，Raspberry Pi 2 可比我中学电脑实验室里大多数电脑快多了。

话说，自从Raspberry Pi 2发布以来，我收到了很多请求，要求我能写一个在它上面安装OpenCV和Python的详细说明。

因此如果你想在Raspberry Pi启动运行OpenCV和Python，就往下面看！

在博文的剩余部分，我将提供在Raspberry Pi 2 和Raspberry Pi B+上的详细安装说明。

我也会说明每一步的安装耗时。其中一些步骤需要较多的处理时间。举个例子，在Raspberry Pi 2 编译OpenCV花费大概2.8小时，在 Raspberry Pi B+上则是9.5小时。所以请你据此安排你的安装吧。

最后，提醒一下我们会在PyImageSearch Gurus 计算机视觉课程中用到Raspberry Pi。我们的项目将会包括家庭监控应用，例如说房间里面的运动检测和人员跟踪。

下面是一个运动检测和跟踪的简单例子，当时我正打着电话在公寓里面来回走动。
在 Raspberry Pi 2/B+上安装OpenCV和Python

这里假定你已经有了Raspberry Pi 2/B+，且已经安装好。如果没有的话，我建议你买一个，它们既便宜也好玩。

个人来说，我更愿意多花一点钱从Canakit买。他们的物流很快也比较可靠，加之他们的 ready-to-go服务也很好。

好吧，我们开始OpenCV和Python的安装
步骤0：

我们假定你已经打开Raspberry Pi 2/B+。打开终端，我们先更新和升级已安装的软件包，然后更新Raspberry Pi固件。

    $ sudo apt-get update
    $ sudo apt-get upgrade
    $ sudo rpi-update

步骤1：

安装所需的安装工具和包：

    $ sudo apt-get install build-essential cmake pkg-config

build-essential 和 pkg-config可能都已经安装。以防万一，我们还是将它们键入apt-get命令中。

耗时：

Raspberry Pi B+：小于2分钟

Raspberry Pi 2：小于40秒
步骤2：

安装必要的图像I/O包，这样你才可以读入JPEG，PNG，TIFF等这些格式的图像。

    $ sudo apt-get install libjpeg8-dev libtiff4-dev libjasper-dev libpng12-dev

耗时：

Raspberry Pi B+： 小于5钟

Raspberry Pi 2： 小于30秒
步骤3：

安装GTK开发库，这个库用来构建GUI。同时OpenCV中的highgui库也需要它来在屏幕上显示图像。

    $ sudo apt-get install libgtk2.0-dev

耗时：

Raspberry Pi B+： 小于10分钟

Raspberry Pi 2：小于3分钟
步骤4：

安装必要的视频I/O包，OpenCV需要它们来读入视频文件。

    $ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev

耗时：

Raspberry Pi B+： 小于5分钟

Raspberry Pi 2： 小于30秒
步骤5：

安装OpenCV优化操作时所需库。

    $ sudo apt-get install libatlas-base-dev gfortran

耗时：

Raspberry Pi B+：小于2分钟

Raspberry Pi 2：小于30秒
步骤6：

安装pip:

    $ wget https://bootstrap.pypa.io/get-pip.py
    $ sudo python get-pip.py

耗时：

Raspberry Pi B+：小于2分钟

Raspberry Pi 2：小于30秒
步骤7：

安装virtualenv和virtualenvwrapper

    $ sudo pip install virtualenv virtualenvwrapper

然后，更新~/.profile文件如下：

    export WORKON_HOME=$HOME/.virtualenvs
    source /usr/local/bin/virtualenvwrapper.sh

重新载入.profile文件：

    $ source ~/.profile

创建你的计算机视觉虚拟环境

    $ mkvirtualenv cv

耗时：

Raspberry Pi B+： 小于2分钟

Raspberry Pi 2： 小于2分钟
步骤8：

现在我们安装Python 2.7开发工具：

    $ sudo apt-get install python2.7-dev

注意：我们将使用Python2.7。因为OpenCV 2.4.X不支持Python 3，也不太清楚OpenCV 3.0的python接口什么时候才能完善。所以我建议现在还是使用OpenCV2.4.X的好。

我们也需要安装NumPy,因为OpenCV的Python接口通过Numpy的多维数组来表示图像。

    $ pip install numpy

耗时：

Raspberry Pi B+： 小于45分钟

Raspberry Pi 2： 小于15分钟
步骤9：

下载和解压OpenCV：

    $ wget -O opencv-2.4.10.zip http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.4.10/opencv-2.4.10.zip/download
    $ unzip opencv-2.4.10.zip
    $ cd opencv-2.4.10

安装：

    $ mkdir build
    $ cd build
    $ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_NEW_PYTHON_SUPPORT=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON ..

耗时：

Raspberry Pi B+: 小于3分钟

Raspberry Pi 2: 小于1.5分钟

编译OpenCV：

    $ make

重要：确定你在cv虚拟环境中，OpenCV也要根据该环境中的Python和NumPy中进行编译。否则的话，OpenCV就会和系统中的Python和NumPy编译在一起，会产生各种问题。

耗时：

Raspberry Pi B+： 小于 9.5 小时

Raspberry Pi 2： 小于2.8小时

最后，我们安装OpenCV：

    $ sudo make install
    $ sudo ldconfig

耗时：

Raspberry Pi B+： 小于 3分钟

Raspberry Pi 2： 小于1分钟
步骤10：

进行到这一步的时候，OpenCV已经应该已经安装到/usr/local/lib/python2.7/site-packages中了。

但是为了在cv虚拟环境中使用OpenCV，我们先需要符合链接到我们的site-packages目录：

    $ cd ~/.virtualenvs/cv/lib/python2.7/site-packages/
    $ ln -s /usr/local/lib/python2.7/site-packages/cv2.so cv2.so
    $ ln -s /usr/local/lib/python2.7/site-packages/cv.py cv.py

步骤11：

最后，我们测试一下OpenCV和Python的安装：

    $ workon cv
    $ python
    >>> import cv2
    >>> cv2.__version__
    '2.4.10'

OpenCV和Python已经成功安装到你的Raspberry Pi了。

这是在我的Raspberry Pi上的运行例子，我ssh登录到 Raspberry Pi，然后读取和显示一幅图像。
总结

这篇博文中，我详细介绍了如何在Raspberry Pi 2 /Raspberry Pi B+上安装Python和OpenCV。也提供了他们的安装耗时，请酌情考虑你的安装。

随着Raspberry Pi的升级，安装指令可能有所变化。如果你遇到一些极端情况或安装指令的变化，请随时联系我。当然我也不能保证每封邮件都能回复，所以最好是将如何在 Raspberry Pi上安装OpenCV和Python的方法总结成一个列表。

不久以后，我会讲如何在Raspberry Pi操作其附加的camera。

在那之前，看看PyImageSearch Gurus计算机视觉课程。我们将在其中一些工程中用到Raspberry Pi，就比如说构建一个监控应用来进行房间内部的运动检测和人员跟踪。