『转』 opencv3.3.0 && opencv_contrib3.3.0 for AndroidNDK
『转』 opencv3.3.0 && opencv_contrib3.3.0 for AndroidNDK
Windows环境使用CMake编译 opencv3.3.0 && opencv_contrib3.3.0 for AndroidNDK
转载 Windows环境使用CMake编译 opencv3.3.0 && opencv_contrib3.3.0
AndroidNDK2017-09
opencv 从3.0.0开始不在提供合并的库，而是将原先合并的库分开为两个库，分别是：核心功能库和拓展功能库。而核心库依然提供Android开发所需要的静态库支持，但是如果需要用到最近大红大紫的人工智能相关功能，必然用到扩展功能库提供的诸如人脸识别等功能，所以需要我们手动CMake生成Android所需要的静态库，这里主要讲如何生成操作，生成我们需要的静态库。
这里顺便吐槽一下，使用caffe框架搭建深度学习训练人脸识别模型，要比opencv给出的人脸识别快很多，opencv-人脸识别还有很大的进步空间。不过遗憾的是caffe目前还没有提供移动端的运行环境，即时PC训练好了模型也没有用武之地，颇感遗憾。
准备材料
opencv3.3.0 && opencv_contrib3.3.0
使用git clone或者直接下载压缩包，这两种姿势都可以。
git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git
Cmake
下载Cmake工具，安装即可。
MinGW
下载MinGW，安装以后会有相应的g++配置，这一步需要自行勾选，然后下载对应的g++编译包即可，配置完成MinGW大概在500MB左右。
需要配置path环境变量，在命令行中输入gcc -v检验配置是否正确
Ant
下载Ant，无需安装，解压后，配置path环境变量即可，可以在命令行中输入ant -v检验配置是否正确。
配置编译环境
打开CMake GUI如下图配置
上面一行地址是source所在目录
下面一行地址是编译文件将要放置的目录
接下来需要配CMake的配置参数如下：
Name：ANDROID_ABI
Type:STRING
Value:armeabi-v7a
如图所示：
如上，继续添加：
Name:ANDROID_NDK
Type:Path
Value:H:/android-ndk-r14b
Name:ANDROID_OPENCL_SDK
Type:Path
Value:E:/android-sdk-windows
点击Configure，进入设置编译器阶段，如图
确定以后，配置cmake的起始路径J:/opencv-source/opencv-3.3.0/platforms/android/android.toolchain.cmake
配置好以后，如图所示：
配置运行一段时间以后，然后搜索OPENCV_EXTRA_MODULES_PATH，配置一下opencv_contrib/modules的路径所在地。
配置完以后如下：
再点击Generate，如图所示。
开始编译
进入到上面配置的编译文件将要放置的目录，进入命令行，输入：
mingw32-make
如果一切顺利话，大概30分钟以后，会Build成功，接下来再输入：
mingw32-make install
一般会顺利的输出生成的测试apk。
特殊情况
上面顺利的话就不用往下看了，如果遇到报错，一般是在编译的时候出现找不到文件之类的奇怪问题。
而提示找不到的文件其实在我们本地的目录.cache\xfeatures2d\boostdesc中，如下所示：
把上面的文件前缀统统去掉，copy到opencv_contrib-3.3.0\modules\xfeatures2d\src即可
参考：Error with "boostdesc_bgm.i" while compiling on Ubuntu 16.04
然后，如果提示还缺少文件，那么同样的思路，到.cache\xfeatures2d\vgg目录，把剩下的所有.i后缀文件统一copy到上面的目录即可，如图所示：
如果没有这些文件，可以到这里下载。
最后，我们找一下生成的静态链接库，在J:\opencv-source\build\armeabi\lib\armeabi目录下。
如果实在搞不定，最后的静态库可以到这里下载。