opencv4.0.0+cmake编译(含contrib)_opencv4.0 contrib-CSDN博客

本文链接：https://blog.csdn.net/bobo184/article/details/88749651

前言

笔者环境：win10+vs2015+cmake3.8.2

介绍下4.0.0的新特性，沿用官网的说明：

在发布3.0版的近3.5年后，我们很高兴推出4.x系列的第一个稳定版本。

版本特性：

OpenCV现在是C ++ 11库，需要兼容C++ 11标准的编译器。所需的最低CMake版本已提升至3.5.1。
很多OpenCV 1.x的C API已被删除
在核心模块中延续性（在XML，YAML或JSON中存储和加载结构化数据）已在C ++中完全重新实现，并且也去掉了C API。
添加了新的模块G-API，它可以作为非常高效的基于图形的图像处理流水线的引擎。
dnn模块使用OpenVINO™工具包R4中的深度学习部署工具包(Deep Learning Deployment Toolkit)进行了更新。请参阅指南如何构建和使用支持DLDT的OpenCV。
dnn模块现在包括实验性Vulkan后端，并支持ONNX格式的网络。
流行的Kinect Fusion算法已实现，并针对CPU和GPU（OpenCL）进行了优化
QR图码检测器和解码器已添加到objdetect模块中
非常高效且高质量的DIS密集光流算法已从opencv_contrib转移到视频模块。
更多细节可以在之前的宣布中找到：4.0-alpha，4.0-beta，4.0-rc和更新日志

1、下载

在opencv的官网或者opencv的github上都可以下载，笔者在GitHub上下载。

打开opencv的GitHub，如下：

分别点进去，下载相对应的release版本。

下载完解压得到，下面开始编译（玩cv自己不会编译是不行的）：

2、cmake编译

在opencv目录下，新建一个文件夹newbuild，接下来编译的结果将存放在这个目录下。

（1）cmake配置与生成

等待一段时间，

接下来添加contrib的module，点击generate

等待一段时间，generate done,所有的红色就会没有，否则只能重新生成了。

（2）vs编译生成install

打开newbuild下的的OpenCV.sln文件，

找到CmakeTargets下的install，右击点击生成，前面所有的步骤都是为了这一步，临门一脚啊。。。

生成大概15-20分钟左右，

。。。。。。

全部快成功了，居然有6个不通过，难受啊，秉着不抛弃不放弃的思想，重新来过吧。

但是重新来过还是有6个不通过，查了资料博客半天，有人说不影响使用，好吧，继续吧，我在这重复之前的步骤4遍，心塞ing。

（3）重新配置opencv，环境变量/依赖项等等

这里就驾轻就熟了，和以前的版本一样，

添加环境变量到path

然后打开vs2015,打开属性管理器，

点击Debug x64下的第一个，打开属性

包含目录为：install\include和install\include\opencv2,install是刚才上面生成的

然后是链接器下输入

lib文件带d的是debug模式下的，没有就是release模式，笔者这里是debug模式下的，release没有编译，如过需要，和前面的步骤差不多。

附加的依赖项有点多（就是把D:\opencv4.0\opencv\buildx64\install\x64\vc14\lib 目录下的所有lib文件添加），这是我编译出来的

opencv_aruco400d.lib
opencv_bgsegm400d.lib
opencv_bioinspired400d.lib
opencv_calib3d400d.lib
opencv_ccalib400d.lib
opencv_core400d.lib
opencv_datasets400d.lib
opencv_dnn_objdetect400d.lib
opencv_dnn400d.lib
opencv_dpm400d.lib
opencv_face400d.lib
opencv_features2d400d.lib
opencv_flann400d.lib
opencv_fuzzy400d.lib
opencv_hfs400d.lib
opencv_highgui400d.lib
opencv_img_hash400d.lib
opencv_imgcodecs400d.lib
opencv_imgproc400d.lib
opencv_line_descriptor400d.lib
opencv_ml400d.lib
opencv_objdetect400d.lib
opencv_optflow400d.lib
opencv_phase_unwrapping400d.lib
opencv_photo400d.lib
opencv_plot400d.lib
opencv_reg400d.lib
opencv_rgbd400d.lib
opencv_saliency400d.lib
opencv_shape400d.lib
opencv_stereo400d.lib
opencv_stitching400d.lib
opencv_structured_light400d.lib
opencv_superres400d.lib
opencv_surface_matching400d.lib
opencv_text400d.lib
opencv_tracking400d.lib
opencv_video400d.lib
opencv_videoio400d.lib
opencv_videostab400d.lib
opencv_xfeatures2d400d.lib
opencv_ximgproc400d.lib
opencv_xobjdetect400d.lib
opencv_xphoto400d.lib

然后确定就行了。

（4）测试

新建工程-添加源文件-简单代码（sift特征检测）

代码如下：

#include <iostream>
#include <vector>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/xfeatures2d/nonfree.hpp>
#include <opencv2/highgui.hpp>

using namespace cv;
using namespace std;

int main()

{
	Mat src = imread("F:/vs_test/lena.jpg");

	if (src.data == NULL)
	{
		cout << "No exist" << endl;
		return -1;
	}
	namedWindow("input image", WINDOW_AUTOSIZE);
	namedWindow("output image", WINDOW_AUTOSIZE);
	imshow("input image", src);
	Ptr<Feature2D> sift = xfeatures2d::SIFT::create(400); //括号参数越大越精确，自定
	vector <KeyPoint> keypointsa;
	Mat a;

	sift->detectAndCompute(src, noArray(), keypointsa, a); //得到特征点和特征点描述
	drawKeypoints(src, keypointsa, src);//画出特征点

	//显示
	imshow("output image", src);

	waitKey();
	return 0;
}

结果：