在Linux上使用OpenCvSharp的过程详解

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，它具有C++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS。OpenCvSharp是一个OpenCV的 .Net wrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，该库采用LGPL发行，对商业应用友好。

1. 项目环境

编码环境：Visual Studio Code
程序框架：.NET 6.0

目前在Linux上使用C#语言官方提供了Visual Studio Code平台，所以在此处我们演示使用Visual Studio Code进行演示。而代码的运行与配置使用dotnet指令实现。

关于Visual Studio Code以及.NET的安装方式可以参考一下官方教程：

在 Linux 上安装 .NET：由于Linux系统环境类型较多，所以可以根据官方提供的教程并根据自己的系统安装即可；

Visual Studio Code on Linux：大家可以根据自己的环境进行安装。

2. 创建控制台项目

此处使用dotnet指令创建新项目，在Visual Studio Code的终端中输入一下指令：

dotnet new console –framework net6.0 –use-program-main -o test_opencvsharp

如下图所示，在终端中输入以下指令后，会自动创建新的项目以及项目文件夹。

在创建好项目后，我们使用vscode打开，输入以下指令，如下图所示：

test_opencvsharp
code .

3. 添加 Nuget Package 程序包

OpenCvSharp4是一个可以跨平台使用的程序包，并且官方也提供了编译好的程序包，用户可以根据自己的平台进行安装。在Linux上，主要需要安装一下两个包，分别是OpenCvSharp4的官方程序包以及OpenCvSharp4的运行依赖包。

dotnet add package OpenCvSharp4
dotnet add package OpenCvSharp4_.runtime.ubuntu.20.04-x64

依次输入指令后输出如下图所示：

安装完上面两个安装包后，项目的配置的文件中会增加下面两个配置。

<Project Sdk=\”Microsoft.NET.Sdk\”>
<PropertyGroup>
<OutputType>Exe</OutputType>
<TargetFramework>net6.0</TargetFramework>
<ImplicitUsings>enable</ImplicitUsings>
<Nullable>enable</Nullable>
</PropertyGroup>
<ItemGroup>
<PackageReference Include=\”OpenCvSharp4\” Version=\”4.9.0.20240103\” />
<PackageReference Include=\”OpenCvSharp4_.runtime.ubuntu.20.04-x64\” Version=\”4.9.0.20240103\” />
</ItemGroup>
</Project>

接下来运行dotnet run，检验项目中是否包含所需要的配置文件：OpenCvSharp.dll、runtimes/ubuntu.20.04-x64/native/。打开项目运行生成的文件夹bin/{build_config}/{dotnet_version}/，在本项目中是bin/Debug/net6.0/文件夹，如下图所示：

可以看出，在程序运行后，安装的程序包中所有项目都已经加载到当前项目中，如果出现缺失，就需要找到程序包位置，将该文件复制到指定路径。

5. 安装依赖项目

在上面的测试中，并为使用到安装的OpenCvSharp4，因此运行并未出现其他错误，如果主机电脑之前没有安装使用过OpenCV，所以第一次使用需要配置依赖项目。首先第一步检查一下缺少什么依赖项，在终端中输入以下指令：

ldd libOpenCvSharpExtern.so

如上图所示，经过ldd检测后，发现存在未安装的依赖，接下爱就是安装相应的依赖项，首先是解决tesseract缺少，在终端输入以下指令：

sudo apt install tesseract-ocr

安装完成后再进行依赖项检测，如下图所示：

可以看出，经过安装后，该依赖项已经可以检测到，接下来就是安装其他依赖项，依次输入以下指令即可：

sudo apt install libdc1394-dev
sudo apt install libavcodec-dev
sudo apt install libavformat-dev
sudo apt install libswscale-dev
sudo apt install libopenexr-dev

最后，安装完成后，在进行检测，如下图所示，可以看出，目前已经成功检测到所有依赖项，程序就可以正常使用了。

4. 测试应用

最后我们编写项目代码进行测试，如下面代码所示：

using System;
using OpenCvSharp;
namespace test_opencvsharp
{
internal class Program
{
static void Main(string[] args)
{
Mat image = Cv2.ImRead(\”image.jpg\”);
Mat image2=new Mat();
if (image!=null)
{
Console.WriteLine(\”srcImg is OK!\”);
}
Console.WriteLine(\”图像的宽度是：{0}\”,image.Rows);
Console.WriteLine(\”图像的高度是：{0}\”, image.Cols);
Console.WriteLine(\”图像的通道数是：{0}\”, image.Channels());
Cv2.ImShow(\”src\”, image);
Cv2.CvtColor(image, image2, ColorConversionCodes.RGB2GRAY);//转为灰度图像
Cv2.ImShow(\”src1\”, image2);
Cv2.WaitKey(0);
Cv2.DestroyAllWindows();//销毁所有窗口
}
}
}