Windows下OpenCV的Python与C++双路径安装指南

1. 项目概述：这不是一次简单的“pip install”，而是一场 Windows 环境下的多语言视觉开发基建工程

在 Windows 上安装 OpenCV —— C++ / Python，这行标题背后藏着的不是一条命令，而是一整套跨语言、跨工具链、跨运行时依赖的视觉开发环境搭建逻辑。我带过十几届校企联合实验室的学生，也帮二十多家中小企业的产线视觉项目做过技术兜底，几乎每年都会遇到三类典型卡点：Python 新手在 cmd 里敲完pip install opencv-python却在 import 时报ModuleNotFoundError；C++ 工程师在 VS2022 里配置好包含路径和库路径，链接时却提示LNK2019: unresolved external symbol cv::imread；还有更多人，在 VS Code 里反复切换 Python 解释器、C++ 编译器、CMake 工具链，最后连cv::Mat的内存布局都还没搞清，就先被Microsoft Visual C++ 14.0 or greater is required这条报错拦在了门外。这些不是“安装失败”，而是 Windows 平台下 OpenCV 生态的天然分层结构在真实世界里的显性反馈：Python 封装层（opencv-python）跑在解释器之上，C++ 原生层（opencv_world455.lib）直连 MSVC 运行时，而二者之间隔着 ABI 兼容性、DLL 加载路径、OpenCV 构建选项（WITH_CUDA、WITH_QT、OPENCV_DNN_BACKEND）三道隐形高墙。你看到的是“安装”，实际操作的是对 Windows 动态链接机制、Visual Studio 工具集版本映射、Python 扩展模块二进制兼容规则的一次系统性校准。它适合三类人：刚从 Python 图像处理入门想进阶到算法部署的开发者；需要把 OpenCV 集成进现有 C++ 工业软件（如 MFC、Qt）的工程师；以及正在为嵌入式视觉设备做 Windows 仿真测试环境搭建的技术负责人。这篇文章不提供“一键脚本”，只讲清楚每一步背后的“为什么必须这样”，因为真正的稳定，从来不是靠跳过步骤换来的。

2. 内容整体设计与思路拆解：为什么必须区分 Python 和 C++ 两条路径？根本矛盾在哪？

2.1 Python 路径的本质：预编译二进制轮子 + 解释器沙箱隔离

Python 安装 OpenCV 的核心逻辑，是直接复用 OpenCV 官方团队在 CI 流水线上为不同 Python 版本（3.8/3.9/3.10/3.11）、不同平台（win-amd64/win-arm64）、不同构建选项（contrib 模块开关、CUDA 支持开关）预先编译好的.whl文件。以opencv-python-4.9.0.80-cp311-cp311-win_amd64.whl为例，文件名中cp311表示 CPython 3.11，win_amd64表示 Windows 64 位平台，这个 wheel 包内部已静态链接了所有必要的 OpenCV DLL（如opencv_world490.dll），并打包了对应的 Python 扩展模块（cv2.cp311-win_amd64.pyd）。当你执行pip install opencv-python时，pip 实际做的只是将.pyd文件复制到 Python site-packages 目录，并将.dll文件放入同一目录或系统 PATH 可达路径。这种模式的优势是极快、极轻量——你不需要本地有 C++ 编译器，也不需要下载几个 GB 的 OpenCV 源码。但它的代价是完全丧失构建控制权：你无法启用WITH_TBB（Intel TBB 并行加速）、无法禁用WITH_VULKAN（减少 DLL 体积）、更无法修改OPENCV_ENABLE_NONFREE（启用 SIFT/SURF 等专利算法）。一旦你的项目需要调用cv::dnn::Net::setPreferableBackend(cv::dnn::DNN_BACKEND_CUDA)，而官方 wheel 没编译 CUDA 支持，你就只能重走 C++ 自编译路线。这是 Python 路径的底层逻辑边界：它服务于快速验证和教学场景，而非生产级定制化部署。

2.2 C++ 路径的本质：原生构建 + 工具链强绑定 + 运行时契约

C++ 路径则完全不同。你面对的不是.whl，而是 OpenCV 的 CMakeLists.txt。整个流程本质是一次完整的本地构建：从源码（或预编译的opencv-4.9.0-vc14.zip）出发，用 CMake 配置生成器（Visual Studio 17 2022 Win64），再用 MSBuild 或 VS IDE 编译出.lib和.dll。这里的关键约束是ABI 兼容性铁律：你用哪个版本的 MSVC 编译 OpenCV，就必须用完全相同版本的 MSVC 编译你的主程序。例如，OpenCV 4.9.0 官方预编译包标注vc143，表示它由 Visual Studio 2022 v143 工具集编译；如果你的项目用 VS2019（v142 工具集）编译，即使头文件能包含，链接时也会因__declspec(dllimport)符号修饰差异而失败。这不是 bug，而是 Windows C++ ABI 的设计哲学——不同编译器版本生成的二进制不保证二进制兼容。因此，C++ 路径的核心设计决策，首先是工具链对齐：确认你的 Visual Studio 版本（VS2019/VS2022）、Windows SDK 版本（10.0.19041.0/10.0.22621.0）、CMake 版本（3.25+）三者是否形成闭环。其次是构建选项裁剪：工业现场常需禁用 GUI 模块（-D WITH_QT=OFF -D WITH_WIN32UI=OFF）以减小 DLL 体积；医疗影像项目则必须开启WITH_OPENEXR=ON支持 EXR 格式。这些都不是 pip install 能解决的，而是 CMake 配置阶段的主动选择。我曾帮一家机器视觉设备商将 OpenCV 构建后的opencv_world490.dll从 128MB 压缩到 42MB，仅通过关闭WITH_GSTREAMER、WITH_FFMPEG、WITH_V4L等非必需后端，这就是 C++ 路径不可替代的价值：可控、可裁剪、可审计。

2.3 为什么不能“混用”？DLL 加载路径与符号解析的双重陷阱

最常被问的问题是：“我用 pip 装了 Python 版 OpenCV，能不能直接把它的opencv_world490.dll拿来给 C++ 项目用？”答案是理论上可能，实践中极大概率失败。原因有二：第一，Python wheel 中的 DLL 是为 Python 解释器定制的加载路径设计的。它默认期望被python.exe加载，其内部符号（如cv::Mat::create）的导出方式（__declspec(dllexport)）与 C++ 项目链接时的导入方式（__declspec(dllimport)）存在细微差异；第二，也是更致命的，Python wheel 的 DLL 通常启用了BUILD_SHARED_LIBS=ON但禁用了BUILD_opencv_world=ON，即它把不同模块（core、imgproc、dnn）编译为独立 DLL（opencv_core490.dll,opencv_imgproc490.dll），而 C++ 项目若按opencv_world方式链接，会因找不到opencv_world490.dll中的聚合符号而链接失败。我在某汽车零部件检测项目中就踩过这个坑：Python 脚本调用cv2.dnn.readNet()正常，但 C++ 代码用同样路径的 DLL 却在cv::dnn::readNetFromTensorflow处崩溃，最终发现是 Python wheel 的 dnn 模块使用了DNN_BACKEND_OPENCV，而 C++ 项目因缺少opencv_dnn490.dll的显式加载，导致 backend 初始化失败。这印证了一个硬道理：在 Windows 上，Python 和 C++ 的 OpenCV 安装必须视为两个独立的基建工程，它们共享 OpenCV API 语义，但不共享二进制实现。

3. 核心细节解析与实操要点：从环境准备到关键参数的逐层穿透

3.1 Python 路径：绕过ModuleNotFoundError的五层防御体系

Python 安装看似简单，但import cv2失败的根因往往藏在五层环境隔离中。我们一层层剥开：

第一层：Python 解释器版本与 wheel 兼容性
pip install opencv-python默认安装最新版，但 OpenCV 官方 wheel 仅支持 Python 3.7 至 3.11。如果你用的是 Python 3.12（2023年10月发布），pip install会静默安装一个旧版（如 4.8.x），且该版本未适配 3.12 的 ABI。解决方案是显式指定版本：pip install opencv-python==4.9.0.80（此版本已支持 cp312）。验证方法：python -c "import sys; print(sys.version)"与pip debug --verbose | findstr "cp3"输出的 tag 必须一致。

第二层：32/64 位架构错配
这是新手最高频的错误。python -c "import platform; print(platform.architecture())"输出('32bit', 'WindowsPE')，但你安装的是win_amd64wheel，就会报ImportError: DLL load failed。解决方案：统一使用 64 位 Python（官网下载Windows x86-64 embeddable zip file），或强制安装 32 位 wheel：pip install opencv-python --force-reinstall --only-binary=all --platform win32 --abi cp311 --no-deps。

第三层：DLL 加载路径污染
当系统 PATH 中存在旧版 OpenCV DLL（如C:\opencv\build\x64\vc15\bin），Python 会优先加载它，导致cv2模块初始化失败。import cv2报错OSError: [WinError 126] The specified module could not be found时，用Process Monitor工具过滤python.exe的CreateFile事件，可清晰看到它尝试加载哪些 DLL 及失败路径。终极清理方案：临时清空 PATH，或在 Python 脚本开头插入os.add_dll_directory(r"C:\path\to\your\opencv\bin")（Python 3.8+）。

第四层：AVX 指令集不兼容
OpenCV 4.5+ 的官方 wheel 默认启用 AVX2 指令优化。在老旧 CPU（如 Intel Core i3-2100，仅支持 AVX）上运行会触发Illegal instruction。解决方案：安装无 AVX 版本pip install opencv-python-headless==4.9.0.80（此包禁用所有硬件加速后端），或从 https://github.com/opencv/opencv/releases 下载源码，用 CMake 关闭CPU_BASELINE：cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=C:/opencv/build -D CPU_BASELINE="" ..。

第五层：conda 与 pip 混用冲突
在 Anaconda 环境中，conda install opencv与pip install opencv-python会安装不同构建的二进制，导致cv2模块符号冲突。conda list opencv显示pytorch依赖的opencv包，而pip list | findstr opencv显示opencv-python，二者共存必崩。解决方案：二选一，推荐conda install -c conda-forge opencv（conda-forge 构建更规范）。

提示：验证 Python 安装是否成功的黄金三步：

1. python -c "import cv2; print(cv2.__version__)"—— 检查版本
2. python -c "import cv2; print(cv2.getBuildInformation())"—— 检查构建选项（重点看Video I/O: DSHOW、Parallel framework: TBB）
3. python -c "import cv2; img = cv2.imread('test.jpg'); print(img.shape)"—— 端到端功能验证

3.2 C++ 路径：Visual Studio 工具集、CMake 配置、链接器设置的铁三角

C++ 安装的核心是建立 Visual Studio、CMake、OpenCV 源码三者的精确匹配。我们以 VS2022（v143 工具集）+ OpenCV 4.9.0 为例：

第一步：确认 Visual Studio 工具集版本
打开 VS2022，新建空 C++ 项目，右键项目 → 属性 → 常规 → “平台工具集”。必须是Visual Studio 2022 (v143)。若显示v142（VS2019），需在 VS Installer 中勾选 “C++ build tools for Visual Studio 2022”。

第二步：下载并解压 OpenCV 源码
从 https://opencv.org/releases/ 下载opencv-4.9.0-vc14.zip（预编译版，省去编译时间）或opencv-4.9.0.zip（源码版）。预编译版解压后路径为C:\opencv\build，其中x64\vc143\bin存放 DLL，x64\vc143\lib存放 LIB，include\opencv2存放头文件。源码版需自行 CMake 构建，但可精细控制选项。

第三步：CMake 配置关键参数详解
用 CMake GUI 打开源码目录，设置Where to build the binaries为C:\opencv\build\x64_vc143，点击 Configure，选择Visual Studio 17 2022 Win64。关键参数必须手动设置：

• -D CMAKE_BUILD_TYPE=RELEASE：生成 Release 版本（Debug 版本体积大且性能差）
• -D CMAKE_INSTALL_PREFIX=C:/opencv/install：指定安装路径（避免权限问题）
• -D BUILD_opencv_world=ON：启用 world 模块（单 DLL，简化链接）
• -D WITH_QT=OFF -D WITH_WIN32UI=OFF：禁用 GUI，减小体积
• -D WITH_CUDA=OFF：CUDA 需单独安装 cuDNN，新手建议关闭
• -D OPENCV_DNN_BACKEND=OPENCV：DNN 后端设为 OpenCV 自身（避免依赖 TensorRT）

第四步：VS 项目中的三处关键配置
在你的 C++ 项目中，必须同步配置三项：

1. 包含目录：项目属性 → C/C++ → 常规 → 附加包含目录 →C:\opencv\install\include
2. 库目录：链接器 → 常规 → 附加库目录 →C:\opencv\install\x64\vc143\lib
3. 附加依赖项：链接器 → 输入 → 附加依赖项 →opencv_world490.lib（注意版本号）

注意：若使用BUILD_opencv_world=ON，只需链接opencv_world490.lib；若关闭，则需逐个添加opencv_core490.lib opencv_imgproc490.lib等。链接顺序有依赖关系：opencv_world必须在opencv_dnn之后（因 dnn 依赖 core/imgproc）。

3.3 VS Code 配置：C++ 与 Python 环境的双轨并行

VS Code 是当前最主流的跨语言编辑器，但其 C++ 和 Python 插件配置逻辑完全不同：

Python 环境配置

1. 安装 Python 插件，按Ctrl+Shift+P→Python: Select Interpreter，选择你的 Python 环境（如C:\Python311\python.exe）
2. 在.vscode/settings.json中添加：

{ "python.defaultInterpreterPath": "./venv/Scripts/python.exe", "python.testing.pytestArgs": ["tests/"], "python.linting.enabled": true }

3. 创建虚拟环境python -m venv venv，激活后pip install opencv-python，此时import cv2即可工作。

C++ 环境配置

1. 安装 C/C++ 插件，按Ctrl+Shift+P→C/C++: Edit Configurations (UI)
2. 设置Compiler path为C:\Program Files\Microsoft Visual Studio\2022\Community\VC\Tools\MSVC\14.34.31931\bin\Hostx64\x64\cl.exe（路径随 VS 版本变化）
3. 在Include path中添加C:/opencv/install/include
4. 在IntelliSense mode中选择msvc-x64（必须与编译器匹配）
5. 最关键的.vscode/c_cpp_properties.json示例：

{ "configurations": [ { "name": "Win32", "includePath": [ "${workspaceFolder}/**", "C:/opencv/install/include" ], "defines": [], "compilerPath": "C:/Program Files/Microsoft Visual Studio/2022/Community/VC/Tools/MSVC/14.34.31931/bin/Hostx64/x64/cl.exe", "cStandard": "c17", "cppStandard": "c++17", "intelliSenseMode": "msvc-x64" } ], "version": 4 }

4. 实操过程与核心环节实现：从零开始的完整安装流水线

4.1 Python 路径：5 分钟完成可验证的安装（含虚拟环境隔离）

以下是在 Windows 11 22H2 系统上的实操记录，全程无网络代理、无特殊防火墙：

步骤 1：安装 Python 3.11（64 位）
从 https://www.python.org/downloads/ 下载Windows installer (64-bit)，安装时勾选 “Add Python to PATH”。安装后验证：

C:\> python --version Python 3.11.8 C:\> python -c "import platform; print(platform.architecture())" ('64bit', 'WindowsPE')

步骤 2：创建并激活虚拟环境

C:\project> python -m venv venv C:\project> venv\Scripts\activate.bat (venv) C:\project> pip install --upgrade pip

步骤 3：安装 OpenCV 及验证

(venv) C:\project> pip install opencv-python==4.9.0.80 ... Successfully installed opencv-python-4.9.0.80 (venv) C:\project> python -c "import cv2; print(cv2.__version__)" 4.9.0 (venv) C:\project> python -c "import cv2; print(cv2.getBuildInformation())" | findstr "Version" General configuration for OpenCV 4.9.0 ===================================== Version control: 4.9.0

此时getBuildInformation()输出中应包含Video I/O: DSHOW（Windows 原生摄像头支持）和Parallel framework: TBB（Intel TBB 并行加速），证明核心功能已启用。

步骤 4：编写第一个测试脚本
创建test_cv2.py：

import cv2 import numpy as np # 创建测试图像 img = np.zeros((480, 640, 3), dtype=np.uint8) cv2.putText(img, "OpenCV Python OK!", (50, 240), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) cv2.imshow("Test", img) cv2.waitKey(0) cv2.destroyAllWindows()

运行python test_cv2.py，若弹出绿色文字窗口，即证明 GUI 模块正常。若报错cv2.error: OpenCV(4.9.0) ... The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Cocoa support, 说明 wheel 未包含 GUI 后端，改用opencv-python-headless即可。

4.2 C++ 路径：VS2022 下构建 OpenCV 4.9.0 并集成到新项目

步骤 1：下载预编译包并解压
从 https://sourceforge.net/projects/opencvlibrary/files/4.9.0/opencv-4.9.0-vc14.zip/download 下载，解压至C:\opencv。目录结构：

C:\opencv\ ├── build\ │ └── x64\ │ └── vc143\ # VS2022 v143 工具集 │ ├── bin\ # DLL 文件 │ └── lib\ # LIB 文件 └── sources\ # 源码（可选）

步骤 2：配置系统环境变量（可选但推荐）
将C:\opencv\build\x64\vc143\bin添加到系统 PATH。这样你的 C++ 程序运行时无需手动复制 DLL。验证：重启 CMD，echo %PATH%应包含该路径。

步骤 3：在 VS2022 中创建新项目并配置

1. 文件 → 新建 → 项目 → “空项目”，命名为OpenCV_Test
2. 右键项目 → 属性 → 配置属性 → 常规 → 平台工具集 →Visual Studio 2022 (v143)
3. C/C++ → 常规 → 附加包含目录 →C:\opencv\build\include
4. 链接器 → 常规 → 附加库目录 →C:\opencv\build\x64\vc143\lib
5. 链接器 → 输入 → 附加依赖项 →opencv_world490.lib

步骤 4：编写测试代码并编译
创建main.cpp：

#include <opencv2/opencv.hpp> #include <iostream> int main() { // 创建 Mat 并填充 cv::Mat img(480, 640, CV_8UC3, cv::Scalar(0, 0, 0)); cv::putText(img, "OpenCV C++ OK!", cv::Point(50, 240), cv::FONT_HERSHEY_SIMPLEX, 1.0, cv::Scalar(0, 255, 0), 2); // 显示图像 cv::imshow("Test", img); cv::waitKey(0); cv::destroyAllWindows(); return 0; }

编译（Ctrl+Shift+B），若出现LNK2019错误，检查附加依赖项是否拼写正确（opencv_world490.lib，不是opencv_world.lib）；若运行时报The program can't start because opencv_world490.dll is missing，检查 PATH 是否包含bin目录或手动将 DLL 复制到.exe同目录。

步骤 5：CMakeLists.txt 方式（现代 C++ 项目标准）
若你的项目使用 CMake，CMakeLists.txt应如下：

cmake_minimum_required(VERSION 3.25) project(OpenCV_Test) set(CMAKE_CXX_STANDARD 17) # 查找 OpenCV find_package(OpenCV 4.9.0 REQUIRED PATHS "C:/opencv/build") include_directories(${OpenCV_INCLUDE_DIRS}) # 添加可执行文件 add_executable(OpenCV_Test main.cpp) target_link_libraries(OpenCV_Test ${OpenCV_LIBS})

在 VS2022 中，右键CMakeLists.txt→ “生成 CMake 缓存”，即可自动配置所有路径。

4.3 Docker Windows 路径：为 CI/CD 构建可复现的 OpenCV 环境

Docker Desktop for Windows（WSL2 后端）是构建可复现环境的最佳方案。以下是一个生产级Dockerfile：

# 使用官方 Python 基础镜像 FROM python:3.11-slim-bookworm # 安装系统依赖（Debian bookworm） RUN apt-get update && apt-get install -y \ libglib2.0-0 \ libsm6 \ libxext6 \ libxrender-dev \ && rm -rf /var/lib/apt/lists/* # 安装 OpenCV Python（预编译 wheel） RUN pip install --no-cache-dir opencv-python==4.9.0.80 # 验证安装 RUN python -c "import cv2; print('OpenCV version:', cv2.__version__)" # 复制应用代码 WORKDIR /app COPY . . # 启动命令 CMD ["python", "app.py"]

构建并运行：

docker build -t opencv-py-app . docker run -it --rm opencv-py-app

此镜像体积仅 320MB，比 Ubuntu 基础镜像增加不到 100MB，且完全规避了 Windows 本地环境的 DLL 冲突问题。对于需要在 Jenkins 或 GitHub Actions 中运行 OpenCV 测试的团队，这是最可靠的方案。

5. 常见问题与排查技巧实录：那些官方文档不会写的实战经验

5.1 Python 路径高频问题速查表

问题现象	根本原因	排查命令	解决方案
ModuleNotFoundError: No module named 'cv2'	Python 解释器与 wheel 不匹配	python -c "import sys; print(sys.executable)"	用which python确认 pip 对应的 Python，或python -m pip install
ImportError: DLL load failed while importing cv2	PATH 中存在旧版 DLL 或架构错配	dumpbin /dependents venv\Lib\site-packages\cv2\cv2.cp311-win_amd64.pyd	清理 PATH，或安装opencv-python-headless
cv2.error: (-215:Assertion failed) !_src.empty()	cv2.imread()返回 None	python -c "import cv2; print(cv2.imread('nonexistent.jpg'))"	检查文件路径（Windows 用\或/均可，但需绝对路径或相对路径正确）
cv2.imshow() not working in WSL2	WSL2 无 GUI 支持	export DISPLAY=:0	改用cv2.imwrite()保存图像，或在 Windows 原生 Python 中运行

5.2 C++ 路径典型故障与修复

故障 1：LNK2019: unresolved external symbol cv::imread
这是链接器找不到cv::imread符号。常见原因：

• 附加依赖项中写了opencv_imgproc490.lib但没写opencv_core490.lib（imread 在 core 模块）
• 附加库目录路径错误，指向了x86目录而非x64
• 项目配置为Debug，但链接了Release版本的 LIB（opencv_world490.lib是 Release，opencv_world490d.lib才是 Debug）

故障 2：运行时报0xc000007b错误
这是经典的 32/64 位混合错误。0xc000007b表示应用程序试图加载 32 位 DLL 到 64 位进程（或反之）。用Dependency Walker（depends.exe）打开你的.exe，查看它依赖的所有 DLL 的架构。若opencv_world490.dll显示为x86，而你的.exe是x64，则必须更换为x64版本的 OpenCV。

故障 3：cv::dnn::readNetFromTensorflow加载模型失败
OpenCV 的 DNN 模块对 TensorFlow 模型格式极其敏感。4.9.0 仅支持 TensorFlow 1.x 的 frozen graph（.pb），不支持 TF 2.x 的 SavedModel。解决方案：用 TF 1.x 导出模型：

import tensorflow as tf converter = tf.lite.TFLiteConverter.from_saved_model('saved_model_dir') tflite_model = converter.convert() open('model.tflite', 'wb').write(tflite_model)

然后在 C++ 中用cv::dnn::readNetFromTensorflow加载.tflite模型（需 OpenCV 4.5.5+）。

5.3 经验心得：十年踩坑总结的 5 条铁律

1. 永远不要在系统 Python 中安装 OpenCV：系统 Python（如C:\Python311）的 site-packages 是全局的，极易被其他软件破坏。务必用venv或conda env隔离。
2. C++ 项目中，DLL 复制比 PATH 更可靠：将opencv_world490.dll复制到你的.exe同目录，比修改系统 PATH 更安全。VS 项目属性 → 生成事件 → 预生成事件中添加：copy "C:\opencv\build\x64\vc143\bin\opencv_world490.dll" "$(OutDir)"。
3. 调试cv::Mat内存布局，用cv::Mat::isContinuous()：很多图像处理算法要求 Mat 数据连续存储。若img.isContinuous() == false，必须img = img.clone()强制连续，否则cv::Mat::data指针访问会越界。
4. OpenCV 4.x 的cv::dnn::Net是线程不安全的：多个线程同时调用net.setInput()会导致崩溃。解决方案：每个线程创建独立的cv::dnn::Net实例，或用std::mutex保护。
5. 相机调用原理的真相：cv::VideoCapture(0)在 Windows 上默认使用MSMF（Media Foundation）后端，而非旧的DSHOW。MSMF 支持更高帧率和硬件编码，但某些 USB 摄像头驱动不兼容。若cap.isOpened()返回 false，强制指定后端：cv::VideoCapture cap(0, cv::CAP_MSMF)或cv::CAP_DSHOW。

我在某 PCB 缺陷检测项目中，客户产线摄像头在CAP_MSMF下帧率只有 15fps，切换到CAP_DSHOW后提升至 30fps。这并非 OpenCV 的 bug，而是 Windows 多媒体子系统的后端选择艺术——没有银弹，只有针对场景的精准适配。