使用包管理工具管理你的依赖库

当依赖的项目较多时，手动安装相关依赖包较为复杂，并且多个项目多个版本的依赖包安装在系统中及容易造成冲突。若通过submodule的方式引入，下载编译耗时较长，同时也不好管理，对于还在开发过程中的项目来说影响效率。本文主要介绍两个帮助我们管理依赖库的工具的基本使用方法，抛砖引玉。它们分别是vcpkg和Anaconda。

一个简单的小程序

我们写一个简单的展示图片的小程序

#include <stdio.h>
#include <opencv2/opencv.hpp>
using namespace cv;
int main(int argc, char** argv )
{
    if ( argc != 2 )
    {
        printf("usage: DisplayImage.out <Image_Path>\n");
        return -1;
    }
    Mat image;
    image = imread( argv[1], 1 );
    if ( !image.data )
    {
        printf("No image data \n");
        return -1;
    }
    namedWindow("Display Image", WINDOW_AUTOSIZE );
    imshow("Display Image", image);
    waitKey(0);
    return 0;
}

在CMakeLists.txt中，我们使用find_package(详见find_package的使用指南)来引入opencv的库。

cmake_minimum_required(VERSION 3.0)
project( DisplayImage )
find_package( OpenCV REQUIRED )
include_directories( ${OpenCV_INCLUDE_DIRS} )
add_executable( DisplayImage DisplayImage.cpp )
target_link_libraries( DisplayImage ${OpenCV_LIBS} )

接下来我们使用vcpkg与anaconda两个工具安装opencv，并编译我们的项目。

使用vcpkg

vcpkg 是微软开源的一个库管理工具，并原生支持与cmake集成。vcpkg支持常见依赖库的一键安装，并支持cmake通过find_package一键引入。以下只介绍它的基础用法，具体文档请参考github vcpkg

安装vcpkg

> git clone https://github.com/Microsoft/vcpkg.git
> cd vcpkg

PS> .\bootstrap-vcpkg.bat
Linux:~/$ ./bootstrap-vcpkg.sh

然后，集成至本机环境中，执行 (注意: 首次启动需要管理员权限)

PS> .\vcpkg integrate install
Linux:~/$ ./vcpkg integrate install

使用以下命令安装任意包

PS> .\vcpkg install sdl2 curl
Linux:~/$ ./vcpkg install sdl2 curl

Tab补全/自动补全

vcpkg支持在 Powershell 和 bash 中自动补全命令、程序包名称、选项等。如需启用自动补全功能，请使用以下命令:

PS> .\vcpkg integrate powershell
Linux:~/$ ./vcpkg integrate bash

并重启您的控制台。最后将vcpkg加入环境变量，便于在任何地方执行vcpkg的命令

使用vcpkg安装opencv并测试

众所周知，编译和安装opencv是一件苦差事，使用vcpkg便会变的十分简单。首先我们查看vcpkg是否支持安装opencv

vcpkg search opencv

确认支持后进行安装

vcpkg install opencv

安装完成后可以使用下面的命令查看安装情况

vcpkg list

在配置的过程中，将vcpkg.cmake的路径赋值给CMAKE_TOOLCHAIN_FILE变量即可。

VCPKG_HOME=/path/to/your_vcpkg/
cmake .. "-DCMAKE_TOOLCHAIN_FILE=${VCPKG_HOME}/scripts/buildsystems/vcpkg.cmake"

如果我们想卸载掉opencv，也只需执行一个命令

vcpkg remove opencv

处理安装包的版本问题

如果要指定依赖包的版本，这里不再赘述，请参考微软的博客Vcpkg: Using multiple enlistments to handle multiple versions of a library

使用Conda环境

anaconda被大多数人所认为的是一个python的科学计算环境，其实它也可以被用作c,c++虚拟环境的管理。他的优点是可以不使用管理员权限进行安装，并且可以创建多个虚拟环境，不同环境中安装的库之间相互隔离互不干扰。对于需要开发c++扩展的python项目特别适合使用conda环境。

安装

国内可以到清华镜像站下载安装包进行安装，如果不需要python环境，可以选择对应的miniconda安装包进行安装。具体安装过程这里不再赘述。

创建虚拟环境

与上面一样，假设此时我们需要开发一个名为 DisplayImage 的项目，我们可以为该项目单独建立一个虚拟环境

conda create -n DisplayImage

激活虚拟环境

source activate DisplayImage
# windows下 
# activate DisplayImage

我们可以在当前环境下安装cmake并指定版本3.14，与系统安装的cmake相隔离

conda install cmake=3.14.0
# 卸载使用conda uninstall cmake

接下来我们安装项目的以来库opencv

conda install opencv
# 卸载使用 conda uninstall opencv

配置项目时设置CMAKE_PREFIX_PATH变量为虚拟环境的根目录即可

cmake .. "-DCMAKE_PREFIX_PATH=/path/to/anaconda/envs/DisplayImage"