企业官网建设流程全解析

很多刚开始接触 OpenCV 的 C++ 玩家，十有八九都卡在环境配置这一步。明明代码是从教程里一行行抄下来的，编译却报一堆红色错误，什么opencv2/opencv.hpp: No such file or directory，什么undefined reference to cv::imread，当场就能劝退一大半热情。

这篇博文就专门解决这个问题：从零开始，在 Windows 上用 VS Code 搭配 MinGW 工具链，把 OpenCV C++ 的编译调试环境完整跑通。我会把每一步的来龙去脉都讲清楚，哪些地方容易踩坑也会单独拎出来说，新手照着走就行，有经验的也可以看看有没有什么没注意到的细节。

1. 整体思路与方案选型

1.1 为什么选 MinGW 而不是 MSVC

Windows 上给 C++ 编译，主流就两条路：MSVC（Visual Studio 那套）和 MinGW-w64（GCC 的 Windows 版本）。很多人刚入门时用的是 VS Code，如果再装个 Visual Studio 来编译，那就等于装了两个大块头，纯属给自己找罪受。

MinGW 的优势在于：它是一套完整的开源工具链，不依赖 GUI 那种重型 IDE，装完就是几个命令行工具，跟 VS Code 这种轻量编辑器配合非常清爽。而且 GCC 对 C++ 标准的支持比较新也比较完整，编译参数直观，出错信息比 MSVC 更容易看懂。很多开源项目、竞赛代码、ACM 练习用的也是 GCC 系，生态基础在这边。

MSVC 虽然对 Windows 平台的 API 覆盖更彻底，但它的命令行工具链（cl.exe）需要配置 vcvarsall.bat 环境，折腾起来相当繁琐，对新手极不友好。VS Code 官方对 MinGW 的调试支持也做得更顺滑，所以入门阶段用 MinGW 是条捷径。

1.2 核心组件清单

这套环境本质上由五个部分拼起来，缺一不可：

有人会问：VS Code 到底算不算 IDE？严格来说它是“编辑器 + 插件机制”，编译和运行都是通过调用外部的工具链完成的。理解了这一点，你就明白配置的本质是什么了——把 VS Code 和外部工具链之间的“接线”做好，其他事情就顺了。

1.3 配置方案的整体流程

整个配置过程大概分四个阶段：安装工具链 → 准备 OpenCV 库 → 配置 VS Code 工程 → 写测试程序验证。这几个步骤有严格的先后顺序，因为后面的配置依赖前面的路径，顺序乱了很容易出现“明明装了但找不到”的诡异问题。

我把这个流程画成一张思维图，保证你脑子里有数：

MinGW 安装并加入 PATH ↓ OpenCV 库文件解压到固定位置 ↓ VS Code 配置 tasks.json（编译命令） ↓ VS Code 配置 launch.json（调试命令） ↓ VS Code 配置 c_cpp_properties.json（代码提示） ↓ 写测试程序验证全链路

2. MinGW-w64 工具链的安装与验证

2.1 千万别去 sourceforge 下老版本

搜索 MinGW 下载时，很容易点进 sourceforge 上那个看着很官方的项目，页面里写着 MinGW-w64、latest 之类的字样，下载下来一装，可能是个老掉牙的 8.1.0 版本，或者更糟——只有 32 位版本，没有 x86_64 的选项。这个坑我踩过，帮别人排查时也见过好几次。

MinGW 经历了两次重大变迁：原版 MinGW 基本停更，现在的维护主力是 MinGW-w64 项目；而 MinGW-w64 的安装程序经历了从 sourceforge 发布到官方发布包的迭代。所以下载时优先认准两个可靠来源：

1. winlibs.com：这个站点打包了完整的 MinGW-w64 GCC 工具链，还有便携版、带 LLVM 的版本，下载解压就能用，不需要安装程序。
2. MSYS2：一个在 Windows 上提供类 Linux 包管理环境的发行版，通过pacman可以一键安装 GCC、OpenCV 等一堆开发库，后面会说这个名字。

如果你想让后续装 OpenCV 省点力，直接装 MSYS2 其实是最好的选择。因为 MSYS2 的软件仓库里有预编译好的 MinGW 版本 OpenCV 包，装完直接就能链接，不用自己去编译 OpenCV 源码，能省半天时间。

2.2 winlibs 安装实操步骤

去 winlibs.com 首页，找到 “UCRT runtime” 那一节的下载链接。有两个选择：带 debug 符号的版本（文件更大）和普通版本，日常开发选普通版本就行。注意选 64 位的，文件名里一般带x86_64。

下载完成后是一个.zip压缩包，解压到目标目录。我习惯放到D:\mingw64这种不带空格的路径下，避免后面编译时路径解析出问题。解压后目录结构大致是：

D:\mingw64 ├── bin ├── include ├── lib ├── libexec └── ...

重点来了：D:\mingw64\bin这个目录里有gcc.exe、g++.exe、gdb.exe、mingw32-make.exe这些可执行文件，它们就是编程序的“工厂机器”。要让系统能够随时调用它们，需要把这个目录加进环境变量 PATH。

右键“此电脑” → 属性 → 高级系统设置 → 环境变量，在“系统变量”里找到Path，编辑并新建一行，填D:\mingw64\bin，确定保存。

用 PowerShell 或 CMD 重新开一个窗口（注意：已开着的窗口不会刷新环境变量），输入：

gcc --version g++ --version gdb --version

如果能看到版本号，说明工具链安装成功。看到版本号是 GCC 13 或更高版本的话，工具链就非常新了，不用在乎什么“mingw 8.1 够用”的说法，越新的版本对 C++17/20 支持越好。

2.3 MSYS2 路线（顺带安装 OpenCV）

如果从一开始就想走 MSYS2 路线，去 msys2.org 下载安装包，默认安装在C:\msys64，然后在“MSYS2 UCRT64”终端里执行：

pacman -S mingw-w64-ucrt-x86_64-gcc mingw-w64-ucrt-x86_64-gdb mingw-w64-ucrt-x86_64-cmake pacman -S mingw-w64-ucrt-x86_64-opencv

装完以后，MinGW 工具链在C:\msys64\ucrt64\bin，OpenCV 的头文件在C:\msys64\ucrt64\include\opencv4，库文件在C:\msys64\ucrt64\lib。同样需要把C:\msys64\ucrt64\bin加进 PATH。

注意：MSYS2 环境里通常有几个子环境（MSYS、MINGW64、UCRT64、CLANG64），选择 UCRT64 是当前主流，因为 UCRT 是 Windows 系统自带的运行时，兼容性好。不要混用不同子环境的包，否则链接时会因为 ABI 不匹配报一堆错。

3. OpenCV 库的准备：别让“官网库”坑了你

3.1 官网下载的 OpenCV 与 MinGW 的兼容性问题

这是这套配置里水文最深的地方，我先说结论：OpenCV 官网（opencv.org/releases/）提供的 Windows 预编译包，使用的是 MSVC 编译的，库文件格式是.lib，而且默认链接了微软的运行时。你用 MinGW 的 g++ 去链接它，虽然偶尔能跑通，但经常会出现莫名其妙的运行时崩溃、中文路径无法读取、或者undefined reference的链接错误，因为两者的 C++ ABI 不完全一致。

那怎么办？三个方案：

1. MSYS2 直接装预编译包（最简单，推荐）
2. 自己用 CMake + MinGW 编译 OpenCV 源码（最稳，但费时间）
3. 网上找别人编译好的 MinGW 版本 OpenCV（不推荐，来源不可控）

我强烈建议新手走方案一。上面 2.3 节的两条命令已经把工具链和 OpenCV 都装好了，不需要再管什么下载、解压、配置库目录了，直接用就行。

3.2 如果坚持用官网 Windows 版本

如果你已经下载好了官网的opencv-4.x.x-windows.exe（实际是个自解压压缩包），解压到某个目录，比如D:\opencv，你会看到这样的结构：

D:\opencv ├── build │ ├── bin │ ├── include │ │ └── opencv2 │ ├── lib │ └── ... └── sources

这里build\include是头文件路径，build\lib里放着opencv_world4xx.lib这类 MSVC 库文件。用 MinGW 链接时，g++ 不认识.lib文件——更准确地说，它虽然能尝试链接，但符号格式对不上。所以如果你执意要用官网库 + MinGW，大概率会失败。

除非你有一定编译能力，用 CMake 自己把 OpenCV 源码编一遍，把库生成.a格式，再给 MinGW 用。但这属于进阶操作，需要多半小时到一小时编译时间，第一次搞很容易因为缺依赖（比如没有安装 CMake、没有安装 Python、找不到 ffmpeg 等第三方库）而中途失败。新手阶段，我的建议是：MSYS2 是王道。

3.3 MSYS2 安装后的 OpenCV 路径速查

装完mingw-w64-ucrt-x86_64-opencv之后，你需要的路径如下：

注意，MSYS2 里没有单独的opencv_world一个库，而是按模块拆成很多个：libopencv_core.dll.a、libopencv_imgcodecs.dll.a、libopencv_imgproc.dll.a、libopencv_highgui.dll.a等等。链接时你需要逐一指定，或者直接用-lopencv_core -lopencv_imgcodecs -lopencv_imgproc -lopencv_highgui这样的参数。后面配置 tasks.json 时会详细写。

还有一个好处：MSYS2 的包管理器会自动处理依赖关系，OpenCV 所需要的底层库（zlib、libpng、libjpeg、libtiff、ffmpeg 等）会一并装上，运行时 DLL 也在ucrt64\bin下集中管理，把ucrt64\bin加进 PATH 后，运行时基本不会出现 “找不到 dll” 的情况。

4. VS Code 工程配置：tasks.json、launch.json、c_cpp_properties.json

4.1 安装 C/C++ 插件与新建工程目录

VS Code 扩展市场搜索 “C/C++”，认准微软官方出的那个（作者是 Microsoft，名字就叫 C/C++），安装量上亿的那个就是。这个插件集成了 IntelliSense（代码补全、跳转、错误提示）和调试适配器，装完之后 VS Code 才具备 C++ 开发的基本能力。

如果你打算用 CMake 管理工程，再装一个 “CMake Tools” 扩展。我个人建议：小项目直接用 tasks.json 里的 g++ 命令编译就行，简洁直观；项目变大、文件变多之后，再切换到 CMake 管理。这篇博文会同时给出两种方式，你按需选择。

工程目录不需要搞太复杂。我在D:\projects\opencv_demo下建了一个标准结构：

opencv_demo ├── .vscode │ ├── tasks.json │ ├── launch.json │ └── c_cpp_properties.json ├── main.cpp └── CMakeLists.txt（如果用 CMake 方案）

.vscode文件夹里放的是 VS Code 专属配置，这个文件夹不会影响项目本身的编译，但它是 VS Code 能正确调用编译器和调试器的关键。

4.2 tasks.json：定义编译任务

tasks.json 负责告诉 VS Code：“你按下编译快捷键的时候，执行什么命令”。这里给出针对 MSYS2 OpenCV + MinGW 的完整配置：

{ "version": "2.0.0", "tasks": [ { "label": "C++ 编译运行", "type": "cppbuild", "command": "C:/msys64/ucrt64/bin/g++.exe", "args": [ "-fdiagnostics-color=always", "-g", "-std=c++17", "-I", "C:/msys64/ucrt64/include/opencv4", "-I", "C:/msys64/ucrt64/include", "${file}", "-o", "${fileDirname}/${fileBasenameNoExtension}.exe", "-L", "C:/msys64/ucrt64/lib", "-lopencv_core", "-lopencv_imgcodecs", "-lopencv_imgproc", "-lopencv_highgui", "-lopencv_videoio", "-static-libgcc", "-static-libstdc++" ], "options": { "cwd": "${fileDirname}" }, "problemMatcher": [ "$gcc" ], "group": { "kind": "build", "isDefault": true } } ] }

这里每个参数都值得展开说：

• -g：生成调试信息，这是后续能打断点调试的前提。不加这个，gdb 就无法定位到源码行号。
• -std=c++17：指定 C++ 标准版本。新版 OpenCV 4.x 要求至少 C++11，用 C++17 不会有兼容问题，还能用很多现代语法。
• -I：指定头文件搜索路径。注意include/opencv4这个目录层级，因为 MSYS2 包里 OpenCV 的头文件实际在include/opencv4/opencv2/...下，所以-I得指到include/opencv4，代码里写#include <opencv2/opencv.hpp>才能找得到。
• -L：指定库文件搜索路径，指向ucrt64/lib。
• -l：指定要链接的库。OpenCV 4.x 按模块拆分了库文件名，-lopencv_core对应libopencv_core.dll.a，-lopencv_imgcodecs对应libopencv_imgcodecs.dll.a，以此类推。链接时加了哪些模块，取决于你的代码用了 OpenCV 的哪些功能。为了保险我在示例里把常用模块都加上了。
• -static-libgcc -static-libstdc++：把 GCC 和 C++ 标准库静态链接进程序，这样程序发布到其他 Windows 机器时不需要额外装 GCC 运行库。代价是 exe 文件会大几 MB，但对学习阶段来讲值得。

提示：如果你是用 winlibs 独立下载的 MinGW，并且打算自己编译 OpenCV 源码，那么依赖库路径会不同，但 tasks.json 的格式完全一样，只需要把command、-I、-L、-l这几项换成你实际环境的路径即可。

4.3 launch.json：配置调试器

编译通过只是第一步。调试才是开发效率的关键。launch.json 告诉 VS Code：“按 F5 的时候，启动 gdb 调试这个程序”。

{ "version": "0.2.0", "configurations": [ { "name": "C++ 调试", "type": "cppdbg", "request": "launch", "program": "${fileDirname}/${fileBasenameNoExtension}.exe", "args": [], "stopAtEntry": false, "cwd": "${fileDirname}", "environment": [], "externalConsole": true, "MIMode": "gdb", "miDebuggerPath": "C:/msys64/ucrt64/bin/gdb.exe", "setupCommands": [ { "description": "为 gdb 启用整齐打印", "text": "-enable-pretty-printing", "ignoreFailures": true } ], "preLaunchTask": "C++ 编译运行" } ] }

几个关键点：

• program：指定要启动的 exe 路径，这里通过 VS Code 内置变量动态拼接出来，效果就是你编辑的是main.cpp，调试的就是main.exe。
• preLaunchTask：调试前先运行 tasks.json 里名为 “C++ 编译运行” 的编译任务，实现“按 F5 自动编译并调试”，非常省事。如果没有这一步，你得先 Ctrl+Shift+B 编译，再按 F5 调试，容易忘记。
• externalConsole：设为true时，程序运行会弹出一个独立控制台窗口。好处是能看到程序的运行输出，坏处是多了个窗口。如果程序涉及 OpenCV 的imshow显示图像窗口，这个设置能够避免 OpenCV 窗口一闪而过或被吞掉的问题。我建议把它设成true。
• miDebuggerPath：gdb 的路径，必须指向你的 MinGW 安装目录里的gdb.exe。

4.4 c_cpp_properties.json：让代码提示和报错更准确

很多人的 VS Code 代码补全是“能用但总感觉不对”，头文件明明编译得过，编辑器却划红线，就是因为没配c_cpp_properties.json。新建这个文件后，C/C++ 插件的 IntelliSense 会按照你指定的规则去解析代码：

{ "configurations": [ { "name": "Win64", "includePath": [ "${workspaceFolder}/**", "C:/msys64/ucrt64/include/opencv4/**", "C:/msys64/ucrt64/include/**" ], "defines": [ "_DEBUG", "UNICODE", "_UNICODE" ], "compilerPath": "C:/msys64/ucrt64/bin/g++.exe", "cStandard": "c17", "cppStandard": "c++17", "intelliSenseMode": "windows-gcc-x64" } ], "version": 4 }

includePath里的**表示递归包含所有子目录，编译器解析头文件时才会去这些地方找。compilerPath必须和实际编译器一致，这样插件才会用同一套宏定义和 ABI 规则来解析代码。intelliSenseMode选windows-gcc-x64，对应 Windows + MinGW 的情况。如果选了windows-msvc-x64，某些头文件的解析结果会和实际编译器不一致，就会出现明明能编译、编辑器却疯狂报错的诡异现象。

配置完成之后，写代码时#include <opencv2/opencv.hpp>不会报红，cv::Mat、cv::imread这些符号也能正常跳转和补全了。

4.5 CMake 方案（可选推荐）

如果项目文件多了之后，手动维护 tasks.json 里的-l参数会越来越痛苦。这时候可以切到 CMake。工程里放一个CMakeLists.txt：

cmake_minimum_required(VERSION 3.10) project(opencv_demo) set(CMAKE_CXX_STANDARD 17) find_package(OpenCV REQUIRED) add_executable(main main.cpp) target_link_libraries(main ${OpenCV_LIBS})

然后在 VS Code 的 CMake Tools 扩展里选择编译器（按 Ctrl+Shift+P，输入 “CMake: Select a Kit”，选GCC 13.x.x (ucrt64)），再按 F7 就能编译了。CMake 会自动探测 OpenCV 的路径，find_package(OpenCV REQUIRED)这一句就是整个 CMake 方案的核心，它会用系统里的OpenCVConfig.cmake配置找到所有库和路径，你不需要手动写-I、-L、-l。

5. 测试程序与运行验证

5.1 经典测试：读取并显示一张图片

所有配置完成后，写一个最简单的程序来验证整条链路是否通畅。随便找一张图片，放在main.cpp同目录下，命名为test.jpg。代码内容：

#include <opencv2/opencv.hpp> #include <iostream> int main() { cv::Mat img = cv::imread("test.jpg"); if (img.empty()) { std::cerr << "无法读取图片，请检查路径" << std::endl; return -1; } std::cout << "图片读取成功，尺寸: " << img.cols << " x " << img.rows << std::endl; cv::imshow("Test Window", img); cv::waitKey(0); return 0; }

这段代码里，cv::imread负责读图，如果路径有问题返回的Mat为空，所以先用img.empty()做了判断。cv::imshow用于显示窗口，cv::waitKey(0)表示等待任意按键输入，这是 OpenCV GUI 事件循环的必需步骤。

5.2 编译运行操作步骤

代码写完后，按Ctrl+Shift+B执行编译任务。如果一切正常，终端输出会显示编译成功提示，没有任何错误。然后按 F5，程序就会在调试模式下运行，弹出一个图片显示窗口。

这里有几个实测经验：

• 图片路径问题：cv::imread("test.jpg")使用的是相对路径，而程序的工作目录默认是cwd指定的${fileDirname}，即main.cpp所在目录。所以图片必须放在和main.cpp同一个目录下，或者写绝对路径。
• 控制台中文乱码：Windows 控制台默认代码页是 GBK，而 VS Code 源码文件常是 UTF-8 编码。输出中文可能乱码。临时解决办法是在控制台执行chcp 65001切换到 UTF-8 代码页，或者干脆先输出英文。这个属于 Windows 老问题了，不影响功能验证。
• 窗口不出现/一闪而过：如果程序运行后窗口一闪就消失，多半是imread没读到图片直接 return 了。加断点或看控制台输出就明白了。

5.3 用调试模式逐步验证

按 F5 开始调试后，你可以试着在cv::imshow那行打个断点。运行到断点处，左侧变量面板能看到img对象的详细信息，包括cols、rows、data等成员。能走到这一步，说明编译、链接、调试、库加载全部正常工作。

有时候断点打上了，却提示“无法找到源文件”或者“调试信息缺失”，通常是因为编译时没有加-g参数。回看 tasks.json，确保-g还在args列表里。

6. 常见问题与排查技巧实录

配置这套环境的各种坑，前前后后我帮不少人填过，挑出现频率最高的整理成一个速查表：

6.1 链接错误里最常见的两种情况

undefined reference是链接阶段的经典错误。新手最容易犯的错有两个：

第一种是漏链接。代码里用了cv::imread，但你没有加-lopencv_imgcodecs，符号就找不到。OpenCV 的函数分散在不同的模块库中，imread在 imgcodecs 模块，imshow在 highgui 模块，cvtColor在 imgproc 模块，Mat的基础操作在 core 模块。链接时只要你用了某模块的函数，就得添加对应的-l参数。

第二种是库版本不匹配。明明是官网下的 OpenCV，用 MinGW 编译却报一堆undefined reference，大概率是 ABI 不一致。解决办法就是换成 MSYS2 的 MinGW 版 OpenCV，或者干脆自己编译。

6.2 DLL 找不到问题的根治方法

OpenCV 在 MSYS2 中的包是动态库模式，生成的 exe 运行时需要到PATH里找 DLL。如果运行时报 “由于找不到 libopencv_core.dll，无法继续执行代码” 的弹窗，最省事的做法是把C:\msys64\ucrt64\bin加入系统 PATH。这样任何终端里跑 OpenCV 程序都不会有问题。

如果你想发布一个“自带运行环境”的版本，可以把用到的 DLL 复制到 exe 同目录。比如：

cp /c/msys64/ucrt64/bin/libopencv_core*.dll . cp /c/msys64/ucrt64/bin/libopencv_imgcodecs*.dll . cp /c/msys64/ucrt64/bin/libopencv_imgproc*.dll . cp /c/msys64/ucrt64/bin/libopencv_highgui*.dll . cp /c/msys64/ucrt64/bin/libgcc_s_seh-1.dll . cp /c/msys64/ucrt64/bin/libstdc++-6.dll . cp /c/msys64/ucrt64/bin/libwinpthread-1.dll .

但这只适用于小范围快速分发，正规做法还是用 windeployqt 之类的工具或打包脚本。学习阶段，直接把 bin 加 PATH 最省心。

6.3 关于 OpenCV 版本选择的建议

如果你用的是 OpenCV 4.x，需要注意头文件组织方式和 3.x 有一些差异。MSYS2 的mingw-w64-ucrt-x86_64-opencv包会跟着维护版本更新，安装时如果不指定版本，默认就是当前最新的 OpenCV 4.x 系列。OpenCV 5.0 还没有正式发布，所以目前可以放心用 4.x 最新版。

有特殊需求（比如要用 SIFT、SURF 等专利算法或 contrib 模块），MSYS2 里还有一个mingw-w64-ucrt-x86_64-opencv-contrib包，装上以后头文件和库文件路径不变，只是多了一部分模块，配置方式雷同。对初学者来说，基础版 OpenCV 完全够用了。

7. 从环境配置到生产力：几个提升效率的小建议

环境跑通之后，你可能会发现日常开发里还有一些琐碎的痛点。这里分享几个我实际用下来觉得值得做的改进。

7.1 用代码片段省去重复输入

VS Code 里可以配置用户代码片段，输入前缀自动展开模板。比如我写了一个opencv的片段，输入cvread就能自动补全图像读取和空值检查的模板代码：

{ "CV Read Image": { "prefix": "cvread", "body": [ "cv::Mat img = cv::imread(\"$1\");", "if (img.empty()) {", " std::cerr << \"无法读取图片: $1\" << std::endl;", " return -1;", "}" ], "description": "读取图片并检查是否成功" } }

这种小事情积累起来，写代码的流畅度会明显提升。

7.2 利用预编译头或合理拆分文件

对于 OpenCV 这种头文件比较大的库，每次编译都要解析大量头文件，小项目可能感觉不明显，项目大了以后编译时间会拖慢节奏。解决办法包括：用 PCH（预编译头）、把不常变的部分编译成静态库、或者用 CMake + Ninja 提升增量构建速度。MSYS2 的 ucrt64 环境里自带 Ninja，配合 CMake Tools 扩展，编译速度比单线程的 g++ 命令快不少。

7.3 了解 OpenCV 的模块体系

配置环境只是个开始，真正学习 OpenCV 时，要知道它的核心模块大概负责什么：

链接时按需添加库的参数，就是对应到这些模块的库文件。了解这些，你在看别人的工程时就不会对着-lopencv_calib3d这类参数一脸懵了。

8. 写在最后的补充和踩坑心得

配置开发环境这件事，本质上就是一个“把每个环节都接上”的过程。工具链、库、编辑器、调试器，每一环缺了或者版本不匹配，都会在你意想不到的地方给你颜色看。我自己的经验是：碰到问题先确认路径和版本，这也是排查速度最快的一步。

如果你完全按照上面流程走下来，但某个环节报错，别慌。先看错误信息到底是编译阶段、链接阶段、还是运行时阶段。编译阶段报错通常是头文件路径问题；链接阶段报错通常是库路径或库版本问题；运行时报错通常是 PATH 或 DLL 缺失问题。把错误归类，再对照上面的表格找对应方案，90% 的情况都能解决。

最后再分享两个小技巧：

第一个，给系统装一个everything之类的文件搜索工具。配置环境时经常需要确认某个文件到底在不在、路径是什么，用资源管理器翻实在太痛苦。搜索opencv2或g++.exe的位置，一眼就能得出正确路径。

第二个，每次修改环境变量后，记得关闭并重新打开 VS Code。VS Code 不会自动刷新终端和进程的环境变量，有时候你明明加了 PATH，终端里敲g++还是提示找不到，就是这个原因。重开一个 VS Code 窗口就好了。

这套环境配好之后，后续写 OpenCV 的图像处理、摄像头采集、特征匹配等程序就不会再被环境问题卡脖子了。趁热打铁，拿一张图片跑通imread、cvtColor、GaussianBlur、imshow，你就能直观感受到这套环境的实际战斗力。