前言

          由于OpenCV功能越来越臃肿
  
  
  
  
  
  ，OpenCV3改变了项目架构  
  
  
  
  
  
 ，使用内核+插件的架构形式
  
  
  
  
  
  。 因此
 


 


 


 


 


 


，OpenCV从2.x到3.x是一个很大的转变
 
 
 
 
 
 ，对于很多功能不完善             、性能不稳定的模块   
   
   
   
   
   
 ，都被放到了extra_modules（扩展模块）里面了  
  
  
  
  
  
 。在Github中
 

 

 

 

 

 

，除了存放正式版OpenCV的主仓库和新增加的OpenCV_extra仓库外

 

 

 

 

 

 ，还添加了一个OpenCV_contrib的全新仓库             ，功能有：脸部识别
  
 
  
 
  
 
  
 
  
 
  
 
、文本识别











、边缘检测 
  
  
  
  
  
  、追踪算法等
 
 

 
 

 
 

 
 

 
 

 
 

，里面存放的是功能未稳定的代码











，如果需要使用这些功能                   ，就需要重新进行编译
 


 


 


 


 


 


。

        opencv_contrib仓库中包含了绝大多数用户生成的内容 
 
 
 
 
 
 
 
 
 
 
 
，同时也比核心库OpenCV拥有更完整的关于计算机视觉的算法应用；opencv_contrib仓库中的模块与模块之间没有任何软件依赖
 
 
 
 
 
 。 每一个模块都要求自身具备文档说明
  
  
  
  
  
  
、单元测试案例和样本代码


















，并且绝大多数模块通常还包含了模块教程   
   
   
   
   
   
 。

 

【1】安装前的准备

（1）Opencv的安装

        关于opencv的安装有两种            ，第一种是通过exe安装程序  
 
  
 
  
 
  
 
  
 
  
 
 ，选择安装路径












，无需cmake编译
  
  
  
  
  
  ，安装完成后  
  
  
  
  
  
 ，按照配置流程(opencv的配置说明文档在专栏中)对系统环境变量和vs环境进行配置
 


 


 


 


 


 


，即可使用
 

 

 

 

 

 

。安装包如下所示：

第二种是通过cmake进行编译
 
 
 
 
 
 ，需要提前准备好cmake

 

 

 

 

 

 。

（2）下载地址

opencv和其contrib下载地址为：Index of /opencv/

官方网站为：Home - OpenCV

github地址为：OpenCV · GitHub

cmake下载地址为：Download | CMake

（在官网中选择电脑对应版本的Cmake）

关于opencv的配置本文不再细讲   
   
   
   
   
   
 ，本文具体讲opencv配置完成后
 

 

 

 

 

 

，如何再其基础上进行配置contrib             。（如果未配置opencv也可安装本流程实现opencv和其contrib的共同配置
 
 

 
 

 
 

 
 

 
 

 
 

。）

一定要注意！！！opencv和其contrib版本一定要一致！！！！

cout<<CV_VERSION<<endl;

如果不知道自己的opencv版本

 

 

 

 

 

 ，在程序中输入该语句             ，即可查询











。

下载完成后如下图所示：

 其中source为opencv的源文件
 
 

 
 

 
 

 
 

 
 

 
 

，在opencv的安装目录下











，将下载好的contrib文件和其放在一起                   ，新建opencv_contrib_build文件用于存放编译后的文件                   。

【2】cmake进行编译

第一步：

 1.为cmake编译Opencv的源路径 
 
 
 
 
 
 
 
 
 
 
 
。

2.为新建的编译后存放编译文件的路径


















。（opencv_contrib_build文件已经编译过 
 
 
 
 
 
 
 
 
 
 
 
，我用test对其代替）

3.点击configure

 选择电脑对应vs版本


















，系统操作类型            ，点击FINISH            。

（2）第二步

第一次Configure完成之后  
 
  
 
  
 
  
 
  
 
  
 
 ，找到OPENCV_EXTRA_MODULES_PATH












，再里面选择opencv_contrib目录中的modules目录
  
  
  
  
  
  ，如下图：

 选择完目录后第二次点击configure按钮

（3）第三步

当界面中出现configure done时  
  
  
  
  
  
 ，点击Genrate按钮
 


 


 


 


 


 


，如图所示： 

编译完成后消息框为Genrate done
 
 
 
 
 
 ，如下图所示  
 
  
 
  
 
  
 
  
 
  
 
 。

 （4）第四步

在新建的编译文件下   
   
   
   
   
   
 ，找到Opencv.sln双击打开

打开后如下图所示：

选择debug或者release（一般来说
 

 

 

 

 

 

，两者都要编译）

 

 

 

 

 

 ，对应操作系统X64

 解决方案生成后             ，如果没有报错
 
 

 
 

 
 

 
 

 
 

 
 

，点击INSTALL=》仅用于项目=》仅生成

 出现生成成功











，这说明lib库生成完成












。

【3】环境配置

（1）系统环境配置

鼠标右击此电脑=》属性=》高级系统设置=》环境变量

选择Path=》新建

bin路径为：D:\opencv\opencv_contrib_build\install\x64\vc14\bin

将bin路径填入后                   ，点击完成
  
  
  
  
  
  。

（2）配置VS环境

在属性管理器中新建项目属性表

 包含目录为：D:\opencv\opencv_contrib_build\install\include               D:\opencv\opencv_contrib_build\install\include\opencv2

库目录为：D:\opencv\opencv_contrib_build\install\x64\vc14\lib

该路径lib文件有很多子文件 
 
 
 
 
 
 
 
 
 
 
 
，通过下面方法可以进行查找


















，将文件名复制到txt文件中            ，方法如下：

附加依赖项为库目录下的lib文件：

1
 


 


 


 


 


 

、在包含训练图片的文件夹中新建TXT文件  
  
  
  
  
  
 。

2 
 
 
 
 
 
 、在TXT文件中输入  DIR  *.*/B>train.txt （DIR命令后须有一空格）

3
   
   
   
   
   
   
、保存后将后缀名改为BAT
 


 


 


 


 


 


。

4
 

 

 

 

 

 
、双击该文件即可生成一个train.txt
 
 
 
 
 
 。

【4】测试

测试代码如下：

#include<opencv2\opencv.hpp> #include<opencv2\xfeatures2d.hpp> #include<opencv2\imgproc\imgproc.hpp> #include<opencv2\highgui\highgui.hpp> #include<opencv2\xfeatures2d\nonfree.hpp> #include<iostream> using namespace std; using namespace cv; using namespace cv::xfeatures2d; int main(int argc,char** argv) { //【0】改变字体颜色 system("color 2F"); //【1】载入源图片并显示 Mat srcImage1 = imread("E:\\乔大花进度\\11-17\\surf特征检测\\1.jpg",1); Mat srcImage2 = imread("E:\\乔大花进度\\11-17\\surf特征检测\\2.jpg", 1); //【2】显示图片 imshow("原始图1",srcImage1); imshow("原始图2",srcImage2); int minHessian = 400;//默认值为100 vector<KeyPoint>keyPoints, keyPoints1; Mat resultImg, resultImage1; //关于定义的方法主要有两种 //第一种指针形式定义 // Ptr<SURF\SIFT\ORB>detector = SURF\SIFT\ORB::create(minHessian, 4, 3, false, false); //第二种算子形式定义 //SiftFeatureDetector\SurfFeatureDetector定义 //第一种定义方式更普遍使用 //SURF特征检测 //也可以写成SURF::create(minHessian) Ptr<SURF>detector = SURF::create(minHessian, 4, 3, false, false); detector->detect(srcImage1, keyPoints, Mat()); //绘制关键点 drawKeypoints(srcImage1, keyPoints, resultImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT); imshow("KetPoint image", resultImg); //SIFT特征检测 Ptr<SIFT>detector1 = SIFT::create(); detector1->detect(srcImage2, keyPoints1, Mat()); //绘制关键点 drawKeypoints(srcImage2, keyPoints1, resultImage1, Scalar::all(-1), DrawMatchesFlags::DRAW_RICH_KEYPOINTS); imshow("KetPoint image1" ,resultImage1); waitKey(0); system("pause"); return 0; }

测试结果：

如果你能够顺利运行上述代码  
 
  
 
  
 
  
 
  
 
  
 
 ，恭喜你已经完成了opencv及其contrib的配置！