### 在 MobaXterm 中配置和使用 OpenCV #### 安装依赖包 为了能够在 MobaXterm 的会话环境中顺利运行基于 OpenCV 的程序，需先通过 SSH 或者本地终端安装必要的库文件。对于 Linux 发行版而言，可以执行如下命令来完成基础环境搭建： ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install libopencv-dev python3-opencv v4l-utils -y ``` 上述指令不仅更新了系统的软件源列表并升级现有软件包[^1]，还一并安装了用于 C/C++ 和 Python 开发的 OpenCV 库以及视频设备管理工具 `v4l-utils`[^5]。 #### 设置工作空间 创建一个新的项目目录作为后续工作的起点，并初始化 Git 版本控制系统以便于管理和追踪代码变更情况： ```bash mkdir ~/my_opencv_project && cd $_ git init . ``` 此部分操作有助于保持良好的编程习惯，使得整个项目的结构更加清晰有序[^4]。 #### 测试 OpenCV 功能 编写一段简单的 Python 脚本来验证当前环境下是否能够正常调用 OpenCV 接口。新建名为 `test_cv.py` 文件并将以下内容保存进去： ```python import cv2 as cv print(f'OpenCV version: {cv.__version__}') cap = cv.VideoCapture(0) if not cap.isOpened(): print('Cannot open camera') else: while True: ret, frame = cap.read() if not ret: break gray_frame = cv.cvtColor(frame, cv.COLOR_BGR2GRAY) cv.imshow('Video Stream', gray_frame) key_pressed = cv.waitKey(1) & 0xFF if key_pressed == ord('q'): break cap.release() cv.destroyAllWindows() ``` 这段脚本尝试读取来自第一个可用摄像头的数据流，并将其转换成灰度模式显示出来；按下键盘上的 'q' 键可终止循环退出预览窗口[^2]。 #### 使用 ROS2 结合 OpenCV 实现高级应用 如果计划进一步探索机器人操作系统第二代 (ROS2)，则可以通过安装特定版本的支持包简化集成过程： ```bash sudo apt install ros-foxy-vision-opencv ``` 之后便可以在自定义节点内部轻松引入 OpenCV API 来增强感知能力，比如构建一个人体跟踪系统等复杂应用场景。