1. 环境准备：为什么选择VSCode+OpenCV这个组合？

如果你刚开始接触计算机视觉或者图像处理，想在Windows 10上搭建一个既轻量又强大的开发环境，那么Visual Studio Code（简称VSCode）搭配OpenCV绝对是一个“黄金搭档”。我刚开始学OpenCV那会儿，也试过用Visual Studio，功能是强大，但安装包动辄几个G，启动慢，项目配置也相对复杂，对新手来说门槛有点高。后来换到VSCode，感觉就像从开重型卡车换成了开小轿车，灵活、快速，而且完全免费。

VSCode本质上是一个高级的代码编辑器，但它通过丰富的插件系统，拥有了不输于集成开发环境（IDE）的能力。对于C++开发，装上微软官方的C/C++插件后，代码补全、跳转定义、错误提示这些功能就都有了，写起代码来非常顺手。它的核心优势是快和轻，启动秒开，不占太多系统资源，特别适合我们这种一边查资料一边写代码的学习过程。

OpenCV就更不用多说了，它是计算机视觉领域的“标准库”，从基础的图片读取、显示，到复杂的特征检测、人脸识别，它都提供了现成的、高度优化的函数。更重要的是，它开源、免费，社区活跃，你遇到的绝大多数问题，在网上都能找到答案。

把这两者结合起来，你得到的就是一个学习成本低、配置灵活、功能强大的视觉开发环境。你不需要一开始就面对一个庞大而复杂的IDE，可以从一个简单的“读取并显示图片”程序开始，逐步深入。这个组合尤其适合学生、自学者，或者需要快速进行算法原型验证的开发者。接下来，我就带你一步步走通从零开始，在Win10上搭建这个环境，并完成第一个实战项目的全过程。我会把每一步的原理和可能遇到的“坑”都讲清楚，确保你能一次成功。

2. 核心工具下载与安装：获取你的“开发武器库”

工欲善其事，必先利其器。在开始配置之前，我们需要把几个必要的软件和工具包准备好。这个过程有点像组装电脑前采购配件，选对版本、下对地方，后面会省心很多。我会给出具体的版本建议和下载指引，这些都是我实测过比较稳定的组合。

2.1 获取VSCode与C++编译器

首先，我们去VSCode的官网下载安装包。直接搜索“Visual Studio Code”进入官网，选择那个大大的“Download for Windows”按钮就行。下载下来的是一个叫 VSCodeUserSetup-x64-xxx.exe 的文件（xxx是版本号）。安装过程非常简单，一路“下一步”即可，安装路径建议保持默认，避免后续配置出现奇怪的路径问题。安装完成后，第一次打开VSCode，你会看到一个非常简洁的界面。

接下来是最关键的一步：安装C/C++扩展。VSCode本身不支持C++的编译和调试，这个能力是靠插件实现的。点击左侧活动栏的扩展图标（就是那个四个小方块组成的图标），在搜索框里输入“c++”，排名第一的、由微软发布的“C/C++”扩展就是我们要的。点击“安装”按钮，稍等片刻就装好了。这个插件提供了代码智能感知（IntelliSense）、调试等功能，是我们开发C++程序的基石。

光有编辑器还不够，我们还需要一个能把C++代码变成可执行程序的编译器。在Windows上，我们通常使用MinGW-w64，它提供了GCC编译器套件。这里有个小坑需要注意：网上很多教程会让你下载一个叫“MinGW”的老版本，那个是32位的，而且已经停止维护了。我们一定要下载 MinGW-w64。

你可以去SourceForge上搜索“MinGW-w64”，找到一个名字类似 x86_64-8.1.0-release-posix-seh-rt_v6-rev0.7z 的压缩包。这个文件名拆解一下：x86_64代表64位系统，8.1.0是GCC版本，posix和seh是线程和异常处理模型，选这个组合对后续兼容性最好。下载后，我建议你把它解压到一个没有中文和空格的路径下，比如 D:\Applications\mingw64。记住这个 bin 文件夹的完整路径（例如 D:\Applications\mingw64\bin），我们马上要用到。

2.2 下载CMake与OpenCV源码

为什么需要CMake？OpenCV是一个庞大的开源项目，它需要在你的电脑上根据你的具体环境（操作系统、编译器）进行“构建”（Build），生成最终的库文件。CMake就是一个跨平台的自动化构建系统，它不直接编译代码，而是根据一个叫 CMakeLists.txt 的脚本，生成你所用编译器（比如我们刚装的MinGW）能识别的工程文件（比如Makefile），然后我们再调用编译器去编译。

去CMake官网下载安装程序，选择 Windows x64 Installer。安装时，记得勾选“Add CMake to the system PATH for all users”这个选项，这样我们就可以在命令行里直接使用 cmake 命令了，非常方便。

最后是主角：OpenCV。我们去OpenCV官网的发布页面，找到Sources版本进行下载。我写这篇文章时，4.5.4是一个比较稳定且常用的版本，你可以下载 opencv-4.5.4.zip。同时，我强烈建议你把 opencv_contrib 模块也一起下载下来。这个模块包含了很多官方主仓库没有收纳的、由社区贡献的额外功能，比如人脸识别、文本检测等更先进的算法。下载同名版本的 opencv_contrib-4.5.4.zip。把这两个压缩包也解压到方便管理的目录，比如 D:\Applications\ 下，你会得到 opencv-4.5.4 和 opencv_contrib-4.5.4 两个文件夹。

3. 系统环境配置：让电脑认识你的新工具

下载和解压只是把工具放到了电脑里，接下来我们要让Windows系统知道这些工具在哪里，这样我们才能在任意位置通过命令行调用它们。这个配置过程主要通过修改系统的“环境变量”来完成。

3.1 配置MinGW编译器路径

首先配置MinGW。在Windows搜索框输入“环境变量”，选择“编辑系统环境变量”。在弹出的“系统属性”窗口中，点击右下角的“环境变量”按钮。在下方的“系统变量”区域里，找到并选中名为 Path 的变量，点击“编辑”。

这时会弹出一个列表，里面是很多路径。我们点击“新建”，然后把之前记下的MinGW的 bin 文件夹路径（比如 D:\Applications\mingw64\bin）粘贴进去。点击“确定”保存所有打开的窗口。

为了验证配置是否成功，我们需要打开一个新的命令行窗口。按下 Win + X，选择“Windows PowerShell（管理员）”或“终端（管理员）”。为什么强调“新的”？因为环境变量的修改只对新打开的终端生效。在命令行里输入：

gcc --version

如果配置正确，你会看到一串输出，显示gcc的版本信息，比如 gcc (x86_64-posix-seh-rev0, Built by MinGW-W64 project) 8.1.0。这就说明系统已经能找到你的编译器了。如果提示“不是内部或外部命令”，请回头检查路径是否粘贴正确，以及是否在新打开的终端中测试。

3.2 配置CMake路径

CMake的安装程序如果勾选了添加路径，通常会自动完成这一步。但我们最好手动检查一下。同样在系统环境变量的 Path 里，你应该能看到类似 C:\Program Files\CMake\bin 的路径。如果没有，就手动添加进去。

同样，在新的管理员终端里输入：

cmake --version

如果看到CMake的版本信息输出，比如 cmake version 3.22.1，那就说明CMake也准备好了。这两步配置是后续所有操作的基础，一定要确保它们都返回了正确的版本信息，再进行下一步。

4. 编译与安装OpenCV：打造专属的视觉库

这是整个流程中最耗时、也最关键的一步。我们要使用CMake和MinGW，把下载的OpenCV源代码编译成Windows系统可以调用的库文件。这个过程就像把一份通用的食谱（源码），根据你厨房里具体的厨具（MinGW编译器），加工成你能直接使用的成品菜（.dll和.lib文件）。

4.1 使用CMake-GUI进行配置

我们不直接用命令行，而是使用CMake提供的图形化界面（CMake-GUI），这样更直观，也更容易排查问题。在你安装CMake的目录下（或者开始菜单里），找到 cmake-gui.exe 并运行。

打开后，你会看到两个主要的路径输入框：

• Where is the source code: 点击“Browse Source”，选择你解压的OpenCV源码目录，例如 D:/Applications/opencv-4.5.4。
• Where to build the binaries: 点击“Browse Build”，新建一个目录来存放编译过程中产生的文件。我建议在源码目录下新建一个结构清晰的路径，比如 D:/Applications/opencv-4.5.4/build_mingw。这样做的好处是，所有生成的文件都集中在一个文件夹里，以后想清理或者重新编译都非常方便。

路径设置好后，点击左下角的 Configure 按钮。这时会弹出一个对话框让你选择“生成器”（Generator）。这是告诉CMake你要用什么编译器。在下拉列表中，选择 MinGW Makefiles。下面的“Optional platform”保持空着就行，然后点击“Finish”。

CMake会开始检查你的系统环境，这个过程需要一两分钟。检查结束后，界面中央的列表区域会变成红色，并显示很多可配置的选项。这里有几个重要的选项我们需要关注和修改：

1. 找到 OPENCV_EXTRA_MODULES_PATH 这一项。点击它对应的“Value”列，然后点击右边出现的“...”（浏览）按钮，选择你解压的 opencv_contrib-4.5.4 文件夹下的 modules 子目录，例如 D:/Applications/opencv_contrib-4.5.4/modules。这一步就是把贡献模块的路径告诉CMake，这样编译时就会把这些额外功能也加进去。
2. 找到 WITH_OPENGL 和 WITH_QT。如果你不需要OpenGL或Qt的支持，可以把它们取消勾选（把复选框里的勾去掉）。这可以简化编译依赖，加快编译速度。对于初学者，通常不需要。
3. 找到 BUILD_opencv_world。我强烈建议你把这个选项勾上。这个选项的作用是把所有OpenCV的核心模块打包成一个大的库文件（libopencv_world45x.dll 和 libopencv_world45x.lib）。默认情况下，OpenCV会被编译成几十个独立的小库。勾选这个后，你以后在VSCode里配置链接库时，只需要链接这一个 world 库就行了，会省去很多麻烦。

配置修改完成后，再次点击 Configure 按钮。这次红色区域会刷新，如果还有红色项，通常是一些新出现的依赖项，暂时不用管。直到所有红色消失，下方信息窗口显示“Configuring done”，就可以点击 Generate 按钮了。这个过程很快，完成后会显示“Generating done”。至此，CMake的配置工作就全部完成了，它已经在你的 build_mingw 目录下生成了适合MinGW编译的 Makefile 文件。

4.2 使用MinGW进行编译与安装

现在，打开一个新的管理员终端（一定要是管理员权限，否则可能因为权限问题编译失败）。使用 cd 命令切换到我们刚才指定的构建目录：

cd D:\Applications\opencv-4.5.4\build_mingw

然后，输入编译命令：

mingw32-make -j8

这里的 -j8 参数表示使用8个线程并行编译，可以极大加快编译速度（具体数字可以根据你CPU的核心数来调整，比如4核8线程可以用 -j8）。接下来，就是一段漫长的等待时间，可能需要30分钟到1小时，取决于你的电脑性能。你会看到屏幕上飞速滚过大量的编译信息。

编译完成后（最后显示 [100%] Built target ... 之类的信息），紧接着执行安装命令：

mingw32-make install

这个命令会把编译好的头文件（.hpp）、库文件（.dll, .lib）等，复制到构建目录下的一个叫 install 的文件夹里。这个 install 目录就是我们最终要在VSCode里引用的目录，它结构清晰，包含了我们开发所需的所有文件。

最后，我们还需要把OpenCV的运行时库（.dll文件）路径也添加到系统环境变量中，这样我们编译出来的程序在运行时才能找到它们。和之前添加MinGW的 bin 路径一样，我们把 install 目录下的 bin 文件夹路径（例如 D:\Applications\opencv-4.5.4\build_mingw\install\x64\mingw\bin）添加到系统的 Path 变量中。添加后，同样记得新开一个终端，输入 opencv_version 命令测试一下，如果能看到OpenCV的版本号输出，就大功告成了。

5. VSCode项目配置：打通开发的“最后一公里”

OpenCV库已经准备就绪，现在我们要在VSCode里创建一个C++项目，并告诉VSCode去哪里找OpenCV的头文件和库文件。VSCode通过工作区（Workspace）下的一个隐藏文件夹 .vscode 里的三个JSON配置文件来管理这些信息。

5.1 创建项目与编写测试代码

首先，在你喜欢的位置（比如桌面或D盘）新建一个文件夹，命名为 OpenCV_Test。这就是你的项目根目录。然后，在这个文件夹里再新建一个 src 文件夹，用来存放源代码。打开VSCode，通过“文件”->“打开文件夹”，选择你刚创建的 OpenCV_Test 文件夹。

在VSCode的资源管理器里，右键点击 src 文件夹，选择“新建文件”，创建一个 main.cpp。这就是我们第一个OpenCV程序的文件。我们先写一个最简单的“Hello World”程序——读取并显示一张图片。把下面的代码复制进去：

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 尝试读取一张图片，请将路径替换为你电脑上真实存在的图片路径
    // 例如：C:/Users/YourName/Pictures/test.jpg
    // 注意：路径中使用正斜杠（/）或双反斜杠（\\），避免使用单反斜杠和中文
    cv::Mat image = cv::imread("D:/test_image.jpg");

    // 检查图片是否成功加载
    if (image.empty()) {
        std::cout << "错误：无法加载图片！请检查文件路径。" << std::endl;
        return -1;
    }

    // 创建一个窗口并显示图片
    cv::namedWindow("我的第一个OpenCV窗口", cv::WINDOW_AUTOSIZE);
    cv::imshow("我的第一个OpenCV窗口", image);

    // 等待键盘按键，否则窗口会一闪而过
    cv::waitKey(0);

    // 关闭所有OpenCV创建的窗口
    cv::destroyAllWindows();

    std::cout << "程序执行成功！" << std::endl;
    return 0;
}

代码写好了，但现在直接按F5是跑不起来的，因为VSCode还不知道怎么编译它，更不知道OpenCV在哪里。这就需要配置那三个关键的JSON文件。

5.2 配置c_cpp_properties.json（智能感知）

这个文件负责告诉VSCode的C/C++插件（也就是提供代码补全和跳转的那个插件）去哪里找头文件。按下 Ctrl+Shift+P，打开命令面板，输入 “C/C++: Edit Configurations (UI)”，然后选择它。这会打开一个图形化配置界面。

我们需要关注的是 Include Path 这一项。点击“添加项”，然后把OpenCV安装目录下的 include 文件夹路径添加进去。具体路径是：你的OpenCV构建目录/install/include 和 你的OpenCV构建目录/install/include/opencv2。例如：

D:/Applications/opencv-4.5.4/build_mingw/install/include
D:/Applications/opencv-4.5.4/build_mingw/install/include/opencv2

添加完成后，VSCode会自动在项目根目录的 .vscode 文件夹下生成一个 c_cpp_properties.json 文件。这时你再回到 main.cpp，把鼠标悬停在 #include <opencv2/opencv.hpp> 上，如果不再报红色波浪线错误，就说明头文件路径配置正确了，代码补全功能也应该能正常工作了。

5.3 配置tasks.json（构建任务）

这个文件告诉VSCode如何编译你的代码。按下 Ctrl+Shift+P，输入 “Tasks: Configure Default Build Task”，选择“C/C++: g++.exe build active file”。这会在 .vscode 文件夹下生成一个 tasks.json 文件。

我们需要修改这个文件中的 args 参数，也就是给g++编译器的参数。关键是要添加包含目录和链接库的指令。找到 args 数组，在 "${file}" 这一项后面，添加以下参数：

"-I", "D:/Applications/opencv-4.5.4/build_mingw/install/include",
"-L", "D:/Applications/opencv-4.5.4/build_mingw/install/x64/mingw/lib",
"-l", "opencv_world454",
"-o", "${fileDirname}/${fileBasenameNoExtension}.exe"

我来解释一下这几个参数：

• -I：指定头文件搜索路径，就是刚才在 c_cpp_properties.json 里配的路径。
• -L：指定库文件（.a或.lib）所在的目录路径。
• -l：指定要链接的库名。注意，这里写的是 opencv_world454，而不是 libopencv_world454.a。编译器会自动加上 lib 前缀和 .a 后缀。后面的 454 对应OpenCV 4.5.4的主版本号。如果你编译时没有勾选 BUILD_opencv_world，那么这里就需要链接一大堆像 opencv_core, opencv_imgproc, opencv_highgui 这样的库，非常麻烦。
• -o：指定输出的可执行文件名。

5.4 配置launch.json（调试配置）

最后，我们需要配置调试器。点击VSCode左侧的“运行和调试”图标（一个三角箭头加虫子），然后点击“创建一个launch.json文件”，选择“C++ (GDB/LLDB)”。这会在 .vscode 文件夹下生成 launch.json 文件。

这个文件最重要的就是 preLaunchTask 这一项。它的值必须和 tasks.json 文件里 label 的值完全一致。默认情况下，VSCode生成的 tasks.json 里 label 是 C/C++: g++.exe build active file，那么 launch.json 里的 preLaunchTask 也应该是这个字符串。它的作用是，在启动调试（按F5）之前，先自动执行指定的构建任务（也就是编译你的代码）。这样你修改代码后，直接按F5就能编译并运行最新版本，非常方便。

另外，检查一下 program 这一项，它指定了要调试的程序路径，应该和 tasks.json 里 -o 参数指定的输出路径匹配，例如 "${fileDirname}/${fileBasenameNoExtension}.exe"。

6. 实战与验证：运行你的第一个图像处理程序

所有配置都完成了，现在是检验成果的时刻。确保你的 main.cpp 文件里图片的路径指向一个真实存在的 .jpg 或 .png 文件。然后，直接按下键盘上的 F5 键。

VSCode会依次执行以下动作：

1. 根据 launch.json 的 preLaunchTask 设置，触发 tasks.json 中定义的构建任务。
2. g++编译器被调用，它会读取 main.cpp，根据 -I 参数找到OpenCV的头文件，根据 -L 和 -l 参数找到并链接OpenCV的库文件，最终生成一个 .exe 可执行文件在你的 src 文件夹里。
3. 启动调试器，运行这个 .exe 文件。

如果一切顺利，你会看到弹出一个窗口，里面显示着你指定的图片！同时，VSCode底部的“终端”面板里会输出“程序执行成功！”的字样。恭喜你，你的OpenCV开发环境已经完美配置成功！

但这只是开始。让我们再做一个简单的小实验，体验一下OpenCV的强大。修改一下 main.cpp 的代码，在 cv::imshow 之前，加入一行灰度转换的代码：

cv::Mat grayImage;
cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY);
cv::imshow("灰度图", grayImage);

再次按下F5，这次你应该会看到两个窗口，一个是原始彩色图，另一个是处理后的灰度图。通过这个简单的例子，你就能感受到，在配置好的环境里，调用OpenCV强大的图像处理函数是多么简单直接。接下来，你就可以尽情探索OpenCV的世界了，比如边缘检测、人脸识别、图像滤波等等，VSCode这个轻量而强大的编辑器会成为你得力的助手。