opencv4.0.0+cmake编译(含contrib)

2019/10/19 00:31
阅读数 56

https://blog.csdn.net/bobo184/article/details/88749651

 

前言
笔者环境:win10+vs2015+cmake3.8.2

介绍下4.0.0的新特性,沿用官网的说明:

在发布3.0版的近3.5年后,我们很高兴推出4.x系列的第一个稳定版本。

版本特性:

OpenCV现在是C ++ 11库,需要兼容C++ 11标准的编译器。所需的最低CMake版本已提升至3.5.1。
很多OpenCV 1.x的C API已被删除
在核心模块中延续性(在XML,YAML或JSON中存储和加载结构化数据)已在C ++中完全重新实现,并且也去掉了C API。
添加了新的模块G-API,它可以作为非常高效的基于图形的图像处理流水线的引擎。
dnn模块使用OpenVINO™工具包R4中的深度学习部署工具包(Deep Learning Deployment Toolkit)进行了更新。请参阅指南如何构建和使用支持DLDT的OpenCV。
dnn模块现在包括实验性Vulkan后端,并支持ONNX格式的网络。
流行的Kinect Fusion算法已实现,并针对CPU和GPU(OpenCL)进行了优化
QR图码检测器和解码器已添加到objdetect模块中
非常高效且高质量的DIS密集光流算法已从opencv_contrib转移到视频模块。
更多细节可以在之前的宣布中找到:4.0-alpha,4.0-beta,4.0-rc和更新日志
1、下载
在opencv的官网或者opencv的github上都可以下载,笔者在GitHub上下载。

https://opencv.org/releases/

 

 

 

 

 

下载扩展库

打开opencv的GitHub,如下:

https://github.com/opencv

 

 

 

  

 下载完解压得到,下面开始编译(玩cv自己不会编译是不行的):

 

 2、cmake编译
 在opencv目录下,新建一个文件夹newbuild,接下来编译的结果将存放在这个目录下。

(1)cmake配置与生成


 

 

 

 

 

 

 

 

 

 等待一段时间,

 中间部分报错,比如python版本不对,想先忽略不用它。

 

 

 

 

 

 

 

 

 接下来添加扩展库contrib的module

 

 -----------------------------------------------------------------------------------------------没有cuda版本---------------------------------------------------------------------------------------

添加生成dll

 

 

 

 

 

 重新点击一次,

 

 

 然后点击generate,开始下载各种需要的依赖,最好开下载代理更快。

 

 

 

 等待一段时间,generate done,所有的红色就会没有,否则只能重新生成了。

 --------------------------------------------------------------------------有cuda版本----------------------------------------------------------------------------------------------------

 https://blog.csdn.net/omg_orange/article/details/98068001

次配置后,出现一片红色,再点一次配置就变白了。变白后改变其中的三个选项:
1.注意勾选WITH_CUDA(带了cuda后,以后发布程序到其他电脑上都要带cuda的DLL文件,所以慎重选择)
2.不勾选BUILD_opencv_world选项
3.在OPENCV_EXTRA_MODULES_PATH选项中,填写opencv_contrib解压目录下,modules文件夹的路径,这样就把opencv_contrib编译进去了。

4 如果你想用 SURF,SIFT算法的话需要把 OPENCV_ENABLE_NONFREE 勾上

开启cuda

 添加扩展库

 

 

 

 再次点击  配置,等待结束

 

 

Generate按键,生成vs工程文件了。 生成完毕之后在 “ Configuring done"下面会出现”Generating done"。

结束后,之后直接点击“Open Project",便会使用VS2019打开工程。

 

 

 

 

 

 

 

 (2)vs编译生成install
打开build下的的OpenCV.sln文件,

 

 

 

 

 找到CmakeTargets下的install,右击 点击 生成,。

 

 

 分别编译Release版本和Debug版本,最后可以在指定输出文件夹下的install文件夹下找到编译输出内容

 

 

 

 

 

(3)重新配置opencv,环境变量/依赖项等等
这里就驾轻就熟了,和以前的版本一样,

添加环境变量到path

 

 

 

 

 

 然后打开vs2015,打开属性管理器,

 

 

 

 

 点击Debug x64下的第一个,打开属性

 

 

 

 包含目录为:

install\include

install\include\opencv2

install是刚才上面生成的

 

 

 

 

 然后是链接器下 输入 

lib文件带d的是debug模式下的,没有就是release模式,

笔者这里是debug模式下的,release没有编译,如过需要,和前面的步骤差不多。

回到前面这张图,重新生成。

 

 debug版本 400

opencv_aruco400d.lib
opencv_bgsegm400d.lib
opencv_bioinspired400d.lib
opencv_calib3d400d.lib
opencv_ccalib400d.lib
opencv_core400d.lib
opencv_datasets400d.lib
opencv_dnn_objdetect400d.lib
opencv_dnn400d.lib
opencv_dpm400d.lib
opencv_face400d.lib
opencv_features2d400d.lib
opencv_flann400d.lib
opencv_fuzzy400d.lib
opencv_hfs400d.lib
opencv_highgui400d.lib
opencv_img_hash400d.lib
opencv_imgcodecs400d.lib
opencv_imgproc400d.lib
opencv_line_descriptor400d.lib
opencv_ml400d.lib
opencv_objdetect400d.lib
opencv_optflow400d.lib
opencv_phase_unwrapping400d.lib
opencv_photo400d.lib
opencv_plot400d.lib
opencv_reg400d.lib
opencv_rgbd400d.lib
opencv_saliency400d.lib
opencv_shape400d.lib
opencv_stereo400d.lib
opencv_stitching400d.lib
opencv_structured_light400d.lib
opencv_superres400d.lib
opencv_surface_matching400d.lib
opencv_text400d.lib
opencv_tracking400d.lib
opencv_video400d.lib
opencv_videoio400d.lib
opencv_videostab400d.lib
opencv_xfeatures2d400d.lib
opencv_ximgproc400d.lib
opencv_xobjdetect400d.lib
opencv_xphoto400d.lib

  

relase版本  400

opencv_aruco400.lib
opencv_bgsegm400.lib
opencv_bioinspired400.lib
opencv_calib3d400.lib
opencv_ccalib400.lib
opencv_core400.lib
opencv_datasets400.lib
opencv_dnn_objdetect400.lib
opencv_dnn400.lib
opencv_dpm400.lib
opencv_face400.lib
opencv_features2d400.lib
opencv_flann400.lib
opencv_fuzzy400.lib
opencv_hfs400.lib
opencv_highgui400.lib
opencv_img_hash400.lib
opencv_imgcodecs400.lib
opencv_imgproc400.lib
opencv_line_descriptor400.lib
opencv_ml400.lib
opencv_objdetect400.lib
opencv_optflow400.lib
opencv_phase_unwrapping400.lib
opencv_photo400.lib
opencv_plot400.lib
opencv_reg400.lib
opencv_rgbd400.lib
opencv_saliency400.lib
opencv_shape400.lib
opencv_stereo400.lib
opencv_stitching400.lib
opencv_structured_light400.lib
opencv_superres400.lib
opencv_surface_matching400.lib
opencv_text400.lib
opencv_tracking400.lib
opencv_video400.lib
opencv_videoio400.lib
opencv_videostab400.lib
opencv_xfeatures2d400.lib
opencv_ximgproc400.lib
opencv_xobjdetect400.lib
opencv_xphoto400.lib

  

 

 然后确定就行了。

(4)测试

新建工程-添加源文件-简单代码(sift特征检测)

代码如下:

#include <iostream>
#include <vector>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/xfeatures2d/nonfree.hpp>
#include <opencv2/highgui.hpp>
 
using namespace cv;
using namespace std;
 
int main()
 
{
	Mat src = imread("F:/vs_test/lena.jpg");
 
	if (src.data == NULL)
	{
		cout << "No exist" << endl;
		return -1;
	}
	namedWindow("input image", WINDOW_AUTOSIZE);
	namedWindow("output image", WINDOW_AUTOSIZE);
	imshow("input image", src);
	Ptr<Feature2D> sift = xfeatures2d::SIFT::create(400); //括号参数越大越精确,自定
	vector <KeyPoint> keypointsa;
	Mat a;
 
	sift->detectAndCompute(src, noArray(), keypointsa, a); //得到特征点和特征点描述
	drawKeypoints(src, keypointsa, src);//画出特征点
 
	//显示
	imshow("output image", src);
 
	waitKey();
	return 0;
}

  

 

 

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
在线直播报名
返回顶部
顶部