OpenCV3学习笔记（1）- OpenCV安装配置、基本架构、使用CMake编译OpenCV源代码

Rock Nut

已于 2022-04-17 15:15:31 修改

阅读量4.2k

点赞数 1

分类专栏：笔记文章标签：图像处理 opencv

于 2022-04-17 15:08:24 首次发布

本文链接：https://blog.csdn.net/weixin_42194879/article/details/124216251

版权

笔记专栏收录该内容

12 篇文章 4 订阅

订阅专栏

详见《OpenCV3编程入门（毛星云、冷雪飞）》

OpenCV官方主页：http://opencv.org
OpenCV Github主页：https://github.com/Itseez/opencv
OpenCV开发版Wiki主页：http://code.opencv.org

1.1 OpenCV的下载、安装与配置

本文配置环境为OpenCV 3.4.16 + Visual Studio 2019

1、OpenCV下载

在OpenCV官方主页http://opencv.org下载需要的版本，启动.exe解压到D:\Program Files\下

2、配置OpenCV环境变量

在【计算机】 > 【属性】 > 【高级系统设置】 > 【高级】 > 【环境变量】 > 【系统变量】PATH中添加：
D:\Program Files\opencv\build\x64\vc14\bin和…opencv\build\x64\vc14\bin
D:\Program Files\opencv\build\x64\vc14\bin和…opencv\build\x64\vc15\bin

3、工程包含include目录的配置

Visual Studio中：【视图】 > 【属性管理器】 > 【Debug | x64】右键属性
【通用属性】 > 【VC++目录】 > 【包含目录】中添加以下三个目录
D:\Program Files\opencv\build\include
D:\Program Files\opencv\build\include\opencv
D:\Program Files\opencv\build\include\opencv2
选择x64或是x86取决于编译程序时用哪个编译器，和计算机系统是32位还是64位无关。

4、工程库lib目录的配置

Visual Studio中：【视图】 > 【属性管理器】 > 【Debug | x64】右键属性
【通用属性】 > 【VC++目录】 > 【库目录】中添加以下目录
D:\Program Files\opencv\build\x64\vc14\lib

5、链接库的配置

Visual Studio中：【视图】 > 【属性管理器】 > 【Debug | x64】右键属性
【通用属性】 > 【链接器】 > 【输入】 > 【附加的依赖项】
粘贴D:\opencv\build\x64\vc14\lib下所有lib库文件的名字
opencv_world3416.lib
opencv_world3416d.lib
Debug文件库名有d结尾，Release没有

6、在Windows文件夹下加入OpenCV动态链接库

对于64位系统，将D:\Program Files\opencv\build\x64\vc14\bin目录下的所有文件复制到C:\Windows\SysWOW64下。

配置完成后，载入一张图片进行测试：

# include <opencv2/opencv.cpp>
using namespace cv;

int main(){
	Mat img = imread("1.jpg");
	imshow("【载入的图片】",img);
	waitKey(6000);
}

1.2 OpenCV基本架构

OpenCV就是多模块作为代码容器组合起来的一个SDK(Software Development Kit，软件开发工具包)

…\opencv\build\include\opencv：OpenCV 1.0保留下来的最核心内容的头文件
在这里插入图片描述
…\opencv\build\include\opencv2：新版OpenCV2系列的头文件

opencv_modules.hpp：OpenCV2中与新模块构造相关的说明代码，定义了OpenCV2所有组件的宏。

calib3d：calibration + 3D，主要是和相机校准和三维重建相关的内容，包括基本的多视角几何算法、单个立体摄像头标定、物体姿态估计、立体相似性算法、3D信息的重建
core：核心功能模块，包括OpenCV基本数据结构、动态数据结构、绘图函数、数组操作相关函数、辅助功能与系统函数和宏、与OpenGL的互操作
dnn：对图像和视频完成基于深度学习的计算机视觉推理，包括图像分类、目标检测、图像分割、文字检测和识别、姿态估计、深度估计等
features2d：2D功能框架，包括特征检测和描述、特征检测器Feature Detectors通用接口、描述符提取器Descriptor Extractors通用接口、描述符匹配器Descriptor Matchers通用接口、通用描述符Generic Descriptor匹配器通用接口、关键点绘制函数和匹配功能绘制函数
flann：Fast Library for Approximate Nearest Neighbors，高维的近似近邻快速搜索算法库，包含快速近似最近邻搜索、聚类
highgui：高层GUI图形用户界面，包含媒体的输入输出、视频捕捉、图像和视频的编解码、图形交互界面的接口。
imgcodecs：图像的输入和输出
imgproc：图像处理模块，包括线性和非线性的图像滤波、图像的几何变换、图像转换、直方图、结构分析和形状描述、运动分析和对象跟踪、特征检测、目标检测
ml：机器学习模块，基本是统计模型和分类算法，包括统计模型、一般贝叶斯分类器、K近邻、支持向量机、决策树、提升、梯度提高树、随机树、超随机树、期望最大化、神经网络、MLData
objdetect：目标检测模块，包括Cascade Classification（级联分类）和Latent SVM两部分
photo：Computational Photography，包括图像修复和图像去噪两部分
stiching：图像拼接模块，包含拼接流水线、特点寻找和匹配图像、估计旋转、自动校准、图片歪斜、接缝估测、曝光补偿
superres：超分辨技术相关功能模块
video：视频分析组件，包括运动估计、背景分离、对象跟踪等视频处理内容
videoio：视频输入和输出
videostab：video stabilization，视频稳定相关的组件

#define HAVE_OPENCV_SHAPE
#define HAVE_OPENCV_WORLD

OpenCV3的项目架构改变

抛弃整体架构，使用内核+插件的架构形式。

Github中除了正式版OpenCV的主仓库和新增加的opencv_extra仓库外，还增加了opencv_contrib，包括脸部识别和文本检测、文本识别、新的边缘检测器、充满艺术感的图像修复、深度图处理、新的光流和追踪算法。

opencv_contrib是大多数实验性代码放置的地方，一些API可能会改变，这些额外模块可以在CMake中用OPENCV_EXTRA_MODULES_PATH=/modules传递给CMake文件，和OpenCV3主体中的代码一起编译和运行。opencv_contrib的文档是自动生成的，可以在http://docs.opencv.org/master/中找到。

1.3 快速上手OpenCV图像处理

OpenCV图像处理之腐蚀、图像模糊、canny边缘检测

//头文件和命名空间的包含
#include <iostream>
#include <opencv2/opencv.hpp>  //OpenCV头文件的包含
#include <opencv2/highgui/highgui.hpp>  //OpenCV highgui模块头文件
#include <opencv2/imgproc/imgproc.hpp>  //OpenCV 图像处理头文件
using namespace cv; //包含cv命名空间

int main()
{
    //载入图像
    Mat srcImage = imread("1.jpg"); 
    //显示原图
    imshow("【原始图】",srcImage);

    //进行腐蚀操作（用图像的暗色部分腐蚀掉图像的高亮部分）
    Mat element = getStructuringElement(MORPH_RECT, Size(15,15)); //返回指定形状和尺寸的结构元素（内核矩阵）
    Mat dstImage1,dstImage2, dstImage3, edge, grayImage;
    erode(srcImage, dstImage1, element);  //腐蚀操作
    imshow("【效果图】腐蚀操作",dstImage1);

    //图像模糊
    blur(srcImage,dstImage2,Size(7,7));  //模糊操作
    imshow("【效果图】均值滤波",dstImage2);

    //canny边缘检测
    dstImage3.create(srcImage.size(),srcImage.type());
    cvtColor(srcImage,grayImage,COLOR_BGR2GRAY); //转为灰度图
    blur(grayImage,edge,Size(3,3)); //使用3×3内核来降噪
    Canny(edge,edge,3,9,3);         //运行Canny算子
    imshow("【效果图】Canny边缘检测",edge);

    waitKey(6000);   //等待任意按键按下
    return 0;
}

1.4 OpenCV视频操作基础

OpenCV中的VideoCapture类：对视频进行读取显示，调用摄像头。

读入工程目录下的“1.avi”：

//方式1：先实例再初始化
VideoCapture capture;
capture.open("1.avi");
//capture.open(0);  调用摄像头采集图像
//方式2：实例化的同时进行初始化
VideoCapture capture("1.avi");
//VideoCapture capture(0);  调用摄像头采集图像

摄像头调用配合canny边缘检测：

# include "opencv2/opencv.hpp"
using namespace cv;

int main(){
	//读入图像
	while(1){
		Mat frame;
		capture >> frame; 
		cvtColor(frame,edges, CV_BGR2GRAY);
		blur(edges, edges, Size(7,7)); //进行模糊
		Canny(edges,edges,0,30,3); //进行Canny边缘检测
		imshow("被Canny后的视频",edges); //显示经过处理后的当前帧
		if(waitKey(30)>=0) break; //延时30s
	}
	return 0;
}

1.5 编译OpenCV源代码

1、下载安装CMake

CMake下载官网：http://www.cmake.org/ 在Binary distributions中找到需要平台的Installer文件

CMake：
1、跨平台的编译工具，可以用简单的语言描述所有平台的安装（编译）过程，能够输出各种各样的makefile或者project文件，能测试编译器所支持的C++特性，类似UNIX下的automake。
2、CMake的组态档取名为CmakeLists.txt，并不是直接建构出最终的软件，而是产生标准的建构档（如UNIX的Makefile或Windows Visual C++的project/workspaces），然后再依一般的建构方式使用。这使熟悉某个集成开发环境（IDE）的开发者可以用标准方式建构他的软件。
3、CMake可以根据CMakeLists.txt这个配置文件，通过选择不同的编译器来生成不同的解决方案，VisualStudio的编译器对应生成Visual Studio版的sln解决方案。
4、这种可以使用各平台原生建构系统的能力是CMake和SCons等其他类似系统的区别。

2、使用CMake生成OpenCV源代码工程的解决方案

运行cmake-gui（通过桌面快捷方式或Program Files\CMake\bin\cmake-gui.exe）
在这里插入图片描述

3、编译OpenCV源代码

编译OpenCV，其实就是得到了一些二进制的生成文件，如dll、lib和exe。因为是在debug下编译的，所以在工程目录的bin\debug下会生成OpenCV对应版本的依赖库，可以供以后调用此次编译的OpenCV时使用。

打开生成的OpenCV.sln解决方案，F5启动调试，编译耗时几分钟。
在这里插入图片描述
由于OpenCV的源代码工程默认将ALL_BUILD设置为启动项，编译成功后，会默认运行它。ALL_BUILD是一个项目生成周边的杂项，不是exe执行文件，本身不可以运行，因此可能会弹出错误提示，不必理会。

可以指定一个另外的启动项：所选项目 > 【设为启动项】

1.6 Samples官方实例

OpenCV提供了Android、CPP、GPU、Java、Mac OS X、OCL、Python、Python2、WinRT等版本的示例程序。

在…\opencv\sources\samples下面，有各种语言的示例和CMakeLists.txt，可以使用CMake来生成Visual Studio解决方案：
在这里插入图片描述
注意：如果链接的库是x64，那么CMake生成解决方案时也应该选择x64，两边需要保持一致，否则编译通过后无法运行。

将…\opencv\sources\samples\data文件夹拷贝到samples.sln根目录下，使用图片素材配合运行示例。

运行某一示例：所选项目右键 > 【调试】 > 【启动新实例】

彩色目标跟踪：Camshift

路径：…\opencv\sources\samples\cpp下的camshiftdemo.cpp文件
功能：根据鼠标框选区域的色度光谱来进行摄像头读入的视频目标的跟踪，主要采用Camshift(Continuously Adaptive Mean-SHIFT)算法，是对MeanShift算法的改进。

光流：optical flow

光流用来指定时变图像中模式的运动速度，当物体在运动时，在图像上对应点的亮度模式也在运动。光流包含了目标运动的信息，因此可被观察者用来确定目标的运动情况。

点追踪：lkdemo

路径：…\opencv\sources\samples\cpp下的lkdemo.cpp文件
程序运行后会启动启动摄像头，按键盘上的r键启动自动点追踪，可以看到物体上的点随着物体一同移动。

人脸识别：objectDetection

路径：…\opencv\sources\samples\cpp\tutorial_code\objectDetection
注意：将…\opencv\sources\data\haarcascades下的haarcascade_eye_tree_eyeglasses.xml和haarcascade_frontalface_alt.xml文件复制到和源文件同一目录中。
程序运行后，将脸对准摄像头，可以发现程序准确识别出人脸，并用彩色的圆将脸圈出。

支持向量机引导

在OpenCV的机器学习模块有两个示例程序，第一个是使用CvSVM::train训练一个SVM分类器。
第二个是用于讲解在训练数据线性不可分时，如何定义支持向量机的最优化问题。

1.7 “opencv.hpp”头文件认知

在编写core、objdetect、imgproc、photo、video、feature2d、objdetect、calib3d、ml、highgui、contrib模块的应用程序时，原则上仅写一句
#include <opencv2/opencv.hpp>
可以精简优化代码。
opencv.hpp中已经包含了OpenCV各模块的头文件，如高层GUI图形用户界面模块头文件“highgui.hpp”、图像处理模块头文件“imgproc.hpp”、2D特征模块头文件“features2d.hpp”等。

1.8 命名规范约定

编写代码时，一旦确定某一套命名规范，最好不要中途更改。

《代码大全》规定

类名：混合使用大小写，首字母大写。ClassName
类型定义：包括枚举和typedef，混合使用大小写，首字母大写。TypeName
枚举类型：除了混合使用大小写外，总以复数形式表示。EnumeratedTypes
局部变量：混合使用大小写，且首字母小写，名字与底层数据类型无关，应该反映该变量代表的事物。localVariable
子程序参数：混合使用大小写，每个单词首字母大写，名字与底层数据类型无关，应该反映该变量代表的事物。RoutineParameter
对类的多个子程序可见的成员变量名：用m_前缀。m_ClassVariable
局部变量名：用g_前缀。g_GlobalVariable
具名常量：全部大写。CONSTANT
宏：全部大写，单词间用分隔符"_"隔开。SCREEN_WIDTH
枚举类型成员名：用能反映其基础类型的、单数形式的前缀。Color_Red Base_EnumeratedType

匈牙利命名法

基本原则：变量名=属性+类型+对象描述
在这里插入图片描述

1.9 argc与argv

argc, argv两个参数一般在用命令行编译程序时有用。在opencv官方示例程序中，main函数会带上两个形参：

int main(int argc, char* argv[]){
	const char* imagename = argc > 1 ? argv[1] : "lena.jpg"
}

UNIX和Linux中的标准写法为：

main(int argc, char *argv[], char**env)

arg：参数，例如arguments, argument_counter, argument vector
argc：int类型，用来统计运行程序时送给main函数的命令行参数的个数，在Visual Studio中默认为1

argv[] ：char*类型，为字符串数组，用来存放指向字符串参数的指针数组，每一个元素指向一个参数。
argv[0]：指向程序运行的全路径名
argv[1]：指向在DOS命令行中执行程序名后的第一个字符串
argv[2]：指向执行程序名后的第二个字符串
argv[3]：指向执行程序名后的第三个字符串
argv[argc]为NULL

argv[1]对应【项目属性】 > 【配置属性】 > 【调试】 > 【命令参数】，记住带双引号，如果有多个字符串，用空格隔开。比如要读取两张名称为1.jpg，2.jpg的图片，在命令参数中填"1.jpg" “2.jpg”。

如果在Visual Studio中使用了argc或argv，必须在【项目属性】 > 【配置属性】 > 【调试】 > 【命令参数】中指定参数的值。

也可以将argc, argv有关的代码进行替换来通过编译，比如将Mat srcImage=imread(argv[1],1);替换为Mat srcImage=imread("1.jpg",1);

env：char**类型，为字符串数组，很少使用。env[]每一个元素都包含ENVVAR=value形式的字符串，其中ENVVAR为环境变量，value为ENVVAR的对应值。

argc, argv和env是在main()函数之前被赋值的，因此main()并非真正的程序入口点函数，往往入口点与操作系统有关。在Windows的控制台应用程序中，将main()函数作为程序入口点，很少使用argc, argv等命令行参数。

main()函数的几种写法：
1、返回值为整型带参的main函数

int main(int argc, char** argv){
	//函数体内使用或不使用argc和argv都可行
	return 1;
}

2、返回值为整型不带参的main函数

int main(int argc, char** argv){
	//函数体内使用argc或argv
	return 1;
}

3、返回值为void且不带参的main函数

int main(){
	return 1;
}

1.10 格式输出函数printf()简析

printf函数是标准C语言函数，包含在studio.h中，OpenCV也对其有包含，只需包含头文件如opencv.hpp，就可以使用。

int printf(const char *format, )
//int printf("格式控制字符串"，输出表列);

在这里插入图片描述

1.11 智能显示当前使用的OpenCV版本

OpenCV提供了一个名为“CV_VERSION”的用于标识当前OpenCV版本的宏。可使用如下代码进行智能检测，并将版本号输出到控制台窗口中：

printf("\t 当前使用的OpenCV版本为OpenCV" CV_VERSION);