ARM64 Petalinux 下 OpenCV 4.1.0 动态库手动编译与集成指南

在嵌入式 Linux 开发中，特别是使用 Xilinx Petalinux 构建的系统中，经常需要在 ARM64 架构上使用 OpenCV 进行图像处理。然而，Petalinux 默认提供的 OpenCV 版本可能较低，或者缺少某些必要的功能。因此，我们需要手动编译 OpenCV 4.1.0 源码，生成 ARM64 动态库 (.so)，然后在 Petalinux 中进行打包和使用。本文将详细介绍这一过程，并分享一些实战中的避坑经验。

准备工作

1. Petalinux 开发环境： 确保已搭建好 Petalinux 开发环境，包括 Petalinux 工具链和 SDK。并且需要配置好环境变量，例如 source /opt/petalinux/2019.1/settings.sh。
2. OpenCV 4.1.0 源码： 从 OpenCV 官网下载 OpenCV 4.1.0 源码包 (opencv-4.1.0.zip)。
3. 交叉编译工具链： 确认已安装并配置好 ARM64 的交叉编译工具链。Petalinux SDK 中自带，通常位于 /<petalinux_project>/components/yocto/sdk/sysroots/x86_64-petalinux-linux/usr/bin/aarch64-linux-gnu/。

编译 OpenCV 4.1.0

1. 解压源码

unzip opencv-4.1.0.zip
cd opencv-4.1.0

2. 创建构建目录

mkdir build
cd build

3. 配置 CMake

这是最关键的一步。需要根据 Petalinux 环境配置 CMake 参数，指定交叉编译工具链、安装路径等。

cmake -DCMAKE_BUILD_TYPE=Release \
    -DCMAKE_INSTALL_PREFIX=/home/user/opencv_install \
    -DCMAKE_TOOLCHAIN_FILE=../platforms/linux/arm64-gnu.toolchain.cmake \
    -DBUILD_SHARED_LIBS=ON \
    -DBUILD_EXAMPLES=OFF \
    -DWITH_CUDA=OFF \
    -DWITH_OPENCL=OFF \
    -DWITH_IPP=OFF \
    -DENABLE_NEON=ON \
    -DCMAKE_C_COMPILER=/opt/petalinux/2019.1/components/yocto/sdk/sysroots/x86_64-petalinux-linux/usr/bin/aarch64-linux-gnu/aarch64-linux-gnu-gcc \
    -DCMAKE_CXX_COMPILER=/opt/petalinux/2019.1/components/yocto/sdk/sysroots/x86_64-petalinux-linux/usr/bin/aarch64-linux-gnu/aarch64-linux-gnu-g++ \
    ..

注意：

• -DCMAKE_INSTALL_PREFIX 指定了 OpenCV 的安装目录，后续打包需要用到。
• -DCMAKE_TOOLCHAIN_FILE 可以使用 OpenCV 源码自带的 toolchain 文件，也可以手动创建一个，根据实际情况修改。
• -DBUILD_SHARED_LIBS=ON 必须设置为 ON，才能生成动态库 (.so)。
• -DWITH_CUDA=OFF、-DWITH_OPENCL=OFF、-DWITH_IPP=OFF 关闭不需要的模块，可以加快编译速度，并减小库的大小。嵌入式设备资源有限，尽量精简。
• -DENABLE_NEON=ON 启用 NEON 指令集优化，可以提高 OpenCV 的性能。
• CMAKE_C_COMPILER 和 CMAKE_CXX_COMPILER 指定了交叉编译器的路径，需要根据实际情况修改。

例如，手动创建 arm64-gnu.toolchain.cmake 文件内容如下：

SET(CMAKE_SYSTEM_NAME Linux)
SET(CMAKE_SYSTEM_PROCESSOR aarch64)

SET(CMAKE_SYSROOT /opt/petalinux/2019.1/components/yocto/sdk/sysroots/cortexa72-cortexa53-xilinx-linux)
SET(CMAKE_STAGING_PREFIX /home/user/opencv_install)

SET(CMAKE_C_COMPILER /opt/petalinux/2019.1/components/yocto/sdk/sysroots/x86_64-petalinux-linux/usr/bin/aarch64-linux-gnu/aarch64-linux-gnu-gcc)
SET(CMAKE_CXX_COMPILER /opt/petalinux/2019.1/components/yocto/sdk/sysroots/x86_64-petalinux-linux/usr/bin/aarch64-linux-gnu/aarch64-linux-gnu-g++)

SET(CMAKE_FIND_ROOT_PATH  ${CMAKE_SYSROOT})

SET(CMAKE_FIND_ROOT_PATH_MODE_PROGRAM NEVER)
SET(CMAKE_FIND_ROOT_PATH_MODE_LIBRARY ONLY)
SET(CMAKE_FIND_ROOT_PATH_MODE_INCLUDE ONLY)

4. 编译和安装

make -j4  # 使用 4 个线程进行编译，加快速度
sudo make install

编译完成后，OpenCV 动态库和头文件将被安装到 -DCMAKE_INSTALL_PREFIX 指定的目录中（这里是 /home/user/opencv_install）。

在 Petalinux 中打包使用

1. 创建 Petalinux 应用

使用 Petalinux 工具创建一个新的应用，例如 opencv_test。

petalinux-create -t apps --template c --name opencv_test --enable
cd opencv_test/src

2. 编写测试代码

编写一个简单的 OpenCV 测试代码，例如读取一张图片并显示出来。

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char** argv ) {
    if ( argc != 2 ) {
        cout <<"usage: DisplayImage.out <Image_Path>" << endl;
        return -1;
    }

    Mat image = imread( argv[1], IMREAD_COLOR ); // 读取图片

    if ( !image.data ) {
        cout << "No image data " << endl;
        return -1;
    }

    namedWindow( "Display window", WINDOW_AUTOSIZE ); // 创建窗口
    imshow( "Display window", image );                // 显示图片

    waitKey(0); // 等待按键

    return 0;
}

3. 修改 Makefile

修改 Makefile，添加 OpenCV 的头文件和库文件路径。

APP = opencv_test

SRCS = $(APP).c

CFLAGS = -Wall -O2

# 添加 OpenCV 头文件路径
CFLAGS += -I/home/user/opencv_install/include
CFLAGS += -I/home/user/opencv_install/include/opencv2

# 添加 OpenCV 库文件路径
LDFLAGS += -L/home/user/opencv_install/lib

# 添加 OpenCV 库
LDLIBS += -lopencv_core -lopencv_imgcodecs -lopencv_imgproc -lopencv_highgui

all: $(APP)

$(APP): $(SRCS)
	$(CC) $(CFLAGS) -o $(APP) $(SRCS) $(LDFLAGS) $(LDLIBS)

clean:
	rm -f $(APP) *.o

注意：

• 需要根据实际情况修改 OpenCV 的头文件和库文件路径。
• -lopencv_core、-lopencv_imgcodecs、-lopencv_imgproc、-lopencv_highgui 是 OpenCV 依赖的库，需要根据实际使用的模块添加。

4. 构建 Petalinux 系统

将编译好的 OpenCV 动态库 (.so) 文件拷贝到 Petalinux 系统中的 /lib 目录下，并将头文件拷贝到 /usr/include 目录下。也可以通过 Petalinux 的 petalinux-package 命令将 OpenCV 打包成一个 IPK 包，然后安装到系统中。这里演示直接拷贝的方式，方便快速验证。

在 Petalinux 工程目录下执行：

petalinux-build
petalinux-package --boot --fsbl images/linux/zynqmp_fsbl.elf --pmufw images/linux/pmufw.elf --atf images/linux/bl31.elf --fpga images/linux/system.bit

将生成的 image.ub 文件烧录到开发板上。

5. 运行测试程序

启动 Petalinux 系统后，将编译好的 opencv_test 可执行文件拷贝到开发板上，并运行。

./opencv_test /path/to/your/image.jpg

如果一切正常，应该能够看到图片显示在窗口中。如果出现错误，需要检查 OpenCV 的库文件是否正确安装，以及环境变量是否配置正确。

实战避坑经验总结

1. 版本兼容性： 确保 OpenCV 版本与 Petalinux 系统中的其他库文件版本兼容。如果出现冲突，可能需要重新编译其他库文件。
2. 编译参数： CMake 编译参数非常重要，需要根据实际情况进行配置。特别是交叉编译工具链的路径和安装路径，一定要正确指定。
3. 依赖库： OpenCV 依赖很多第三方库，例如 libpng、libjpeg、libtiff 等。在编译 OpenCV 之前，需要确保这些库已经安装，并且版本符合要求。可以通过 Petalinux 的 petalinux-config -c rootfs 命令来配置和安装这些库。
4. 动态库链接： 在运行 OpenCV 程序时，需要确保动态库的链接路径正确。可以通过设置 LD_LIBRARY_PATH 环境变量来指定动态库的路径。
5. 内存管理： 在嵌入式系统中，内存资源有限。在使用 OpenCV 进行图像处理时，需要注意内存管理，避免内存泄漏。可以使用 OpenCV 提供的 Mat::release() 函数来释放图像数据。
6. 性能优化： 对于性能要求较高的应用，可以考虑使用 OpenCV 的 NEON 指令集优化，或者使用 OpenCL 进行 GPU 加速。同时，可以对图像处理算法进行优化，例如使用更高效的算法、减小图像尺寸等。

总结

本文详细介绍了如何在 Petalinux 中手动编译和使用 OpenCV 4.1.0 动态库。通过本文的介绍，相信大家能够掌握在 ARM64 架构下使用 OpenCV 的方法，并能够解决在实际开发中遇到的问题。希望本文能够帮助到大家！