OpenCV auf dem Raspberry Pi installieren

Wer sich mit Bildverarbeitung im Bezug zum Raspberry Pi beschäftigt hat, wird früher oder später über die Bibliothek OpenCV stoßen. Dabei werden viele sehr nützliche Funktionen wie Gesichtserkennung, das Erstellen von Tiefenkarten (Stereo Vision, Optical Flow), Texterkennung oder auch für Machine Learning bereit gestellt. Außerdem kann man OpenCV (Open Source Computer Vision) sowohl in seine C++ Dateien als auch in seine Python Skripte einbinden.
Gerade im Bezug auf Feature-Erkennung in Bildern, welche vom Raspberry Pi aufgenommen wurden, ist OpenCV sehr hilfreich.

In diesem Tutorial für Fortgeschrittene wird die Installation von OpenCV auf dem Raspberry Pi und das einbinden in Python gezeigt.

Vorerst möchte ich jedem ans Herz legen einen Raspberry Pi 2 Model B zu verwenden, da dieser um einiges leistungsstärker als die Vorgänger ist. Selbst auf einem Raspberry Pi B+ dauert das Kompilieren ca. 6 mal so lange, wobei ein Pi 2 insgesamt „nur“ ca. eine Stunde braucht.

Erst einmal updaten wir die Paketlisten:

sudo apt-get update && sudo apt-get upgrade && sudo rpi-update

Es ist ein Neustart nötig, falls geupdated wurde.

sudo reboot

Anschließend können alle wichtigen Tools und Bibliotheken, die für OpenCV nötig sind, installiert werden (die Installation dauert ein paar Minuten).

sudo apt-get install build-essential git cmake pkg-config libjpeg8-dev libtiff4-dev libjasper-dev libpng12-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk2.0-dev libatlas-base-dev gfortran

Hat alles geklappt können wir OpenCV von git klonen. Auch dieser Schritt dauert einige Minuten.

git clone https://github.com/Itseez/opencv.git && cd opencv &&git checkout 3.0.0

Ob Version 3.0 oder 2.4 von OpenCV genommen wird, bleibt dir überlassen. Je nach Anwendung kann eine Version besser geeignet sein.

Anschließend kann OpenCV kompiliert werden. Hierbei kann entweder Python 2.7 oder aber Python 3+ verwendet werden. Es gibt einige Unterschiede zwischen den Versionen, vor allem sind einige Bibliotheken (noch) nicht mit Python 3+ lauffähig. Das betrifft allerdings vor allem kleinere Bibliotheken, da verbreitete Bibliotheken (NumPy, SciPy, etc.) meist für beide Versionen die jeweiligen Dateien zur Verfügung stellen.

In diesem Tutorial verwende ich Python 2.7. Falls du Python bereits installiert hast und feststellen möchtest, welche Version installiert ist, kannst du einfach python in die Konsole eingeben und bekommst ganz am Anfang die genaue Version mitgeteilt (der Befehl für Python 3+ ist python3). Falls du noch kein Python installiert hast, kannst du es mittels folgendem installieren:

sudo apt-get install python2.7-dev

Außerdem brauchen wir das Paket-Management Tool pip, womit wir gleich NumPy installieren:

cd ~ && wget https://bootstrap.pypa.io/get-pip.py && sudo python get-pip.py

Jetzt können wir einfach über pip numpy installieren. NumPy ist eine Bibliothek, mit der man in Python sehr einfach und vor allem schnell Array-Operationen durchführen kann.

pip install numpy

Nun aber zum kompilieren von OpenCV. Dazu muss ein build Ordner erstellt werden, worin die kompilierten Dateien landen:

cd ~/opencv && mkdir build && cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE \
 -D CMAKE_INSTALL_PREFIX=/usr/local \
 -D INSTALL_PYTHON_EXAMPLES=ON \
 -D INSTALL_C_EXAMPLES=ON \
 -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \
 -D BUILD_EXAMPLES=ON ..

Nun kann endlich kompiliert werden. Dieser Schritt dauert (je nach Raspberry Pi Modell) recht lange (auf meinem Pi 2 ca. eine Stunde). Um auf dem Raspberry Pi 2 alle vier Kerne zum kompilieren zu benutzen, tippen wir folgendes ein:

make -j4

Hat das kompilieren soweit ohne Probleme geklappt, können wir OpenCV installieren lassen:

sudo make install && sudo ldconfig

Geschafft!

Um zu überprüfen, ob alles geklappt hat kannst du die Python Konsole öffnen und die Bibliothek importieren:

Nun kannst du alle OpenCV Funktionen in deinen Projekten verwenden. Ein Blick in die OpenCV Dokumentation ist sicherlich hilfreich.