### 在 Jetson Nano 上使用从源码编译安装的 OpenCV 在 Jetson Nano 上完成 OpenCV 的源码编译和安装后，可以按照以下方式使用它。以下是关于如何配置环境以及调用已安装的 OpenCV 库的具体说明。 #### 1. 验证安装 为了确认 OpenCV 已经成功安装到 Jetson Nano 中，可以通过 Python 或 C++ 来验证其可用性。对于 Python 用户，可以在终端中执行以下命令： ```bash python3 import cv2 print(cv2.__version__) ``` 上述代码会打印出当前安装的 OpenCV 版本号[^1]。如果能够正常显示版本号，则表明 OpenCV 成功安装并可被 Python 调用。 #### 2. 创建简单的测试程序 创建一个基本的脚本来加载图片或摄像头流，并展示图像窗口以验证功能是否正常工作。 ##### 使用 Python 测试 OpenCV 功能 下面是一个简单示例，用于读取一张本地存储的图片并将其显示出来： ```python import cv2 # 加载图像 image = cv2.imread('test_image.jpg') if image is None: print("无法找到指定路径下的图片") else: # 显示图像 cv2.imshow('Image', image) # 等待按键事件 (按任意键退出) cv2.waitKey(0) # 关闭所有窗口 cv2.destroyAllWindows() ``` 此脚本假设存在名为 `test_image.jpg` 的文件位于同一目录下。如果没有看到任何错误消息并且弹出了包含该图片的内容框，则证明 OpenCV 可正常使用[^2]。 #### 3. 设置开发环境变量 当通过源码构建 OpenCV 后，默认情况下库会被放置于系统的标准位置 `/usr/local/lib/pythonX.Y/dist-packages/cv2.cpython-X.so` （其中 X 和 Y 表示具体的 Python 主次版本）。因此，在某些场景可能需要手动设置 LD_LIBRARY_PATH 或 PYTHONPATH 环境变量以便让系统识别新安装的动态链接库: ```bash export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH export PYTHONPATH=/usr/local/lib/python$(python3 -c 'import sys; print(sys.version[:3])')/dist-packages/:$PYTHONPATH ``` 以上操作通常仅需一次即可永久生效；也可以考虑将这两条语句加入用户的 `.bashrc` 文件之中实现自动加载[^3]。 #### 4. 利用额外模块扩展能力 部分高级特性如 SIFT、SURF 等算法由于专利原因并未默认集成至官方发行版内，但可通过自定义编译过程启用它们。这涉及到了 opencv_contrib 扩展仓库中的内容。确保所使用的 opencv 和 opencv_contrib 是相同版本非常重要[^5]。 --- ### 总结 综上所述，在 Jetson Nano 设备上利用源码形式安装后的 OpenCV 不仅支持常规的基础运算还允许灵活调整参数满足特定需求。只要遵循正确的流程就能顺利开展后续基于视觉的应用项目开发活动。