VS2019+opencv 4.1.0+contribute 4.1.0配置

1.下载opencv 4.1.0+contribute 4.1.0的源码

2.新建一个文件夹opencv410，在该目录下新建文件夹source和build，把代码都解压放到一个source中。

3. 打开cmake，配置好目录，然后点击configure，这个过程会等好久，然后会出现下图中的红色。在红色中找到蓝色框住的两项。在nonfree中勾选对号，在下面加上contribute/modules的地址。再点击configure，直到所有红框变白。最后点击generate

4.用vs生成项目在build下有OpenCV.sln 点击生成->批生成->选中ALL_BUILD与INSTALL，然后生成。(编译生成需要花一定的时间)

5. 编译成功之后make目录中就会有install目录，该目录就是opencv的函数库

6. 配置opencv的环境变量，在PATH中添加*\build\install\x64\vc16\bin

 

 

(1) 创建空的C++工程；

(2) 打开该工程的属性，配置VC++目录中的包含目录与库目录

(3) 链接器->输入->添加依赖库，这里为D:\opencv410\build\install\x64\vc16\lib的lib文件，其中release是不带d的lib文件，debug是带d的lib文件。

PS：文件比较多，可以在cmd中输入dir /b *d.lib>debug.txt  dir /b *412.lib>release.txt，方可得到debug和release模式不同的依赖项。

 

7. 测试sift特征

(1) 创建.cpp相关代码文件；

(2) 代码如下：

 

#include <opencv2/opencv.hpp>

 

#include <iostream>

 

 

using namespace cv;

 

using namespace std;

 

 

int main(int argc, char** argv) {

 

Mat box = imread("1.png");

 

Mat box_in_sence = imread("2.png");

 

 

// 创建AKAZE

 

auto akaze_detector = AKAZE::create();

 

vector<KeyPoint> kpts_01, kpts_02;

 

Mat descriptors1, descriptors2;

 

 

akaze_detector->detectAndCompute(box, Mat(), kpts_01, descriptors1);

 

akaze_detector->detectAndCompute(box_in_sence, Mat(), kpts_02, descriptors2);

 

// 定义描述子匹配 - 暴力匹配

 

Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create(DescriptorMatcher::BRUTEFORCE);

 

std::vector< DMatch > matches;

 

matcher->match(descriptors1, descriptors2, matches);

 

// 绘制匹配

 

Mat img_matches;

 

drawMatches(box, kpts_01, box_in_sence, kpts_02, matches, img_matches);

 

imshow("AKAZE-Matches", img_matches);

 

imwrite("result.png", img_matches);

 

waitKey(0);

 

return 0;

 

}

(3) 效果图