【opencv3.1.0】opencv3.1.0配置contrib3.1.0+vs++2013（64位）+SIFT程序测试

本人配置的是vs++2013（64位）+opencv3.1.0+contrib3.1.0

1：配置所需的文件：

opencv3.1.0：下载方式可以从官网：点击打开链接    此时解压安装得到两个文件夹build 和source，其中source才是后面我们需要的，build是已编译的没有用，我们得重新编译。

                        也可以从GitHub中下载对应的版本opencv源码：点击打开链接    这里下载只要源码source，可以自己建个build文件，将编译后的文件放到build中，亲测建议在GitHub中下载源码。（我是采用第二种方式在GitHub中下载的）

contrib3.1.0：也是在GitHub中下载：点击打开链接             注意：在GitHub中下载的时候要输入需要的版本，然后再下载

如下图所示：

cmake：点击打开链接

cmake编译器下载版本没有要求，一般只要高于3.1就行，我这里编译的是用3.6.0(但是要下载64位，因为我配置的是64位的），下载后解压，点开bin文件夹，点击cmake-gui-exe就是编译的界面了。如下图：

打开cmake，有两个地方，1：是放下载的opencv3.1.0的源码source，2：是编译后放置的文件夹build

vs++2013：这个下载安装我就不用说了

2:cmake 编译

a：在cmake界面1和2处分别放入对于的文件路径：如上图就不重复了

b:点击configure，此时会有大概10分钟中，这个完全看网速，如果发现失败提示，则是因为网速太慢下载一些文件终端导致编译失败，可以重复多次，直到成功为止。如果实在不行就直接下载所需文件到指定文件夹中（cmake中主要需要的是IPP以及ffmpeg的一些东西。如果下载速度较慢或者下载完成后MD5校验错误的话，需要重新在别处下载。IPP可以在http://sourceforge.net/projects/opencvlibrary/files/3rdparty/ippicv/下载。注意是windows_20141027的版本。而ffmpeg我是直接使用CMake下载的，因而就不提供第三方的下载地址了。这些包最后都应该放到D:\opencv-3.0.0\3rdparty底下对应的目录，最好的方法是先让CMake下一小会儿，然后直接将完整的文件到对应的目录下进行替换）

c：如果有configure done！表示编译成功，则进行下一步，编译扩展模块contrib3.1.0，

在search中搜索OPENCV_EXTERA_MODULES_PATH,则会选中此目录，然后再后面的value中添加你自己解压contrib的文件路径中的modules路径，如*********\opencv_contrib\modules.完成之后点击左下角的configure进行第二次编译，这次编译比较快，显示比较快，显示configure成功后，再点击generate,如果成功则会发现在原来自己建的编译文件夹build中多了很多文件。至此cmake编译结束

3：vs++2013中编译

a：打开build文件中找到OpenCV.sln打开，则进入vs++环境中，因为我是编译debug64位，则选择对应的位数和debug或者release。然后选择重新生成解决方案。这个过程会有大概帮个小时左右。我当时是编译成功100多个，失败了3个，但后来发现并不影响。

b：找到CMakeTargets中的INSTALL,然后右键选择“仅限于项目”————“仅生成INSTALL(B),完成之后会在build文件夹中发现install文件夹，至此编译完成。

4：配置环境

a：用户环境变量——找到path点击——编辑——新建——将D:\opencv-3.0.0\build\install\x64\v12\bin

这里面的x64表示64位，v12表示vs++2013

b: 系统环境变量同上操作

5：配置vs++2013——opencv工程属性，

a:新建一个工程，这里就不讲了

b:首先选择debug64位，没有就新建x64，则在属性管理器发现debug64,右键——添加新项目属性边（避免后面每次都配置工程属性，以后就每次直接添加属性表即可）——起个名字opencv_debug, 则会在前一步建的工程中多了一个属性边opencv_debug.pros. 如下图：

新建工程属性表后如下：

如果下次再新建工程：则只需要debug64右键添加现有属性表opencv_debug.pops即可，就不用每次配置

c：右键opencv_debug.pops——属性——进行配置

可执行文件目录：D:\opencv3\build\install\x64\vc12\bin
包含目录：
D:\opencv3\build\install\include
D:\opencv3\build\install\include\opencv
D:\opencv3\build\install\include\opencv2
库文件目录：D:\opencv3\build\install\x64\vc12\lib 

库文件目录：D:\opencv3\build\install\x64\vc12\

D:\opencv3\build\install\x64\vc12\staticlib

添加附加依赖项：(我这里由于是配置的debug库，所以310后面都有一个d，如果配置的是release库则没有d。其中310表示opencv3.1.0版本，必须版本一致，否则后面程序运行将无法打开这些lib）

opencv_aruco310d.lib
opencv_bgsegm310d.lib
opencv_bioinspired310d.lib
opencv_calib3d310d.lib
opencv_ccalib310d.lib
opencv_core310d.lib
opencv_datasets310d.lib
opencv_dnn310d.lib
opencv_dpm310d.lib
opencv_face310d.lib
opencv_features2d310d.lib
opencv_flann310d.lib
opencv_fuzzy310d.lib
opencv_highgui310d.lib
opencv_imgcodecs310d.lib
opencv_imgproc310d.lib
opencv_line_descriptor310d.lib
opencv_ml310d.lib
opencv_objdetect310d.lib
opencv_optflow310d.lib
opencv_photo310d.lib
opencv_plot310d.lib
opencv_reg310d.lib
opencv_rgbd310d.lib
opencv_saliency310d.lib
opencv_shape310d.lib
opencv_stereo310d.lib
opencv_stitching310d.lib
opencv_structured_light310d.lib
opencv_superres310d.lib
opencv_surface_matching310d.lib
opencv_text310d.lib
opencv_tracking310d.lib
opencv_ts310d.lib
opencv_video310d.lib
opencv_videoio310d.lib
opencv_videostab310d.lib
opencv_xfeatures2d310d.lib
opencv_ximgproc310d.lib
opencv_xobjdetect310d.lib
opencv_xphoto310d.lib
ippicvmt.lib

至此配置完成！

6：配置环境中常见的错误:

a:调试时出现无法找到opencv_****.dll

解决办法：将opencv3\build\x64\vc12\bin中的所有******.dll的文件复制到C:\Windows\SysWOW64 （64位） 和C:\Windows\System32  （32位）最好全部都复制过去。

7：contrib库配置完代码测试：SIFT算法

#include <iostream>
#include <opencv2/opencv.hpp>  //头文件
#include <opencv2/xfeatures2d.hpp>
using namespace cv;  //包含cv命名空间
using namespace std;

int main()
{
	//Create SIFT class pointer
	Ptr<Feature2D> f2d = xfeatures2d::SIFT::create();
	//读入图片
	Mat img_1 = imread("**********\\1.jpg");
	Mat img_2 = imread("***********\\2.jpg");
	resize(img_1, img_1, Size(400, 500), (0, 0), (0, 0), INTER_LINEAR);
	resize(img_2, img_2, Size(400, 500), (0, 0), (0, 0), INTER_LINEAR);
	//Detect the keypoints
	vector<KeyPoint> keypoints_1, keypoints_2;
	f2d->detect(img_1, keypoints_1);
	f2d->detect(img_2, keypoints_2);
	//Calculate descriptors (feature vectors)
	Mat descriptors_1, descriptors_2;
	f2d->compute(img_1, keypoints_1, descriptors_1);
	f2d->compute(img_2, keypoints_2, descriptors_2);
	//Matching descriptor vector using BFMatcher
	BFMatcher matcher;
	vector<DMatch> matches;
	matcher.match(descriptors_1, descriptors_2, matches);
	//绘制匹配出的关键点
	Mat img_matches;
	drawMatches(img_1, keypoints_1, img_2, keypoints_2, matches, img_matches);
	imshow("【match图】", img_matches);
	//等待任意按键按下
	waitKey(0);
}

效果图如下：

更多细节详情：https://www.cnblogs.com/jliangqiu2016/p/5597501.html

http://blog.csdn.net/github_28833431/article/details/48226291