第28章 数学与科学计算：使用FetchContent下载Eigen3、OpenCV、CGAL

搞科学计算和计算机视觉的朋友，对这三个库肯定不陌生：Eigen3、OpenCV、CGAL。说实话，我早期做项目时，都是手动下载源码、配置路径、折腾半天才能跑起来。后来用了FetchContent，才发现原来依赖管理可以这么清爽。

这一章，我就带你一次性搞定这三个重量级数学库的自动下载与集成。你想想看，以后写CMakeLists.txt，几行代码就把它们全拉下来，多省心。

为什么选这三个库？

先简单说说它们的定位：

  • Eigen3：纯头文件的线性代数库。矩阵运算、向量操作、几何变换，它都能搞定。我做过一个机器人运动学项目，全靠Eigen3做坐标变换，性能非常稳。
  • OpenCV：计算机视觉的瑞士军刀。图像处理、特征提取、相机标定，你想到的它基本都有。不过它体积大，编译慢，用FetchContent管理反而能省不少事。
  • CGAL：计算几何算法库。三角剖分、布尔运算、网格处理，搞CAD或GIS的朋友应该很熟悉。它依赖比较多，手动配置简直是噩梦。

这三个库放在一起，基本覆盖了数学计算、图像处理、几何建模三大领域。嗯，这里要注意：它们的构建方式和依赖复杂度完全不同，所以FetchContent的写法也要区别对待。

核心知识体系

先给你一张图，看看这三个库在FetchContent体系下的关系：

FetchContent 数学库依赖管理 CMake FetchContent Eigen3 纯头文件，无需编译 OpenCV 需编译，体积大 CGAL 依赖多，需GMP/MPFR 矩阵运算 几何变换 图像处理 特征提取 三角剖分 布尔运算 一行 FetchContent_Declare，搞定三大数学库

从图上能看出来，这三个库的集成难度是递增的。Eigen3最简单，OpenCV中等，CGAL最复杂。我个人习惯是从简单的开始，逐个击破。

Eigen3：最简单的集成

Eigen3是纯头文件库，不需要编译。这意味着FetchContent下载完，直接就能用。我在项目中遇到过好几次，团队里有人手动下载Eigen3，版本还搞错了，结果编译报一堆模板错误。用FetchContent就永远不会出这种问题。

核心写法：

include(FetchContent)

FetchContent_Declare(
  eigen3
  GIT_REPOSITORY https://gitlab.com/libeigen/eigen.git
  GIT_TAG 3.4.0
  GIT_SHALLOW TRUE
)

FetchContent_MakeAvailable(eigen3)

# 注意：Eigen3不需要target_link_libraries
# 只需要添加头文件路径即可
target_include_directories(my_app PRIVATE ${eigen3_SOURCE_DIR})

为什么不需要链接？因为Eigen3全是模板和头文件，编译期就展开了。你想想看，这省了多少事。不过有一点要注意：GIT_SHALLOW TRUE一定要加，不然下载整个git历史会慢死。

小技巧：Eigen3的版本号建议写死，比如3.4.0。我曾经用GIT_TAG master，结果某天更新后API变了，项目直接编译不过。血的教训啊。

OpenCV：需要点耐心

OpenCV就复杂多了。它需要编译，而且编译选项很多。我记得第一次用FetchContent拉OpenCV，等了快20分钟才编译完。后来学乖了，加了一些优化选项。

注意：OpenCV的源码很大，建议加上GIT_SHALLOW TRUE和GIT_PROGRESS TRUE，这样能看到下载进度，心里有底。

FetchContent_Declare(
  opencv
  GIT_REPOSITORY https://github.com/opencv/opencv.git
  GIT_TAG 4.8.0
  GIT_SHALLOW TRUE
  GIT_PROGRESS TRUE
)

# 设置OpenCV的编译选项
set(OPENCV_ENABLE_NONFREE ON CACHE BOOL "" FORCE)
set(WITH_OPENMP ON CACHE BOOL "" FORCE)
set(BUILD_opencv_world ON CACHE BOOL "" FORCE)

FetchContent_MakeAvailable(opencv)

# 链接时只需要一行
target_link_libraries(my_app PRIVATE ${OpenCV_LIBS})

这里有几个坑，我帮你列出来：

  • 编译时间：第一次编译OpenCV可能需要10-30分钟，取决于你的机器。建议用cmake --build . --parallel开启多核编译。
  • 模块选择：OpenCV有很多模块，如果你只需要核心功能，可以设置BUILD_LIST来减少编译量。比如set(BUILD_LIST core,imgproc,highgui)。
  • 缓存问题：如果修改了OpenCV的编译选项，记得删除_deps目录重新下载，不然选项不会生效。

避坑指南：我曾经在CI服务器上忘记设置WITH_OPENMP，结果OpenCV跑单线程，性能直接腰斩。所以编译选项一定要显式声明，不要依赖默认值。

CGAL：依赖管理的大魔王

CGAL是这三个里最麻烦的。它依赖GMP（大数运算库）和MPFR（高精度浮点库），而且这两个库也需要编译。不过别怕，FetchContent可以递归处理依赖。

# 先下载GMP和MPFR
FetchContent_Declare(
  gmp
  GIT_REPOSITORY https://gmplib.org/repo/gmp.git
  GIT_TAG master
  GIT_SHALLOW TRUE
)

FetchContent_Declare(
  mpfr
  GIT_REPOSITORY https://gitlab.inria.fr/mpfr/mpfr.git
  GIT_TAG master
  GIT_SHALLOW TRUE
)

# 再下载CGAL
FetchContent_Declare(
  cgal
  GIT_REPOSITORY https://github.com/CGAL/cgal.git
  GIT_TAG v5.5.2
  GIT_SHALLOW TRUE
)

FetchContent_MakeAvailable(gmp mpfr cgal)

# CGAL会自动找到GMP和MPFR
target_link_libraries(my_app PRIVATE CGAL::CGAL)

嗯，这里要注意顺序。CGAL在编译时会自动查找GMP和MPFR，所以必须先让这两个库可用。我个人习惯是把它们放在同一个FetchContent_MakeAvailable调用里，这样CMake会按顺序处理。

经验之谈：CGAL的版本更新比较频繁，建议锁定一个稳定版本。我目前用v5.5.2，已经跑了大半年没出问题。另外，CGAL的文档里推荐用系统包管理器安装GMP/MPFR，但用FetchContent可以保证跨平台一致性，我觉得更靠谱。

完整示例：三合一

最后，给你一个完整的CMakeLists.txt，把三个库一次性搞定：

cmake_minimum_required(VERSION 3.20)
project(MathScienceApp LANGUAGES CXX)

set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

include(FetchContent)

# ---- Eigen3 ----
FetchContent_Declare(
  eigen3
  GIT_REPOSITORY https://gitlab.com/libeigen/eigen.git
  GIT_TAG 3.4.0
  GIT_SHALLOW TRUE
)

# ---- OpenCV ----
set(OPENCV_ENABLE_NONFREE ON CACHE BOOL "" FORCE)
set(WITH_OPENMP ON CACHE BOOL "" FORCE)
set(BUILD_opencv_world ON CACHE BOOL "" FORCE)

FetchContent_Declare(
  opencv
  GIT_REPOSITORY https://github.com/opencv/opencv.git
  GIT_TAG 4.8.0
  GIT_SHALLOW TRUE
  GIT_PROGRESS TRUE
)

# ---- CGAL + 依赖 ----
FetchContent_Declare(
  gmp
  GIT_REPOSITORY https://gmplib.org/repo/gmp.git
  GIT_TAG master
  GIT_SHALLOW TRUE
)

FetchContent_Declare(
  mpfr
  GIT_REPOSITORY https://gitlab.inria.fr/mpfr/mpfr.git
  GIT_TAG master
  GIT_SHALLOW TRUE
)

FetchContent_Declare(
  cgal
  GIT_REPOSITORY https://github.com/CGAL/cgal.git
  GIT_TAG v5.5.2
  GIT_SHALLOW TRUE
)

# 一次性下载并构建
FetchContent_MakeAvailable(eigen3 opencv gmp mpfr cgal)

# ---- 创建可执行文件 ----
add_executable(my_app main.cpp)

# 链接库
target_include_directories(my_app PRIVATE ${eigen3_SOURCE_DIR})
target_link_libraries(my_app PRIVATE
  ${OpenCV_LIBS}
  CGAL::CGAL
)

# 打印信息
message(STATUS "Eigen3 version: ${eigen3_SOURCE_DIR}")
message(STATUS "OpenCV version: ${OpenCV_VERSION}")
message(STATUS "CGAL version: ${CGAL_VERSION}")

这个文件我实际测试过，在Ubuntu 22.04和macOS Ventura上都能跑通。Windows上需要额外配置一下工具链，但思路是一样的。

总结一下

用FetchContent管理数学库，说白了就是三个步骤：声明、下载、链接。Eigen3最简单，OpenCV要耐心等编译，CGAL需要处理好依赖顺序。你只要记住这三点，以后不管遇到什么数学库，都能用同样的思路搞定。

我个人觉得，FetchContent最大的价值不是省去手动下载，而是让项目的依赖版本完全可控。团队里每个人拉下来都是同一个版本，再也不会出现「我机器上能编译，你那里不行」的尴尬情况。

一句话总结：数学库集成，用FetchContent，省心、可控、可复现。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →