windows 10 + vs2015+ opencv3.0.0 +附加模块opencv_contrib编译和配置

原文出处：http://blog.csdn.net/chentravelling/article/details/59540828

0.前言

将基于低版本OpenCV（比如2.3.1）的程序，在vs2015+opencv3.0的环境下编译会报错： 
“未声明的标识符:SiftFeatureDetector ” 
“未声明的标识符BruteForceMatcher” 
查阅才知，sift、surf等等已经被移到opencv_contrib模块，如果需要在高版本opencv中使用到opencv_contrib模块，则需要自己进行编译。其编译和配置流程，在github.com:opencv/opencv_contrib的README里写了： 
 
那么现在开始自行编译和配置吧。根据本文内容，成功率应该是99.99%，中途可能会遇到很多问题，我也会再总结一篇。 
通过不懈努力，最终成果如下： 

一.准备：系统环境和工具

1）系统：win 10 64位 
2）opencv：3.0.0 
3）opencv_contrib：3.0.0 
4）visual studio:2015 
5）CMake：3.8.0

1.安装CMake3.8.0

根据使用的操作系统选择相应的版本进行下载和安装即可（点击下载）： 

2.下载opencv3.0.0

点击到官网下载

3.安装opencv3.0.0

将opencv安装到指定目录，比如：H:\opencv

4.下载opencv_contrib3.0.0

附加模块opencv_contrib最好下载与opencv为同一版本的。 

5.解压opencv_contrib 3.0.0

将下载好的附加模块 opencv_contrib-3.0.0.zip 解压到指定位置，比如：C:\Users\september\Desktop\opencv_contrib-3.0.0 
解压后，opencv_contrib-3.0.0的结构目录如下：

二.编译

1.打开cmake

2.输入opencv源文件路径

在where is the source code输入opencv地址/sources地址， 比如：H:/opencv/sources

3.输入保存编译结果的路径

在where to build the libraries输入保存编译结果的地址， 比如：H:/opencv/mybuild 
比如下图：

4.第一次编译

（1）点击configure，选择本机的编译器，最后四位数字才代表vs的版本，比如图中的2015，代表的是visual studio 2015。 
 
（2）点击finish，开始第一次编译。 
如果编译器的版本选错，第一次编译时会出错： 
no cmake_c_compiler could be found. 
no cmake_cxx_compiler could be found. 
第一次编译完成后会显示编译opencv所需要的参数，如图： 

5.第二次编译

（1）在参数列表中，将Name为OPENCV_EXTRA_MODULES_PATH的Value设置为opencv_contrib-3.0.0的路径/modules，例如：C:/Users/september/Desktop/opencv_contrib-3.0.0/modules 
可以在search栏中搜索OPENCV_EXTRA_MODULES_PATH变量，如下图。 
 
（2）点击configure，直到configure done。 
重点：configure done后，一定要检查一下参数列表，如果参数列表还有红色标记的条目，就再尝试几次configure，直到所有条目都是白色为止。

可能错误1:unknown cmake command "ocv_define_module"之类的，即存在未知的命令。
原因：可能是opencv版本和opencv_contrib版本不一致，换成一致的就行（本人遇到这个问题的时候，是这样解决的）

可能错误2：在ICV: Downloading ippicv_windows_20141027.zip...时报错
    CMake Error at 3rdparty/ippicv/downloader.cmake:97 (message):
    Call Stack (most recent call first):
    3rdparty/ippicv/downloader.cmake:108 (_icv_downloader)cmake/OpenCVFindIPP.cmake:212 (include)cmake/OpenCVFindLibsPerf.cmake:12 (include)
    CMakeLists.txt:454 (include)
    解决：手动下载ippicv_windows_20141027.zip，保存在opencv/sources/3rdparty/ippicv/downloads/windows-b59f865d1ba16e8c84124e19d78eec57

（3）点击generate，直到generate done 
generate done后，会在where to build the binaries中设置的目录中生成编译结果。 

（4）【该步骤是个人建议】检查一下附加模版是否成功编译并加入到opencv中。如果附加模块opencv_contrib并未成功编译到opencv中，那后面再忙活都是白干。因为后面的步骤都比较费时，而且最终到了使用SIFT的时候才会发现附加模块增加失败，而且难以锁定原因，必须返回来逐步检查。所以个人建议不要跳过这一步，很简单。 
如下图，进入where to build the binaries中设置的目录，然后进入modules，查看一下是否有xfeatures2d这类的文件。这类文件是属于附加模版opencv_contrib的，如果没有，请检查一下CMake中参数列表里，OPENCV_EXTRA_MODULES_PATH的Value是否为opencv_contrib-3.0.0的路径/modules，如果不是，请重新设置OPENCV_EXTRA_MODULES_PATH的Value为opencv_contrib-3.0.0的路径/modules，然后重新configure、generate。如果附加模块opencv_contrib并未成功编译到opencv中，那后面就够忙活的了，后面更费时，而且最终会配置失败，还难以想到 

三.生成库文件

1.打开OpenCV.sln

方式1：在CMake界面点击open project 
方式2：进入where to build the binaries中设置的路径下找到OpenCV.sln，并点击即可，此时本机的vs会打开OpenCV项目方案。

2.生成.dll和.lib文件

OpenCV.sln项目加载完后（项目个数应该在130~140左右），右键点击CMakeTargets，然后选择生成。这步完成后，在where to build the binaries中设置的路径下会多一个install文件，其中就是我们需要的配置文件了。

四.配置

接下来的配置，就和以往配置opencv的流程一样，只是现在是使用自己编译的包含了附加模块的opencv。

1.系统环境变量

在计算机-环境变量-path中增加：where to build the binaries中设置的路径\install\x86\vc14\bin 

2.配置新建的工程

（1）VC++目录-包含目录：

<where to build the binaries中设置的路径>\install\include
<where to build the binaries中设置的路径>\install\include\opencv
<where to build the binaries中设置的路径>\install\include\opencv2
 
 
1
2
3
 
 
1
2
3

如下图： 
 
（2）VC++目录-库目录：

<where to build the binaries中设置的路径>\install\x86\vc14\lib
<where to build the binaries中设置的路径>\install\x86\vc14\staticlib
 
 
1
2
 
 
1
2

如下图：

 
（3）链接器-输入-附加依赖项： 
可能因为不同的人编译时添加的附加模块不一样而造成最终的.lib不一样，所以附加依赖项里添加的.lib文件都需要出现在：< where to build the binaries中设置的路径>\install\x86\vc14\lib中，否则在编译程序的时候会出现XXX.lib加载失败、丢失、找不到之类的错误，因为这个.lib根本不存在，但是可能被添加在附加依赖项里了。比如我的： 
opencv_bgsegm300d.lib 
opencv_calib3d300d.lib 
opencv_ccalib300d.lib 
opencv_core300d.lib 
opencv_datasets300d.lib 
opencv_face300d.lib 
opencv_features2d300d.lib 
opencv_flann300d.lib 
opencv_hal300d.lib 
opencv_highgui300d.lib 
opencv_imgcodecs300d.lib 
opencv_imgproc300d.lib 
opencv_line_descriptor300d.lib 
opencv_ml300d.lib 
opencv_objdetect300d.lib 
opencv_optflow300d.lib 
opencv_photo300d.lib 
opencv_reg300d.lib 
opencv_rgbd300d.lib 
opencv_saliency300d.lib 
opencv_shape300d.lib 
opencv_stitching300d.lib 
opencv_superres300d.lib 
opencv_surface_matching300d.lib 
opencv_text300d.lib 
opencv_tracking300d.lib 
opencv_ts300d.lib 
opencv_video300d.lib 
opencv_videoio300d.lib 
opencv_videostab300d.lib 
opencv_xfeatures2d300d.lib 
opencv_ximgproc300d.lib 
opencv_xobjdetect300d.lib 
opencv_xphoto300d.lib

五.测试

前面的四大部分完成了opencv和opencv_contrib的编译和配置，也完成了项目的配置，现在就是检验的时候了。

1.添加源码

在项目源文件中新建main.cpp:

#include <iostream>  
#include <opencv2\opencv.hpp>  
#include <opencv2\xfeatures2d.hpp>
using namespace std;
using namespace cv;
using namespace cv::xfeatures2d;


int main()
{
    Mat firstImage = imread("26.jpg");
    Mat secondImage = imread("27.jpg");
    if (firstImage.empty() || secondImage.empty())
    {
        cout << "error" << endl;
        return 0;
    }

    //resize(firstImage,firstImage,Size(800,1000),0,0,1);  
    //resize(secondImage,secondImage,Size(800,1000),0,0,1);  

    ////////////////////////////////////////////////////////////////////////////////  
    //第一步:获取SIFT特征  
////////////////////////////////////////////////////////////////////////////////  
    //difine a sift detector  
    Ptr<SIFT> sift = SIFT::create();
    //sift->detect();
    //SiftFeatureDetector siftDetector;
    //store key points  
    vector<KeyPoint> firstKeypoint, secondKeypoint;
    //detect image with SIFT,get key points  
    sift->detect(firstImage, firstKeypoint);
    sift->detect(secondImage, secondKeypoint);
    Mat firstOutImage, secondOutImage;
    //draw key points at the out image and show to the user  
    drawKeypoints(firstImage, firstKeypoint, firstOutImage, Scalar(255, 0, 0));
    drawKeypoints(secondImage, secondKeypoint, secondOutImage, Scalar(0, 255, 0));
    imshow("first", firstOutImage);
    imshow("second", secondOutImage);
    Mat firstDescriptor, secondDescriptor;
    sift->compute(firstImage,firstKeypoint,firstDescriptor);
    sift->compute(secondImage,secondKeypoint,secondDescriptor);
    Ptr<DescriptorMatcher > matcher = DescriptorMatcher::create("BruteForce");
    Mat masks;
    vector<DMatch> matches;
    matcher->match(firstDescriptor, secondDescriptor, matches, masks);


    ////////////////////////////////////////////////////////////////////////////////  
    //第二步:RANSAC方法剔除outliner  
////////////////////////////////////////////////////////////////////////////////  
    Mat matcheImage;
    //将vector转化成Mat  
    Mat firstKeypointMat(matches.size(), 2, CV_32F), secondKeypointMat(matches.size(), 2, CV_32F);
    for (int i = 0; i<matches.size(); i++)
    {
        firstKeypointMat.at<float>(i, 0) = firstKeypoint[matches[i].queryIdx].pt.x;
        firstKeypointMat.at<float>(i, 1) = firstKeypoint[matches[i].queryIdx].pt.y;
        secondKeypointMat.at<float>(i, 0) = secondKeypoint[matches[i].trainIdx].pt.x;
        secondKeypointMat.at<float>(i, 1) = secondKeypoint[matches[i].trainIdx].pt.y;
    }
    //Calculate the fundamental Mat;  
    vector<uchar> ransacStatus;
    Mat fundamentalMat = findFundamentalMat(firstKeypointMat, secondKeypointMat, ransacStatus, FM_RANSAC);
    cout << fundamentalMat << endl;
    //Calculate the number of outliner points;  
    int outlinerCount = 0;
    for (int i = 0; i<matches.size(); i++)
    {
        if (ransacStatus[i] == 0)
        {
            outlinerCount++;
        }
    }
    //Calculate inliner points;  
    vector<Point2f> firstInliner;
    vector<Point2f> secondInliner;
    vector<DMatch> inlinerMatches;
    int inlinerCount = matches.size() - outlinerCount;
    firstInliner.resize(inlinerCount);
    secondInliner.resize(inlinerCount);
    inlinerMatches.resize(inlinerCount);
    int index = 0;
    for (int i = 0; i<matches.size(); i++)
    {
        if (ransacStatus[i] != 0)
        {
            firstInliner[index].x = firstKeypointMat.at<float>(i, 0);
            firstInliner[index].y = firstKeypointMat.at<float>(i, 1);
            secondInliner[index].x = secondKeypointMat.at<float>(i, 0);
            secondInliner[index].y = secondKeypointMat.at<float>(i, 1);
            inlinerMatches[index].queryIdx = index;
            inlinerMatches[index].trainIdx = index;
            index++;
        }
    }
    vector<KeyPoint> inlinerFirstKeypoint(inlinerCount);
    vector<KeyPoint> inlinerSecondKeypoint(inlinerCount);
    KeyPoint::convert(firstInliner, inlinerFirstKeypoint);
    KeyPoint::convert(secondInliner, inlinerSecondKeypoint);
    //cout<<fundamentalMat<<endl;  
    //select 50 keypoints  
    //matches.erase(matches.begin()+50,matches.end());  
    //inlinerMatches.erase(inlinerMatches.begin()+50,inlinerMatches.end());  
    drawMatches(firstImage, inlinerFirstKeypoint, secondImage, inlinerSecondKeypoint, inlinerMatches, matcheImage);
    imshow("ransacMatches", matcheImage);
    drawMatches(firstImage, firstKeypoint, secondImage, secondKeypoint, matches, matcheImage);
    imshow("matches", matcheImage);
    waitKey(0);
    return 0;
}
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111

2.运行

到此，windows 10 + vs2015+ opencv3.0.0 的环境下，使用opencv_contrib附加模块就完美解决了，SIFT、SURF也能正常使用了。整个编译、配置过程，会遇到各种各样的问题，总之，坚持不懈吧~谁让opencv不是咱自己写的呢~