一、引言
在当今数字化时代，计算机视觉技术正以前所未有的速度蓬勃发展，广泛应用于各个领域，为人们的生活和工作带来了极大的便利和创新。在计算机视觉的众多工具和技术中，Windows 10 下基于 QT 5.14.1 minGW - 32 编译 opencv，并调用 Yolo11 的.ONNX 模型搭建环境，具有举足轻重的地位。
OpenCV 作为一个强大的开源计算机视觉库，提供了丰富的函数和算法，涵盖了图像处理、特征提取、目标检测、图像分割等多个方面。无论是简单的图像滤波、边缘检测，还是复杂的人脸识别、物体追踪，OpenCV 都能提供高效的解决方案。它的跨平台特性使其在 Windows、Linux、MacOS 等多种操作系统上都能稳定运行，成为了计算机视觉开发者不可或缺的工具。
QT 则是一款知名的跨平台 C++ 应用程序开发框架，以其丰富的功能、易用性和高效性而备受青睐。QT 提供了大量的 UI 组件、图形绘制功能、网络通信模块等，使得开发者能够轻松创建出界面美观、交互性强的应用程序。在计算机视觉应用中，QT 可以用于构建可视化界面，方便用户与视觉算法进行交互，展示处理结果。
MinGW - 32 是 Windows 下的一个开源编译器，它能够将 C++ 代码编译成可在 Windows 系统上运行的可执行文件。使用 MinGW - 32 编译 OpenCV，能够充分利用其开源、轻量级的特点，生成高效的可执行代码，并且在 Windows 系统上具有良好的兼容性。
Yolo 系列算法在目标检测领域一直处于领先地位，以其快速的检测速度和较高的准确率而闻名。Yolo11 作为该系列的一个版本，在性能和精度上都有进一步的提升。.ONNX（Open Neural Network Exchange）模型则是一种开放的神经网络模型格式，它允许不同的深度学习框架之间进行模型的交换和部署。通过将 Yolo11 模型转换为.ONNX 格式，并在 Windows 10 下基于 QT 和 OpenCV 搭建的环境中进行调用，能够充分发挥各个技术的优势，实现高效、灵活的目标检测应用。
这种技术组合在实际应用中有着广泛的场景。在安防监控领域，通过实时分析监控视频流，利用 OpenCV 进行图像预处理，Yolo11 的.ONNX 模型进行目标检测，可以快速识别出人员、车辆、异常行为等，及时发出警报，保障公共安全；在自动驾驶领域，帮助车辆实时感知周围环境，检测行人、交通标志、其他车辆等，为自动驾驶决策提供重要依据；在工业检测中，对生产线上的产品进行图像采集和分析，快速检测出产品的缺陷、尺寸偏差等问题，提高生产质量和效率。
本文将详细介绍如何在 Windows 10 系统下，使用 QT 5.14.1 和 MinGW - 32 编译 OpenCV，并成功调用 Yolo11 的.ONNX 模型搭建环境，同时通过实际案例展示其在目标检测中的应用，希望能为相关领域的开发者提供有价值的参考和帮助。
二、环境搭建前的准备
（一）软件与工具介绍
- QT 5.14.1：这是一款功能强大的跨平台 C++ 应用程序开发框架，拥有丰富的 UI 组件库，能帮助开发者轻松构建出界面美观、交互性强的应用程序。其信号槽机制让对象间的通信变得简单高效，大大简化了事件驱动编程的复杂度 。而且，QT 5.14.1 支持多平台，无论是 Windows、Linux 还是 macOS 等系统，都能完美适配，这使得开发者只需编写一次代码，就能在不同操作系统上部署运行，极大地提高了开发效率。例如在开发桌面应用程序时，利用 QT 的各种控件，如按钮、文本框、列表框等，搭配 Qt Designer 可视化设计工具，能快速搭建出精美的用户界面，再结合信号槽机制实现各种交互逻辑，轻松完成复杂的桌面应用开发。
- minGW - 32：作为 Windows 下的开源编译器，它将 GNU 工具集引入 Windows 环境，能够把 C++ 代码高效地编译成可在 Windows 系统上稳定运行的可执行文件。minGW - 32 具有轻量级、开源免费的显著特点，对于追求低成本、高效开发的开发者来说是绝佳选择。它还支持多种编程语言，在 C、C++ 开发中表现出色，开发者可以利用它进行各种类型的项目开发，从简单的命令行工具到复杂的图形界面应用，都能胜任。比如开发一个简单的 C++ 命令行程序，使用 minGW - 32 进行编译，能够快速生成可执行文件，并且在 Windows 系统上流畅运行。
- opencv：作为一款著名的开源计算机视觉库，opencv 涵盖了众多经典且实用的计算机视觉算法，功能十分全面。从基础的图像滤波、边缘检测，到复杂的目标检测、图像分割、特征提取等任务，opencv 都能提供有效的解决方案。它支持 C++、Python、Java 等多种编程语言，并且具备良好的跨平台性，可在 Windows、Linux、macOS 等常见操作系统上稳定运行。在实际应用中，如在安防监控领域，利用 opencv 的目标检测算法，可以实时分析监控视频，识别出人员、车辆等目标物体；在图像编辑软件中，借助其图像滤波、增强等算法，能够对图像进行各种处理，提升图像质量。
- Yolo11 的.ONNX 模型：Yolo 系列算法在目标检测领域一直声名远扬，以检测速度快、准确率高著称。Yolo11 作为该系列的新版本，在性能和精度上实现了进一步突破，能够更快速、准确地检测出图像或视频中的多种目标物体。.ONNX（Open Neural Network Exchange）是一种开放的神经网络模型格式，它打破了不同深度学习框架之间的壁垒，允许模型在不同框架间自由交换和部署。Yolo11 的.ONNX 模型结合了 Yolo11 算法的强大检测能力和.ONNX 格式的通用性，方便在各种环境中集成和使用。例如在自动驾驶场景中，将 Yolo11 的.ONNX 模型集成到车辆的视觉感知系统中，能够实时检测道路上的行人、车辆、交通标志等目标，为自动驾驶决策提供关键依据。
（二）下载资源
- QT 5.14.1：可以前往 QT 官方网站https://www.qt.io/download进行下载。在下载页面中，找到适合 Windows 系统的 QT 5.14.1 安装包，一般为 “qt-opensource-windows-x86-5.14.1.exe”。下载时需注意，安装包文件较大，下载前请确保网络稳定，并且预留足够的磁盘空间，大约需要 3.2GB 。此外，安装过程中可能需要登录 QT 账号，如果没有账号可以提前注册；若不想注册，也可在断网状态下进行安装，此时会跳过登录步骤直接进入后续安装流程。
- minGW - 32：官方下载地址为 SourceForge 上的 MinGW - w64 页面https://sourceforge.net/projects/mingw-w64/ 。在该页面下拉至底部，找到 “Download mingw-w64-install.exe” 进行下载。下载时要特别注意版本和架构的选择：如果目标平台是 32 位 Windows 系统，架构应选择 “i686”；若是 64 位 Windows 系统，则选择 “x86_64” 。同时，线程模型可根据需求选择，“win32” 适用于 Windows 原生 API，“posix” 则支持 C++11 多线程特性；异常处理方面，“seh” 适用于 64 位系统，“sjlj” 兼容性更好，适用于旧版本。
- opencv：其官网下载地址是https://opencv.org/releases/ 。在这个页面中，找到 opencv 4.x 版本（本次编译使用的版本需与后续环境适配，这里以较新的 4.x 版本为例），点击下载对应的 Windows 安装包，文件格式一般为 “opencv - 4.x.x.exe”。下载完成后，安装包解压后占用空间较大，需保证磁盘有充足空间用于解压和后续使用。
- Yolo11 的.ONNX 模型：如果使用预训练的 Yolo11 模型，可以从 Ultralytics 官方获取相关模型文件。首先需要安装ultralytics库，安装完成后，使用 Python 代码将.pt 格式的 Yolo11 模型转换为.ONNX 格式，示例代码如下：
from ultralytics import YOLO
model_path = 'path/to/yolov11n.pt'
model = YOLO(model_path)
model.export(format='onnx', opset =12, imgsz =[640,640])在运行这段代码前，务必确保已经成功安装了ultralytics模块，并且model_path路径指向正确的.pt 模型文件。若要使用自定义训练的 Yolo11 模型，需先完成模型训练，再按照上述类似方法进行格式转换 。
三、QT 5.14.1 与 minGW - 32 安装配置
（一）QT 5.14.1 安装
安装步骤详解
- 下载完成 QT 5.14.1 安装包（qt-opensource-windows-x86-5.14.1.exe）后，双击运行它。首先弹出的是欢迎界面，点击 “Next” 继续，如图 1 所示。
图 1：QT 安装欢迎界面
- 接着会提示登录 QT 账号，若已有账号，输入账号密码登录；若没有，可点击 “Register” 进行注册，也可在断网状态下点击 “Skip” 跳过登录步骤 ，如图 2 所示。
图 2：QT 账号登录界面
- 进入许可协议页面，仔细阅读许可协议内容后，勾选 “I accept the terms of the license agreements”，表示同意协议，然后点击 “Next”，如图 3 所示。
图 3：许可协议页面
- 在安装目录选择页面，点击 “Browse” 按钮可自定义安装路径，建议选择磁盘空间充足且路径中不包含中文和特殊字符的位置，例如 “C:\Qt\Qt5.14.1”，选好后点击 “Next” ，如图 4 所示。
图 4：安装目录选择页面
- 组件选择页面非常关键，在 “Qt 5.14.1” 分类下，建议勾选 “MinGW 7.3.0 32-bit”，这是用于编译的工具，同时可根据需求选择 “Qt Charts”“Qt Multimedia” 等组件，以拓展 QT 的功能；在 “Tools” 分类下，勾选 “Qt Creator 4.11.0”，这是 QT 的集成开发环境，方便后续代码编写和调试 ，选择完成后点击 “Next”，如图 5 所示。
图 5：组件选择页面
- 最后确认安装信息无误后，点击 “Install” 开始安装，安装过程可能需要一些时间，请耐心等待，安装进度条会显示安装的进展情况，如图 6 所示。
图 6：安装进度页面
- 安装完成后，点击 “Finish” 完成安装向导。
安装后配置
- 设置界面语言：打开 QT Creator，依次点击 “Edit”->“Preferences”，在弹出的对话框中，选择 “Environment”->“General”，在 “Interface language” 下拉框中选择所需语言，如 “Chinese (Simplified)”，点击 “Apply” 和 “OK” 即可将界面语言设置为简体中文 ，设置界面如图 7 所示。
图 7：QT 界面语言设置页面
- 调整字体：