OpenCV（开源计算机视觉库）是一个强大的跨平台计算机视觉库，包含了众多图像处理和计算机视觉的算法。在本案例中，我们关注的是OpenCV 3.4版本的Linux安装包，名为"opencv-3.4.zip"。这个压缩包包含了在Linux环境下运行和开发OpenCV应用所需的所有文件。
安装OpenCV前需要确保你的Linux系统已经装有必要的依赖项，如CMake、Git、编译器（如GCC或Clang）、OpenBLAS（可选但推荐）以及Python开发环境（如果打算使用Python接口）。对于Ubuntu或Debian用户，可以使用以下命令安装这些依赖：
```bash
sudo apt-get update
sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
```
解压下载的"opencv-3.4.zip"文件后，进入解压后的目录，你会看到源代码和其他配置文件。接下来，我们需要创建一个构建目录并进入其中：
```bash
mkdir build
cd build
```
然后，使用CMake来配置编译选项。这里可以根据个人需求选择是否开启某些特性，如CUDA支持、Python绑定等。以下是一个基本的CMake命令示例：
```bash
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D WITH_CUDA=ON \
-D WITH_OPENGL=ON \
-D WITH_PYTHON=ON \
-D PYTHON_EXECUTABLE=$(which python) \
-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \
..
```
这里的`OPENCV_EXTRA_MODULES_PATH`指定了opencv_contrib模块的路径，它包含了额外的非核心模块，如aruco、dnn等。
完成配置后，你可以使用`make`命令进行编译：
```bash
make -j4
```
这里的"-j4"表示使用4个线程进行编译，你可以根据CPU的核心数调整这个数字以加快编译速度。编译完成后，使用`sudo make install`将OpenCV安装到系统中。
如果你是Python开发者，还需要将Python的site-packages目录更新以包含OpenCV的Python模块：
```bash
sudo ldconfig
sudo python -c "from cv2 import cv2; print('OpenCV Python version:', cv2.__version__)"
```
测试安装是否成功，可以通过编写一个简单的Python脚本来验证：
```python
import cv2
print(cv2.__version__)
img = cv2.imread('test.jpg')
cv2.imshow('Test', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
这个过程涵盖了OpenCV 3.4在Linux上的安装，包括编译源码、配置依赖以及测试。了解这些步骤有助于你在实际开发中更有效地利用OpenCV的功能，实现各种计算机视觉任务，如图像处理、对象检测、人脸识别等。
