自然场景中的中文识别尝试

想做个考试作弊系统[捂脸]……

又想作弊了

最近想整个通过图像识别自然场景中的中文“试卷” -> 自然语言处理 -> 查找题库 -> 返回结果的小程序。目前考虑的是，图像通过树莓派的摄像头产生，将结果输出到柔性墨水屏上。

1 Connectionist Text Proposal Network

据说ctpn算法在长文本上也能够保持一个不错的效果，先试试吧

1.1 虚拟环境

一开始想用pipenv，不过在安装Cython的lock package的时候就挂起不动了，搜了一下估计是跟跟网络和依赖有关系，因此就直接用Python自带的venv做虚拟环境管理了。

虚拟环境主要需要安装tensorflow，所以新建一个tf虚拟空间并激活：

python3 -m venv tf
cd tf
source bin/activate

包依赖有Cython、numpy、opencv。安装numpy之前记得安装sudo apt -y install libatlas-base-dev，不然会报libf77blas.so.3找不到的错误。

pip install numpy
# 直接pip（在2019-09-18）会安装到1.13.1版本的
pip install tensorflow
# 搜了一个新的1.14.0版本的
#wget https://github.com/lhelontra/tensorflow-on-arm/releases/download/v1.14.0-buster/tensorflow-1.14.0-cp37-none-linux_armv7l.whl
# pip install tensorflow-1.14.0-cp37-none-linux_armv7l.whl
proxychains4 git clone https://github.com/eragonruan/text-detection-ctpn.git

测试import tensorflow的时候会报一堆Future Warning。

1.2 安装OpenCV

安装OpenCV很麻烦，单独拉出来写。

1.2.1 准备工作

1. 打开摄像头：sudo raspi-config -> Enable camera。
2. 扩展存储卡空间，以防不测：sudo raspi-config -> Advanced Options -> Expand filesystem。
3. 重启：sudo reboot -h now，检查空间df -h。
4. 可选，清理不常用的程序：

   sudo apt-get purge wolfram-engine
   sudo apt-get purge libreoffice*
   sudo apt-get clean
   sudo apt autoremove

1.2.2 安装OpenCV依赖

注意，我在使用lite系统的时候，会遇到关于NEON的cmake错误，在桌面版下一切正常。

更新系统：

time sudo apt update && time sudo apt upgrade && time sudo apt dist-upgrade

安装cmake等开发工具：

sudo apt install -y build-essential cmake unzip pkg-config

安装图片和视频相关库：

sudo apt install -y libjpeg-dev libpng-dev libtiff-dev
sudo apt install -y libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt install -y libxvidcore-dev libx264-dev

可选，安装GUI库GTK以及能减少GTK警告的库[捂脸]（名字中的*号可以匹配到ARM版的库）

sudo apt install -y libgtk-3-dev
sudo apt install -y libcanberra-gtk*

为OpenCV安装数值优化库：

sudo apt install -y libatlas-base-dev gfortran

最后安装Python的头文件库：

sudo apt-get install python3-dev

1.2.3 下载OpenCV

下载opencv和附加的模块opencv_contrib，这些附加模块和函数可能会被经常用到：

#proxychains4 wget -O opencv_4.1.1.zip https://github.com/opencv/opencv/archive/4.1.1.zip
#proxychains4 wget -O opencv_contrib_4.1.1.zip https://github.com/opencv/opencv_contrib/archive/4.1.1.zip
proxychains4 wget -O opencv_4.1.0.zip https://github.com/opencv/opencv/archive/4.1.0.zip
proxychains4 wget -O opencv_contrib_4.1.0.zip https://github.com/opencv/opencv_contrib/archive/4.1.0.zip
#proxychains4 wget -O opencv_4.0.1.zip https://github.com/opencv/opencv/archive/4.0.1.zip
#proxychains4 wget -O opencv_contrib_4.0.1.zip https://github.com/opencv/opencv_contrib/archive/4.0.1.zip
#proxychains4 wget -O opencv_4.0.0.zip https://github.com/opencv/opencv/archive/4.0.0.zip
#proxychains4 wget -O opencv_contrib_4.0.0.zip https://github.com/opencv/opencv_contrib/archive/4.0.0.zip

解压：

unzip opencv_4.1.0.zip
unzip opencv_contrib_4.1.0.zip

注意：我尝试编译4.1.1版，在编译到49%的时候总会出现：

[ 49%] Linking CXX shared library ../../lib/libopencv_imgproc.so
[ 49%] Built target opencv_imgproc
make: *** [Makefile:163: all] Error 2

换4.1.0版就好了，耗时数小时。

1.2.4 CMake及编译

使用cmake构建编译，再用make进行编译，这一步非常耗时。先新建一个build文件夹：

cd opencv-4.1.0
mkdir build
cd build

运行cmake，其中：

• OPENCV_ENABLE_NONFREE=ON标识可以让我们在OpenCV 4中使用SIFT/SURF等专利算法。
• OPENCV_GENERATE_PKGCONFIG=ON生成opencv4.pc用于后面darknet的编译。
• 注意：保证OPENCV_EXTRA_MODULES_PATH的路径正确，不然会出现类似 sys/videoio.h: No such file or directory 的错误。

  cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D OPENCV_EXTRA_MODULES_PATH=~/ocr/opcv/opencv_contrib-4.1.0/modules \
      -D ENABLE_NEON=ON \
      -D ENABLE_VFPV3=ON \
      -D BUILD_TESTS=OFF \
      -D OPENCV_ENABLE_NONFREE=ON \
      -D OPENCV_GENERATE_PKGCONFIG=ON \
      -D INSTALL_PYTHON_EXAMPLES=OFF \
      -D BUILD_EXAMPLES=OFF ..

接下来要为树莓派增加交换区空间，以便能够利用全部的四颗核心，否则可能会因为内存耗尽而挂起编译，打开/etc/dphys-swapfile文件：

sudo vim /etc/dphys-swapfile

修改CONF_SWAPSIZE标识，我们将交换区从100M增加到2048M：

# set size to absolute value, leaving empty (default) then uses computed value
#   you most likely don't want this, unless you have an special disk situation
# CONF_SWAPSIZE=100
CONF_SWAPSIZE=2048

重启交换服务：

sudo /etc/init.d/dphys-swapfile stop
sudo /etc/init.d/dphys-swapfile start

注意：增加交换区空间有可能导致存储卡卡损坏，因为基于闪存的存储器的读写次数是有限的。我们这里仅在编译时增加交换区空间。

编译，用-j4告诉make使用四颗核心，这是最耗时的一步，大约用了4-5小时：

make -j4

安装：

sudo make install
sudo ldconfig

恢复交换区空间，打开/etc/dphys-swapfile文件：

sudo vim /etc/dphys-swapfile

恢复CONF_SWAPSIZE=100，并重启交换服务：

sudo /etc/init.d/dphys-swapfile stop
sudo /etc/init.d/dphys-swapfile start

1.2.5 为Python虚拟环境建立OpenCV 4连接

在我们的tf虚拟环境中建立OpenCV的软链接：

ln -s /usr/local/lib/python3.7/site-packages/cv2/python-3.7/cv2.cpython-37m-arm-linux-gnueabihf.so /home/pi/cn_dect/tf/lib/python3.7/site-packages/cv2.so

软链接的源和目的路径一定要写正确，其中源路径可以在安装时sudo make install命令的输出中看到：

-- Installing: /usr/local/lib/python3.7/site-packages/cv2/__init__.py
-- Installing: /usr/local/lib/python3.7/site-packages/cv2/load_config_py2.py
-- Installing: /usr/local/lib/python3.7/site-packages/cv2/load_config_py3.py
-- Installing: /usr/local/lib/python3.7/site-packages/cv2/config.py
-- Installing: /usr/local/lib/python3.7/site-packages/cv2/python-3.7/cv2.cpython-37m-arm-linux-gnueabihf.so
-- Set runtime path of "/usr/local/lib/python3.7/site-packages/cv2/python-3.7/cv2.cpython-37m-arm-linux-gnueabihf.so" to "/usr/local/lib"
-- Installing: /usr/local/lib/python3.7/site-packages/cv2/config-3.7.py

1.2.6 测试OpenCV

测试虚拟环境中的OpenCV：

Python 3.7.3 (default, Apr  3 2019, 05:39:12)
[GCC 8.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> cv2.__version__
'4.1.0'
>>>

成功。

1.3 测试text-detection-ctpn

无奈的是ctpn训练好的模型很大，一加载TensorFlow就报错，只好再把swap区改成2048[捂脸]。不知道这么玩下去存储卡能撑多久……

python ./main/demo.py

测试ctpn检测，还是比较慢的，第一张图在树莓派上就用了35秒。我准备再试试chineseocr这种端到端杂烩项目。

2 OCR

大概扫了一眼chineseocr这个项目，估计是用yolo3/darknet做的文本检测，再用基于pytorch的crnn做检测到的文本的ocr。

2.1 虚拟环境

还是用原来的虚拟环境

cd ~/cn_dect/tf
source ./bin/activate

在虚拟环境中安装依赖（由于前面我们在本机上编译了OpenCV，所以不用再装opencv-contrib-python了）：

pip install scipy numpy easydict Cython h5py lmdb mahotas pandas requests bs4 matplotlib lxml pillow web.py keras 

2.2 编译 & 配置darknet

下载项目和darknet：

proxychains4 git clone https://github.com/chineseocr/chineseocr.git
proxychains4 git clone https://github.com/pjreddie/darknet.git 
mv darknet chineseocr/

修改darknet/Makefile：

GPU=0
CUDNN=0
OPENCV=1
OPENMP=1

直接make时提示PKG_CONFIG_PAT中找不到opencv.pc，手动帮它找到：

sudo cp /usr/local/lib/pkgconfig/opencv4.pc /usr/local/lib/pkgconfig/opencv.pc
export PKG_CONFIG_PAT=/usr/local/lib/pkgconfig

编译过程出现./src/image_opencv.cpp:12:1: error: ‘IplImage’ does not name a type的错误，这是由于我们用的新版OpenCV导致的兼容性问题，此时需要pull一个补丁：

git fetch origin pull/1348/head:opencv4
git checkout opencv4
make -j4

把darknet/python/darknet.py第48行改成刚编译好的libdarknet.so的路径：

lib = CDLL("/home/pi/cn_dect/chineseocr/darknet/libdarknet.so", RTLD_GLOBAL)

2.3 下载OCR模型

因为是百度网盘上的东西，我用bnd2加了个速。

将下载的所有文件放在models文件夹下。（如果是用python -m http.server 8000做临时中转，wget -r http://192.168.1.100:8000可以递归下载下所有目录和文件）

2.4 安装PyTorch

安装系统依赖：

sudo apt install -y libopenblas-dev libblas-dev m4 cmake cython python3-dev python3-yaml python3-setuptools libatomic-ops-dev

下载并安装：

mkdir pytorch_install && cd pytorch_install
proxychains4 git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
git submodule sync
git submodule update --init --recursive

貌似protobuf这个库有个bug，会导致在编译近半时出现：

[ 43%] Linking CXX executable ../../../bin/protoc
/usr/bin/ld: ../../../lib/libprotobuf.a(arena.cc.o): in function `google::protobuf::internal::ArenaImpl::Init()':
arena.cc:(.text+0x24): undefined reference to `__atomic_fetch_add_8'

需要更新一下protobuf修复bug：

proxychains4 git submodule update --remote third_party/protobuf

因为我试了好几次了，因此用export BUILD_TEST=0跳过测试以缩短编译时间，设置环境并编译：

export NO_CUDA=1
export NO_DISTRIBUTED=1
export NO_MKLDNN=1 
export NO_NNPACK=1
export NO_QNNPACK=1
export BUILD_TEST=0

python3 setup.py build

接下来正式安装，安装前需要注意的是，一定要记得带着上面的export的环境变量安装（因为编译时间太长，有时候编译完了重启就忘了设置环境变量）：

python3 setup.py install

小注意一下：如果安装完成后不切换工作目录直接试就会出现No module named 'torch._C'的异常，因为编译目录下就有一个torch目录，切换工作目录再启动Python即可。

2.5 安装CTC模型

pip install wget
git clone --recursive https://github.com/parlance/ctcdecode.git   
cd ctcdecode   
pip install .

其中--recursive指将引用的第三方git repo一并克隆。安装会持续个把小时，可以追几集番了。

2.6 下载语言模型

不到3个G，挂梯子下载了：

cd chineseocr/models/
proxychains4 wget https://deepspeech.bj.bcebos.com/zh_lm/zh_giga.no_cna_cmn.prune01244.klm

2.7 运行

按自己的情况修改config.py文件，运行python app.py 8080即可。在树莓派3B+上的结果是，内存耗尽[捂脸]总共不到1G的内存，连一个CTC模型都读不进去[捂脸]

更新到最新的app分支

git pull origin app

这下炸出了一个貌似是bug的问题……这个分支（git版本daabebc93a8b4436a3653f83668429ab99eefaea）跟以前最大的不同就是一开始就在用keras和tensorflow创建yolo3的darknet，结果在text/keras_yolo3.py的第285行boxes = concatenate(boxes, axis=0)报错：

>>> boxes  = concatenate(boxes, axis=0)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/keras/layers/merge.py", line 687, in concatenate
    return Concatenate(axis=axis, **kwargs)(inputs)
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/base_layer.py", line 630, in __call__
    base_layer_utils.create_keras_history(inputs)
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/base_layer_utils.py", line 199, in create_keras_history
    _, created_layers = _create_keras_history_helper(tensors, set(), [])
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/base_layer_utils.py", line 245, in _create_keras_history_helper
    layer_inputs, processed_ops, created_layers)
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/base_layer_utils.py", line 245, in _create_keras_history_helper
    layer_inputs, processed_ops, created_layers)
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/base_layer_utils.py", line 245, in _create_keras_history_helper
    layer_inputs, processed_ops, created_layers)
  [Previous line repeated 2 more times]
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/base_layer_utils.py", line 243, in _create_keras_history_helper
    constants[i] = backend.function([], op_input)([])
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/keras/backend.py", line 3349, in __call__
    run_metadata=self.run_metadata)
  File "/home/pi/cn_dect/tf/lib/python3.7/site-packages/tensorflow_core/python/client/session.py", line 1450, in __call__
    run_metadata_ptr)
tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder_367' with dtype float and shape [2]
         [[{{node Placeholder_367}}]]

我目前的环境是：

Python 3.7.3 (default, Apr  3 2019, 05:39:12)
[GCC 8.2.0] on linux
# TensorFlow版本
>>> tf.__version__
'1.13.1'
# keras版本
>>> K.__version__
'2.2.5'

一步一步的在REPL中调试，只要一concatenate，Placeholder_367就报错，这个Placeholder就是text/keras_detect.py中第23行就初始化了的那个input_shape。不知道为什么，我在我自己的电脑上试了，同样的代码，完全没有问题，咱也不懂不知道，咱也懒得在github上问[捂脸]

其中，环境上的不同在于，电脑用的Python 3.6，TensorFlow 1.14.0，Keras 2.2.4。打算重新写张存储卡用Python 3.6的整套环境在树莓派上试一下，毕竟这张卡上还有波达方向定位的程序呢（用了Python 3.7的协程新特性）。之所以没有用chineseocr项目要求的版本是因为树莓派上安装软件真的不容易[捂脸]

调试代码：

import sys
sys.path.append(r'~/cn_dect/chineseocr')
#sys.path.append(r'~/PycharmProjects/chineseocr')
from config import *
os.environ["CUDA_VISIBLE_DEVICES"] = ''
scale,maxScale = IMGSIZE[0],2048
from text.keras_yolo3 import yolo_text,box_layer,K
import tensorflow as tf
import numpy as np

graph = tf.get_default_graph()##解决web.py 相关报错问题

anchors = [float(x) for x in keras_anchors.split(',')]
anchors = np.array(anchors).reshape(-1, 2)
num_anchors = len(anchors)
num_classes = len(class_names)
K.clear_session()
tf.reset_default_graph()
textModel = yolo_text(num_classes,anchors)
textModel.load_weights(kerasTextModel)
#textModel.load_weights(r'~/PycharmProjects/text.h5')
sess = K.get_session()
image_shape = K.placeholder(shape=(2, ))##图像原尺寸:h,w
input_shape = K.placeholder(shape=(2, ))##图像resize尺寸:h,w


y1,y2,y3 = [*textModel.output]
out = [y1,y2,y3]

num_layers = len(out)
anchor_mask = [[6,7,8], [3,4,5], [0,1,2]]
boxes = []
scores =[]
input_shape = K.cast(input_shape, tf.float32)
image_shape = K.cast(image_shape, tf.float32)
#from keras.utils import plot_model
#plot_model(textModel, to_file='model.png')

def yolo_head(feats, anchors, num_classes, input_shape, calc_loss=False):
    """Convert final layer features to bounding box parameters."""
    num_anchors = len(anchors)
    # Reshape to batch, height, width, num_anchors, box_params.
    anchors_tensor = K.reshape(K.constant(anchors), [1, 1, 1, num_anchors, 2])
    
    grid_shape = K.shape(feats)[1:3] # height, width
    grid_y =tf.tile(K.reshape(K.arange(0, stop=grid_shape[0]), [-1, 1, 1, 1]),
        [1, grid_shape[1], 1, 1])
    grid_x =tf.tile(K.reshape(K.arange(0, stop=grid_shape[1]), [1, -1, 1, 1]),
        [grid_shape[0], 1, 1, 1])
    grid = K.concatenate([grid_x, grid_y])
    grid = K.cast(grid, K.dtype(feats))
    
    feats = K.reshape(
        feats, [-1, grid_shape[0], grid_shape[1], num_anchors, num_classes + 5])
    
    # Adjust preditions to each spatial grid point and anchor size.
    box_xy = (K.sigmoid(feats[..., :2]) + grid) / K.cast(grid_shape[::-1], K.dtype(feats))
    box_wh = K.exp(feats[..., 2:4]) * anchors_tensor / K.cast(input_shape[::-1], K.dtype(feats))
    box_confidence = K.sigmoid(feats[..., 4:5])
    box_class_probs = K.sigmoid(feats[..., 5:])
    
    if calc_loss == True:
        return grid, feats, box_xy, box_wh
    return box_xy, box_wh, box_confidence, box_class_probs


for lay in range(num_layers):
    box_xy, box_wh, box_confidence, box_class_probs = yolo_head(out[lay],anchors[anchor_mask[lay]], num_classes, input_shape)
    #box_xy = (box_xy - offset) * scale
    #box_wh = box_wh*scale
    
    box_score = box_confidence * box_class_probs
    box_score = K.reshape(box_score, [-1, num_classes])
    
    box_mins  = box_xy - (box_wh / 2.)
    box_maxes = box_xy + (box_wh / 2.)
    box =  K.concatenate([
                    box_mins[..., 0:1],  # xmin
                    box_mins[..., 1:2],  # ymin
                    box_maxes[..., 0:1], # xmax
                    box_maxes[..., 1:2]  # ymax
                ],axis=-1)
    
    box = K.reshape(box, [-1, 4])
    
    boxes.append(box)
    
    scores.append(box_score)

concatenate        = tf.keras.layers.concatenate
boxes  = concatenate(boxes, axis=0)

2.8 更换环境再试一遍

由于新的buster系统都是自带Python3.7，于是打算用pipenv创建Python3.6版本的环境：

1. 首先，pipenv在系统只有3.7版本的时候并不能直接创建3.6，所以我手动sudo apt install python3.6；
2. 结果发现并不是那么回事，这时候再次pipenv --python 3.6会报错，大概是说python3.6的distutils找不到模块；
3. 网上说可能是Linux自带的Python损坏，sudo apt install python3-distutils就好了，我试了一下，3.7确实是好了，3.6依然不行；
4. 我打算用系统级Python多版本切换：

   sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.6 1
   sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.7 2
   配置版本
   sudo update-alternatives --config python3
   或切换设置
   sudo update-alternatives --set python3 /usr/bin/python3.6

   重新设3.6为系统默认Python，再执行apt或者dpkg安装说不定就安装到3.6下面去了，结果发现还是太天真了。
   试完了想把系统Python切换到Python3.6上，再运行apt install python3-distutils，结果并不可以。dist这个库安装完成后使用dpkg -L python3-distutils查看发现它已经在/usr/lib/python3.7/distutils文件夹下了，没法再装给Python3.6。被逼无奈只好强行把dpkg列出来的文件拷过去了，反正都是纯Python代码且发布无所谓小版本：

   sudo cp -r /usr/lib/python3.7/distutils/* /usr/lib/python3.6/distutils/

5. 这下终于好了，运行pipenv --python 3.6报环境变量的错，按提示重新配置即可：

   export LC_ALL=C.UTF-8
   export LANG=C.UTF-8

   在运行pipenv终于成功安装了Python 3.6的环境。

装TensorFlow和Pytorch这两个大家伙，发现piwheel上没有现成的numpy[捂脸]
wget https://github.com/lhelontra/tensorflow-on-arm/releases/download/v1.14.0-buster/tensorflow-1.14.0-cp37-none-linux_armv7l.whl

2.9 在macOS上再试一遍

安装Xcode自不必说，然后同意许可，安装Apple Command Line Tools：

sudo xcodebuild -license
sudo xcode-select --install

接下来我用macports安装系统依赖：

sudo port install cmake pkgconfig 
sudo port install jpeg libpng tiff openexr
sudo port install eigen3 tbb

下载OpenCV源码：

proxychains4 wget -O opencv.zip https://github.com/opencv/opencv/archive/4.1.1.zip
proxychains4 wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.1.1.zip
unzip opencv.zip
unzip opencv_contrib.zip
mv opencv-4.1.1 opencv
mv opencv_contrib-4.1.1 opencv_contrib

下面关于Python虚拟环境的路径，我都是用conda做的管理，所以跟venv、virtualenv、pipenv有所不同。准备执行cmake：

cd opencv
mkdir build && cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D OPENCV_EXTRA_MODULES_PATH=~/PycharmProjects/opcv/opencv_contrib/modules \
      -D PYTHON3_LIBRARY=`python -c 'import subprocess; import sys; s = subprocess.check_output("python3-config --prefix", shell=True).decode("utf-8").strip(); m = subprocess.check_output("python3-config --abiflags", shell=True).decode("utf-8").strip(); (V, v) = sys.version_info[:2]; print("{}/lib/libpython{}.{}{}.dylib".format(s, V, v, m))'` \
      -D PYTHON3_INCLUDE_DIR=`python -c 'import distutils.sysconfig as s; print(s.get_python_inc())'` \
      -D PYTHON3_EXECUTABLE=`python -c 'import subprocess; print(subprocess.check_output("which python", shell=True).decode("utf-8").strip())'` \
      -D BUILD_opencv_python2=OFF \
      -D BUILD_opencv_python3=ON \
      -D INSTALL_PYTHON_EXAMPLES=ON \
      -D INSTALL_C_EXAMPLES=OFF \
      -D OPENCV_GENERATE_PKGCONFIG=ON \
      -D OPENCV_ENABLE_NONFREE=ON \
      -D BUILD_EXAMPLES=ON \
      -D EIGEN_INCLUDE_PATH=/opt/local/include/eigen3 ..

编译并安装：

make -j4
sudo make install

完成安装后注意看安装日志，我们需要的文件位于/usr/local/lib/python3.6/site-packages/cv2/python-3.6/cv2.cpython-36m-darwin.so，为当前环境创造连接即可：

ln -s /usr/local/lib/python3.6/site-packages/cv2/python-3.6/cv2.cpython-36m-darwin.so /Users/<user-name>/anaconda3/envs/py36/lib/python3.6/site-packages/cv2.so