如何保持Python编译版OpenCV库兼容性并手动恢复已编译版本？

步骤1：定位编译好的OpenCV Python绑定文件 #

你之前编译OpenCV时，生成的Python绑定文件会存放在编译目录的build文件夹下，路径类似：

<你的OpenCV源码目录>/build/lib/pythonX.X/site-packages/cv2

（X.X是你的Python版本，比如3.9）
找到这个cv2文件夹，里面包含了编译好的支持CUDA的库文件（如Linux下的.so、Windows下的.pyd）。

步骤2：清理当前环境的OpenCV残留 #

先完全卸载pip自动安装的OpenCV版本：

pip uninstall -y opencv-python opencv-contrib-python opencv-python-headless

然后检查虚拟环境的site-packages目录，确保cv2文件夹和相关的.dist-info文件已被删除。

步骤3：复制编译好的cv2到虚拟环境 #

将步骤1找到的cv2文件夹，完整复制到你的Anaconda虚拟环境的site-packages目录，路径类似：

~/anaconda3/envs/你的环境名/lib/pythonX.X/site-packages/

步骤4：验证恢复结果 #

打开Python终端，执行以下命令验证：

import cv2
print(cv2.__version__)  # 应输出4.7.x
print(cv2.cuda.getCudaEnabledDeviceCount())  # 应返回大于0的数值（表示GPU识别正常）

步骤5：防止后续pip自动替换OpenCV #

为了避免以后安装依赖时pip再次替换你的编译版OpenCV，可采用以下两种方法：

• 安装新库时忽略OpenCV依赖：比如安装Ultralytics时，使用命令：

  pip install ultralytics --ignore-installed opencv-python opencv-contrib-python
  

• 模拟pip安装标记：在虚拟环境的site-packages目录下，手动创建opencv-python.dist-info和opencv-contrib-python.dist-info文件夹（可从之前pip安装的4.8.1版本备份中复制，或手动编写METADATA文件指定版本为4.7.0），这样pip会认为已满足OpenCV依赖，不会自动安装新版本。

内容的提问来源于stack exchange，提问作者KleberBueno