GoCV

![GoCV]([***]

![Go Reference]([] ![CircleCI Build status]([] ![AppVeyor Build status]([] ![Go Report Card]([] ![License]([***]

镜像概述和主要用途

GoCV包提供Go语言对OpenCV 4计算机视觉库的绑定。该包支持最新版本的Go和OpenCV（v4.5.3），适用于Linux、macOS和Windows系统，旨在使Go语言成为与OpenCV生态系统最新发展兼容的“一等”客户端。

GoCV支持使用Nvidia GPU的CUDA硬件加速，详情参见CUDA README；同时支持Intel OpenVINO工具包，详情参见OpenVINO README。

核心功能和特性

• OpenCV版本支持：兼容OpenCV 4.5.3，涵盖其主要计算机视觉功能
• 多平台兼容：支持Linux（Ubuntu）、macOS、Windows和Raspbian系统
• 硬件加速：
  • Nvidia CUDA加速，提升GPU计算性能
  • Intel OpenVINO工具包，优化深度学***推理
• 丰富功能集：
  • 视频捕获与处理（摄像头、视频文件）
  • 图像操作（滤波、转换、特征提取）
  • 对象检测与识别（级联分类器、TensorFlow集成）
  • 视频流传输（MJPEG流）
  • 人脸检测与跟踪

使用场景和适用范围

• 实时视频处理：摄像头监控、视频流分析
• 计算机视觉应用开发：人脸检测、手势识别、物体计数
• 深度学*集成**：结合TensorFlow等框架实现图像分类
• 嵌入式系统：Raspberry Pi等设备上的视觉应用部署
• 科研与教育：计算机视觉算法原型验证

使用方法示例

Hello, video示例

以下示例打开设备“0”（通常为默认摄像头），读取视频帧并在GUI窗口显示：

go
package main

import (
	"gocv.io/x/gocv"
)

func main() {
	webcam, _ := gocv.OpenVideoCapture(0)
	window := gocv.NewWindow("Hello")
	img := gocv.NewMat()

	for {
		webcam.Read(&img)
		window.IMShow(img)
		window.WaitKey(1)
	}
}

人脸检测示例

!GoCV

该示例打开摄像头，使用级联分类器检测人脸并绘制绿色矩形框：

go
package main

import (
	"fmt"
	"image/color"

	"gocv.io/x/gocv"
)

func main() {
    // 设置使用视频捕获设备0
    deviceID := 0

	// 打开摄像头
	webcam, err := gocv.OpenVideoCapture(deviceID)
	if err != nil {
		fmt.Println(err)
		return
	}
	defer webcam.Close()

	// 打开显示窗口
	window := gocv.NewWindow("Face Detect")
	defer window.Close()

	// 准备图像矩阵
	img := gocv.NewMat()
	defer img.Close()

	// 人脸检测框颜色（蓝色）
	blue := color.RGBA{0, 0, 255, 0}

	// 加载人脸分类器
	classifier := gocv.NewCascadeClassifier()
	defer classifier.Close()

	if !classifier.Load("data/haarcascade_frontalface_default.xml") {
		fmt.Println("错误：无法读取分类器文件 data/haarcascade_frontalface_default.xml")
		return
	}

	fmt.Printf("开始读取摄像头设备: %v\n", deviceID)
	for {
		if ok := webcam.Read(&img); !ok {
			fmt.Printf("无法读取设备 %v\n", deviceID)
			return
		}
		if img.Empty() {
			continue
		}

		// 检测人脸
		rects := classifier.DetectMultiScale(img)
		fmt.Printf("发现 %d 个人脸\n", len(rects))

		// 在图像上绘制人脸矩形框
		for _, r := range rects {
			gocv.Rectangle(&img, r, blue, 3)
		}

		// 在窗口显示图像，等待1毫秒
		window.IMShow(img)
		window.WaitKey(1)
	}
}

更多示例

项目cmd目录提供多种实用命令行工具示例：

• 图像捕获保存：从摄像头捕获并保存图像
• MJPEG视频流：实现视频流传输
• 物体计数：统计穿过指定线的物体数量
• TensorFlow分类器：结合OpenCV与TensorFlow进行对象分类

安装说明

前置要求

安装GoCV前需先安装匹配版本的OpenCV（当前需OpenCV 4.5.3），以下是各系统安装指南。

Ubuntu/Linux

快速安装

1. 克隆仓库：

   shell
   cd $HOME/folder/with/your/src/
   git clone [***]
   cd gocv
   

2. 使用Makefile安装OpenCV 4.5.3：

   shell
   make install
   

   如需静态库：

   shell
   make install BUILD_SHARED_LIBS=OFF
   

3. 成功安装后将显示：

   gocv version: 0.28.0
   opencv lib version: 4.5.3
   

使用CUDA

参见cuda目录获取详细说明。

使用OpenCV+CUDA+OpenVINO

shell
cd $HOME/folder/with/gocv/
make install_all

如需静态库：

shell
make install_all BUILD_SHARED_LIBS=OFF

验证安装

shell
cd $HOME/src/gocv.io/x/gocv
go run ./cmd/version/main.go

应输出：

gocv version: 0.28.0
opencv lib version: 4.5.3

自定义环境变量

禁用pkg-config自动配置，手动设置CGO环境变量：

shell
export CGO_CPPFLAGS="-I/usr/local/include"
export CGO_LDFLAGS="-L/usr/local/lib -lopencv_core -lopencv_face -lopencv_videoio -lopencv_imgproc -lopencv_highgui -lopencv_imgcodecs -lopencv_objdetect -lopencv_features2d -lopencv_video -lopencv_dnn -lopencv_xfeatures2d"
go run -tags customenv ./cmd/version/main.go

macOS

1. 安装Homebrew后执行：

   shell
   brew install opencv pkgconfig
   

2. 验证安装：

   shell
   cd $HOME/folder/with/your/src/gocv
   go run ./cmd/version/main.go
   

Windows

1. 安装MinGW-W64（选择posix线程和seh异常处理）和CMake
2. 添加MinGW到系统PATH：C:\Program Files\mingw-w64\x86_64-7.3.0-posix-seh-rt_v5-rev2\mingw64\bin
3. 执行安装脚本：

   cmd
   chdir %GOPATH%\src\gocv.io\x\gocv
   win_build_opencv.cmd
   

4. 添加OpenCV到PATH：C:\opencv\build\install\x64\mingw\bin
5. 验证安装：

   cmd
   go run cmd\version\main.go
   

Raspbian

shell
cd $HOME/folder/with/your/src/
git clone [***]
cd gocv
make install_raspi

Docker部署

构建Docker镜像

项目提供Dockerfile，可通过Makefile快速构建：

shell
make docker

指定Go版本：

shell
make docker GOVERSION='1.15'

在macOS上运行GUI程序

1. 安装依赖：

   shell
   brew cask install xquartz
   brew install socat
   

   安装后需注销并重新登录

2. 配置XQuartz：

   • 打开XQuartz，在偏好设置→安全性中勾选“允许网络连接”

3. 启动socat代理：

   shell
   socat TCP-LISTEN:6000,reuseaddr,fork UNIX-CLIENT:\"$DISPLAY\"
   

4. 运行容器：

   shell
   docker run -it --rm -e DISPLAY=docker.for.mac.host.internal:0 your-gocv-app
   

   注意：Docker for Mac不支持摄像头设备，无法运行依赖摄像头的应用

内存管理与调试

GoCV的Mat对象需显式关闭以避免内存泄漏，可使用-tags matprofile构建标签启用内存分析：

shell
go run -tags matprofile cmd/version/main.go

通过gocv.MatProfile.Count()获取未释放Mat数量，或集成HTTP调试接口监控：

go
import _ "net/http/pprof"
// 启动HTTP服务后访问 http://localhost:6060/debug/pprof/gocv.io/x/gocv.Mat

贡献与许可

• 贡献指南：参见CONTRIBUTING.md
• 项目路线图：参见ROADMAP.md
• 许可协议：Apache 2.0许可证，详情参见LICENSE.txt<|FCResponseEnd|>===SHORT_DESC=== GoCV是Go语言对OpenCV 4的绑定库，支持Linux、macOS、Windows平台，提供视频捕获、人脸检测、对象识别等计算机视觉功能，并支持CUDA和Intel OpenVINO硬件加速。

===FULL_DESC===# GoCV

![GoCV]([***]

![Go Reference]([] ![CircleCI Build status]([] ![AppVeyor Build status]([] ![Go Report Card]([] ![License]([***]

镜像概述和主要用途

GoCV包提供Go语言对OpenCV 4计算机视觉库的绑定。该包支持最新版本的Go和OpenCV（v4.5.3），适用于Linux、macOS和Windows系统，旨在使Go语言成为与OpenCV生态系统最新发展兼容的"一等"客户端。

GoCV支持使用Nvidia GPU的CUDA硬件加速，详情参见CUDA README；同时支持Intel OpenVINO工具包，详情参见OpenVINO README。

核心功能和特性

• OpenCV版本支持：兼容OpenCV 4.5.3，涵盖其主要计算机视觉功能
• 多平台兼容：支持Linux（Ubuntu）、macOS、Windows和Raspbian系统
• 硬件加速：
  • Nvidia CUDA加速，提升GPU计算性能
  • Intel OpenVINO工具包，优化深度学***推理
• 丰富功能集：
  • 视频捕获与处理（摄像头、视频文件）
  • 图像操作（滤波、转换、特征提取）
  • 对象检测与识别（级联分类器、TensorFlow集成）
  • 视频流传输（MJPEG流）
  • 人脸检测与跟踪

使用场景和适用范围

• 实时视频处理：摄像头监控、视频流分析
• 计算机视觉应用开发：人脸检测、手势识别、物体计数
• 深度学*集成**：结合TensorFlow等框架实现图像分类
• 嵌入式系统：Raspberry Pi等设备上的视觉应用部署
• 科研与教育：计算机视觉算法原型验证

使用方法示例

Hello, video示例

以下示例打开设备"0"（通常为默认摄像头），读取视频帧并在GUI窗口显示：

go
package main

import (
	"gocv.io/x/gocv"
)

func main() {
	webcam, _ := gocv.OpenVideoCapture(0)
	window := gocv.NewWindow("Hello")
	img := gocv.NewMat()

	for {
		webcam.Read(&img)
		window.IMShow(img)
		window.WaitKey(1)
	}
}

人脸检测示例

!GoCV

该示例打开摄像头，使用级联分类器检测人脸并绘制绿色矩形框：

go
package main

import (
	"fmt"
	"image/color"

	"gocv.io/x/gocv"
)

func main() {
    // 设置使用视频捕获设备0
    deviceID := 0

	// 打开摄像头
	webcam, err := gocv.OpenVideoCapture(deviceID)
	if err != nil {
		fmt.Println(err)
		return
	}
	defer webcam.Close()

	// 打开显示窗口
	window := gocv.NewWindow("Face Detect")
	defer window.Close()

	// 准备图像矩阵
	img := gocv.NewMat()
	defer img.Close()

	// 人脸检测框颜色（蓝色）
	blue := color.RGBA{0, 0, 255, 0}

	// 加载人脸分类器
	classifier := gocv.NewCascadeClassifier()
	defer classifier.Close()

	if !classifier.Load("data/haarcascade_frontalface_default.xml") {
		fmt.Println("错误：无法读取分类器文件 data/haarcascade_frontalface_default.xml")
		return
	}

	fmt.Printf("开始读取摄像头设备: %v\n", deviceID)
	for {
		if ok := webcam.Read(&img); !ok {
			fmt.Printf("无法读取设备 %v\n", deviceID)
			return
		}
		if img.Empty() {
			continue
		}

		// 检测人脸
		rects := classifier.DetectMultiScale(img)
		fmt.Printf("发现 %d 个人脸\n", len(rects))

		// 在图像上绘制人脸矩形框
		for _, r := range rects {
			gocv.Rectangle(&img, r, blue, 3)
		}

		// 在窗口显示图像，等待1毫秒
		window.IMShow(img)
		window.WaitKey(1)
	}
}

更多示例

项目cmd目录提供多种实用命令行工具示例：

• 图像捕获保存：从摄像头捕获并保存图像
• MJPEG视频流：实现视频流传输
• 物体计数：统计穿过指定线的物体数量
• TensorFlow分类器：结合OpenCV与TensorFlow进行对象分类