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"