在Windows上编译OpenCV Android原生库全记录-编程阁

无需Android Studio，脱离复杂的Gradle构建系统，仅用命令行工具完成OpenCV Android .so库的编译

前言

最近在开发一个需要集成OpenCV的Android项目时，我发现传统的Android Studio集成方式存在一些限制：构建流程不透明、难以自定义模块、集成到CI/CD流程复杂。经过一番探索，我成功找到了一种纯命令行编译OpenCV Android库的方法，整个过程完全掌控，非常适合需要自定义构建或自动化集成的场景。

本文将详细介绍我在Windows 11环境下，使用Git Bash、Android NDK、CMake和Ninja，从源码编译OpenCV 4.11.0 Android原生库的完整过程。

环境准备

在开始之前，需要确保你的系统已安装以下工具：

工具版本要求作用
Android NDK ≥ r21（推荐r26） Android原生开发工具链
CMake ≥ 3.18 跨平台构建系统
Git for Windows 最新版提供Bash环境
Ninja 最新版高性能构建系统

工具路径示例

我的实际环境配置如下：

· OpenCV源码：D:\opencv-4.11.0
· Android NDK：D:\AndroidSDK\ndk\26.3.11579264
· CMake：D:\AndroidSDK\cmake\3.22.1\bin\cmake
· Ninja：D:\ndkTest\ninja-win\ninja.exe

核心编译脚本

经过多次调试和优化，我总结出了以下可靠的编译脚本。这个脚本成功编译出了15个OpenCV Android动态库，总大小约300MB。

#!/bin/bash# ============================================# OpenCV 4.11.0 Android 纯命令行编译脚本# ============================================set-e# 出错即停止# === 配置 ===OPENCV_SRC="/d/opencv-4.11.0"NDK_PATH="/d/AndroidSDK/ndk/26.3.11579264"CMAKE_BIN="/d/AndroidSDK/cmake/3.22.1/bin/cmake"NINJA_BIN="/d/ndkTest/ninja-win/ninja.exe"# === 编译选项 ===ABI="arm64-v8a"# 目标架构API_LEVEL=24# Android API级别BUILD_TYPE="Release"# 构建类型BUILD_DIR="/d/opencv_build_${ABI}"# 构建目录INSTALL_DIR="/d/opencv-android-output"# 输出目录echo"========================================"echo"🚀 OpenCV 4.11.0 Android 纯命令行编译"echo"========================================"# 环境检查check_environment(){echo"🔍 环境检查..."[-d"$OPENCV_SRC"]||{echo"❌ OpenCV源码不存在:$OPENCV_SRC";exit1;}[-f"$OPENCV_SRC/CMakeLists.txt"]||{echo"❌ OpenCV/CMakeLists.txt不存在";exit1;}[-f"$CMAKE_BIN"]||{echo"❌ CMake不存在:$CMAKE_BIN";exit1;}[-f"$NINJA_BIN"]||{echo"❌ Ninja不存在:$NINJA_BIN";exit1;}[-f"$NDK_PATH/build/cmake/android.toolchain.cmake"]||{echo"❌ NDK android.toolchain.cmake不存在";exit1;}echo"✅ 环境检查通过"}# 清理构建目录clean_build_dir(){echo"🧹 清理构建目录..."rm-rf"$BUILD_DIR"mkdir-p"$BUILD_DIR"cd"$BUILD_DIR"}# CMake配置configure_cmake(){echo"⚙️ CMake配置..."echo" 构建目录:$BUILD_DIR"echo" 源码目录:$OPENCV_SRC""$CMAKE_BIN"\"$OPENCV_SRC"\-G"Ninja"\-DCMAKE_MAKE_PROGRAM="$NINJA_BIN"\-DCMAKE_TOOLCHAIN_FILE="$NDK_PATH/build/cmake/android.toolchain.cmake"\-DANDROID_ABI="$ABI"\-DANDROID_PLATFORM="android-$API_LEVEL"\-DANDROID_STL="c++_shared"\-DCMAKE_BUILD_TYPE="$BUILD_TYPE"\-DBUILD_JAVA=OFF\-DBUILD_opencv_java=OFF\-DBUILD_SHARED_LIBS=ON\-DBUILD_opencv_core=ON\-DBUILD_opencv_imgproc=ON\-DBUILD_opencv_imgcodecs=ON\-DBUILD_TESTS=OFF\-DBUILD_EXAMPLES=OFF\-DBUILD_PERF_TESTS=OFF\-DBUILD_ANDROID_EXAMPLES=OFF\-DBUILD_ANDROID_PROJECTS=OFF[$?-eq0]&&echo"✅ CMake配置成功"||{echo"❌ CMake配置失败";exit1}}# 编译OpenCVcompile_opencv(){echo"🔨 开始编译...""$CMAKE_BIN"--build.--parallel8[$?-eq0]&&echo"✅ 编译成功"||{echo"❌ 编译失败";exit1}}# 整理输出文件collect_output(){echo"📦 整理输出文件..."rm-rf"$INSTALL_DIR"mkdir-p"$INSTALL_DIR/libs/$ABI"mkdir-p"$INSTALL_DIR/include"# 复制.so文件echo" 复制.so文件..."if[-d"lib"];thenSO_PATHS=("lib/$ABI/*.so""lib/*.so""*.so""bin/*.so")forpatternin"${SO_PATHS[@]}";doifls$pattern1>/dev/null2>&1;thenecho" 找到文件:$pattern"cp$pattern"$INSTALL_DIR/libs/$ABI/"2>/dev/null||truefidonefi# 复制头文件echo" 复制头文件..."cp-r"$OPENCV_SRC/include/opencv2""$INSTALL_DIR/include/"2>/dev/null||true# 统计结果localSO_COUNT=$(ls"$INSTALL_DIR/libs/$ABI/"*.so2>/dev/null|wc-l)echo""echo"========================================"echo"🎉 编译完成！"echo"========================================"echo"📊 结果统计："echo" 架构：$ABI"echo" API Level：$API_LEVEL"echo" 构建类型：$BUILD_TYPE"echo" 库文件数量：$SO_COUNT个"echo" 输出目录：$INSTALL_DIR"}# 主流程main(){check_environment clean_build_dir configure_cmake compile_opencv collect_output}main"$@"

编译过程详解

关键配置项解析

脚本中的CMake配置选项是编译成功的关键：

# 禁用Java绑定 - 避免与Android构建系统冲突-DBUILD_JAVA=OFF-DBUILD_opencv_java=OFF# 禁用Android示例项目 - 简化构建流程-DBUILD_ANDROID_EXAMPLES=OFF-DBUILD_ANDROID_PROJECTS=OFF# 启用动态库构建-DBUILD_SHARED_LIBS=ON# 使用c++_shared STL - 确保运行时兼容性-DANDROID_STL="c++_shared"# 仅启用核心模块（可按需添加更多）-DBUILD_opencv_core=ON-DBUILD_opencv_imgproc=ON-DBUILD_opencv_imgcodecs=ON

编译输出结果

执行脚本后，成功编译出15个OpenCV动态库：

库文件大小核心功能
libopencv_core.so 23MB 核心数据结构与算法
libopencv_imgproc.so 25MB 图像处理（滤波、变换等）
libopencv_dnn.so 87MB 深度学习模块
libopencv_imgcodecs.so 23MB 图像编解码（JPEG、PNG等）
libopencv_calib3d.so 20MB 相机标定与3D重建
libopencv_features2d.so 6.2MB 特征检测与匹配
libopencv_gapi.so 76MB 图像处理流水线框架
其他8个模块总计~40MB ML、视频处理等

编译耗时统计

· CMake配置阶段：约2-3分钟
· 编译阶段：约20-30分钟（1340个构建任务）
· 总计：约25-35分钟（取决于CPU性能）

在Android项目中的使用

CMake集成示例

在Android项目的CMakeLists.txt中添加以下配置：

cmake_minimum_required(VERSION 3.18.1) project("MyOpenCVApp") # 设置OpenCV路径 set(OPENCV_ANDROID_DIR "/d/opencv-android-output") # 包含头文件 include_directories(${OPENCV_ANDROID_DIR}/include) # 添加你的原生库 add_library(native-lib SHARED native-lib.cpp ) # 链接OpenCV库 target_link_libraries(native-lib ${OPENCV_ANDROID_DIR}/libs/${ANDROID_ABI}/libopencv_core.so ${OPENCV_ANDROID_DIR}/libs/${ANDROID_ABI}/libopencv_imgproc.so # ... 其他需要的库 log android )

JNI简单测试

创建一个简单的JNI函数测试OpenCV功能：

#include<jni.h>#include<android/log.h>#include<opencv2/opencv.hpp>extern"C"JNIEXPORT jstring JNICALLJava_com_example_app_MainActivity_testOpenCV(JNIEnv*env,jobject/* this */){// 创建测试图像cv::MattestMat(100,100,CV_8UC3,cv::Scalar(0,255,0));// 转换为灰度cv::Mat grayMat;cv::cvtColor(testMat,grayMat,cv::COLOR_BGR2GRAY);std::string result="OpenCV 4.11.0工作正常！\n";result+="图像尺寸: "+std::to_string(testMat.cols)+"x"+std::to_string(testMat.rows);returnenv->NewStringUTF(result.c_str());}

常见问题与解决方案

问题1：CMake配置失败

症状：CMake Error: The source directory does not appear to contain CMakeLists.txt

解决：

# 验证OpenCV源码路径ls-la"/d/opencv-4.11.0/CMakeLists.txt"# 确保使用的是正确的路径格式（Git Bash使用正斜杠）

问题2：编译时内存不足

症状：编译过程卡住或编译器被杀死

解决：

# 减少并行编译线程数"$CMAKE_BIN"--build.--parallel4# 改为4线程# 关闭其他内存占用大的程序

问题3：生成的.so文件找不到

症状：编译成功但输出目录为空

解决：

# 手动查找.so文件find"/d/opencv_build_arm64-v8a"-name"*.so"-typef# 检查lib目录结构ls-la"/d/opencv_build_arm64-v8a/lib/"

进阶优化

多ABI架构支持

修改脚本支持批量编译多个架构：

#!/bin/bash# 批量编译多个ABIABI_LIST=("arm64-v8a""armeabi-v7a""x86_64")forABIin"${ABI_LIST[@]}";doecho"开始编译$ABI..."# 修改ABI变量并重新执行编译逻辑BUILD_DIR="/d/opencv_build_${ABI}"# ... 编译流程done

模块化定制

根据项目需求选择编译的模块：

# 基础图像处理配置（最小化）-DBUILD_LIST="core,imgproc,imgcodecs"# 计算机视觉项目配置-DBUILD_opencv_calib3d=ON-DBUILD_opencv_features2d=ON-DBUILD_opencv_objdetect=ON# 禁用不需要的模块以减少体积-DBUILD_opencv_dnn=OFF-DBUILD_opencv_gapi=OFF

总结

通过纯命令行方式编译OpenCV Android库，我获得了以下优势：

完全掌控构建过程：可以精确控制编译选项和模块
脱离Android Studio依赖：适合CI/CD自动化流程
定制化程度高：按需编译，减少应用体积
学习价值大：深入理解OpenCV构建系统

这种编译方式特别适合：

· 需要特定OpenCV配置的项目
· 对应用体积敏感的生产环境
· 自动化构建和部署流程
· 学习和研究OpenCV内部结构

希望这篇记录能帮助到有类似需求的开发者。如果在实践过程中遇到问题，欢迎留言讨论。

在Windows上编译OpenCV Android原生库全记录

Sambert-HifiGan中文语音合成的7种情感效果对比评测

开源社区贡献指南：如何为Sambert-Hifigan提交PR修复bug

完整示例：用 CSS vh 创建响应式图文卡片

论文写作AI工具大盘点：8个平台深度测评，智能降重与自动改写全解析

游戏NPC语音生成：Sambert-Hifigan支持多情绪对白自动合成

Kubernetes集群部署：大规模并发生成场景应对策略