opencv-contrib模块详解_opencv安装包

全栈程序员站长

发布于 2022-09-27 09:59:08

2.8K0

发布于 2022-09-27 09:59:08

文章被收录于专栏：全栈程序员必看

文章目录

近来由于需要用到 opencv 的SIFT特征，但是SIFT等功能已经移入了opencv_contrib 中，所以需要重新编译opencv和opencv_contrib。

一、下载与安装

下载特定版本的 opencv和opencv_contrib，两者版本要一致。但是由于国内下载GitHub 有时候会非常慢，所以可以下载码云上面的库（opencv码云库和opencv_contrib码云库）。

下载 CMake(https://cmake.org/download/)

下载并安装 visual studio ，安装时添加使用C++的桌面开发。

安装 CMake ，用CMake编译opencv和opencv_contrib

opencv 的 Windows安装包实质上是一个自解压文件，双击解压即可。

二、编译 opencv

注意 source code 里面指向的不是opencv的解压目录而是里面的source目录。如图所示， source 文件夹下面有一个CMakeList.txt文件，如果路径错误，就会报CMake Error: The source directory "/opencv" does not appear to contain CMakeLists.txt.错误。

build 目录为自己建立的空目录点击“ config ”

如下，看到自己安装的 visual studio 版本，点击finish。

开始编译，等待。

运气不好的话下方出现红色字体，就是有错误出现。如下图所示，是一些文件下载失败

IPPICV: Download failed: 28;"Timeout was reached"
FFMPEG: Download failed: 6;"Couldn't resolve host name"
FFMPEG: Download failed: 6;"Couldn't resolve host name"
FFMPEG: Download failed: 6;"Couldn't resolve host name"

打开日志文件，使用里面的地址从浏览器里面下载文件。

文件下载之后，放置在文件相应位置，并修改文件名。

可以看到原本路径下文件下载失败，所以是 0KB ，所以需要手动下载下来进行替换。替换之后：

由于这几个文件可能下载起来比较慢，这里提供网盘链接：

ippicv_2019 链接: https://pan.baidu.com/s/1E5hY2gh-rZgHX2QM-VR8Rw 提取码: qs2w ippicv_2017 链接： https://pan.baidu.com/s/1enrzXCm_BCgSOw-vnMJMpg 提取码：dsit opencv_ffmpeg.dll 链接： https://pan.baidu.com/s/1qa4maq1mBKlCLJCTSRZ4PA 提取码：cdes opencv_ffmpeg_64.dll 链接： https://pan.baidu.com/s/1WaL0h8NhmA2yW941-00_OQ 提取码：ryhy

当 CMake 界面上下两块都没有红色部分，且下方出现了Configuring done，点击generate按钮

直到下方出现 Configuring done Generating done 此时说明 opencv 基本库编译完成。如果按照默认编译过程，编译出的opencv文件夹会过大，可能接近26G，我们可以选择一些部分不需要config，包含：BUILD_DOCS 、BUILD_EXAMPLES、BUILD_PACKAGE、BUILD_TESTS、BUILD_PERF_TESTS、BUILD_opencv_python。（相关的一些说明）方法是在 search 对话框中输入以上名称，然后取消这些的选中。

三、编译 opencv_contrib

在 search 对话框中输入OPENCV_EXTRA_MODULES_PATH，找到OPENCV_EXTRA_MODULES_PATH后在value中填入编译opencv_contrib解压目录中的modules路径(注意此处路径的反斜杠\要改成正斜杠/，反斜杠\有转义字符的意思)。目录错误则会出现Error in configuration process, project files may be invalid弹窗错误提醒。

以下为路径错误时的弹窗：

在搜索栏中输入 OPENCV_ENABLE_NONFREE ，在value值中点击选中。如果没有选中，那么类似SIFT这种已经被申请专利的方法就无法使用。然后点击 configure

在下方出现 Configuring done 之后，点击Generate

和 opencv 基本库编译一样，CMake下方出现Configuring done Generating done，说明opencv_contrib 编译完成。

四、 visual studio 编译

然后点击 Open Project ，会使用之前选择的特定版本visual studio打开。

选择 生成->批生成

在弹出的窗口里面选择的 debug 和release的ALL_BUILD和INATALL，然后点击“生成”。

该过程会需要较长时间。

五、配置 opencv 环境

配置系统环境变量

生成结束之后，需要修改环境变量。

环境变量在“此电脑”->“属性”->“高级系统设置”->“环境变量”，在用户变量里面的 Path 变量后面添加之前CMake设置的build目录\install\x64\vc16\bin，确定，退出。

如果 visual studio 在修改环境变量之前就打开了，需要重启visual studio

重新配置项目环境

visual studio 中右击项目->“属性”，

首先可以选择“所有配置” “所有平台”，编辑包含目录和库目录包含目录编辑为

生成的 build 目录\install\include
生成的 build 目录\install\include\opencv2

库目录编辑为：

生成的 build 目录\install\x64\vc16\lib

编辑包含目录和库目录之后，需要添加附加依赖项，此时需要分别针对 debug 和release两种模式添加。打开 生成的build目录\install\x64\vc16\lib可以发现每个lib文件都有两种，一种是以d.lib结尾，另一种只比前一种少了一个d,只以.lib结尾。debug模式需要d.lib结尾文件，release模式需要.lib结尾文件，任何一种模式配置错误，就不能以该模式运行opencv。

所以需要在编辑附加依赖项时添加各自需要的文件名。

可以通过命令行整理，也可以用下面的： debug 模式：

opencv_aruco410d.lib
opencv_bgsegm410d.lib
opencv_bioinspired410d.lib
opencv_calib3d410d.lib
opencv_ccalib410d.lib
opencv_core410d.lib
opencv_datasets410d.lib
opencv_dnn410d.lib
opencv_dnn_objdetect410d.lib
opencv_dpm410d.lib
opencv_face410d.lib
opencv_features2d410d.lib
opencv_flann410d.lib
opencv_fuzzy410d.lib
opencv_gapi410d.lib
opencv_hfs410d.lib
opencv_highgui410d.lib
opencv_imgcodecs410d.lib
opencv_imgproc410d.lib
opencv_img_hash410d.lib
opencv_line_descriptor410d.lib
opencv_ml410d.lib
opencv_objdetect410d.lib
opencv_optflow410d.lib
opencv_phase_unwrapping410d.lib
opencv_photo410d.lib
opencv_plot410d.lib
opencv_quality410d.lib
opencv_reg410d.lib
opencv_rgbd410d.lib
opencv_saliency410d.lib
opencv_shape410d.lib
opencv_stereo410d.lib
opencv_stitching410d.lib
opencv_structured_light410d.lib
opencv_superres410d.lib
opencv_surface_matching410d.lib
opencv_text410d.lib
opencv_tracking410d.lib
opencv_video410d.lib
opencv_videoio410d.lib
opencv_videostab410d.lib
opencv_xfeatures2d410d.lib
opencv_ximgproc410d.lib
opencv_xobjdetect410d.lib
opencv_xphoto410d.lib

release 模式：

opencv_aruco410.lib
opencv_bgsegm410.lib
opencv_bioinspired410.lib
opencv_calib3d410.lib
opencv_ccalib410.lib
opencv_core410.lib
opencv_datasets410.lib
opencv_dnn410.lib
opencv_dnn_objdetect410.lib
opencv_dpm410.lib
opencv_face410.lib
opencv_features2d410.lib
opencv_flann410.lib
opencv_fuzzy410.lib
opencv_gapi410.lib
opencv_hfs410.lib
opencv_highgui410.lib
opencv_imgcodecs410.lib
opencv_imgproc410.lib
opencv_img_hash410.lib
opencv_line_descriptor410.lib
opencv_ml410.lib
opencv_objdetect410.lib
opencv_optflow410.lib
opencv_phase_unwrapping410.lib
opencv_photo410.lib
opencv_plot410.lib
opencv_quality410.lib
opencv_reg410.lib
opencv_rgbd410.lib
opencv_saliency410.lib
opencv_shape410.lib
opencv_stereo410.lib
opencv_stitching410.lib
opencv_structured_light410.lib
opencv_superres410.lib
opencv_surface_matching410.lib
opencv_text410.lib
opencv_tracking410.lib
opencv_video410.lib
opencv_videoio410.lib
opencv_videostab410.lib
opencv_xfeatures2d410.lib
opencv_ximgproc410.lib
opencv_xobjdetect410.lib
opencv_xphoto410.lib

六、测试

配置完成之后使用以下代码测试（修改为自己的图片路径）：

#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>
//#include <opencv2/>

using namespace std;
using namespace cv;

int main()
{ 
   
	cv::Mat imageL = cv::imread("origin_1.jpg");
	cv::Mat imageR = cv::imread("origin_2.jpg");
	/*imshow("1", imageL); imshow("2", imageR); waitKey(); return 0;*/



	//提取特征点方法
	//SIFT
	cv::Ptr<cv::xfeatures2d::SIFT> sift = cv::xfeatures2d::SIFT::create();
	//ORB
	//cv::Ptr<cv::ORB> orb = cv::ORB::create();
	//SURF
	//cv::Ptr<cv::xfeatures2d::SURF> surf = cv::xfeatures2d::SURF::create();

	//特征点
	std::vector<cv::KeyPoint> keyPointL, keyPointR;
	//单独提取特征点
	sift->detect(imageL, keyPointL);
	sift->detect(imageR, keyPointR);

	//画特征点
	cv::Mat keyPointImageL;
	cv::Mat keyPointImageR;
	drawKeypoints(imageL, keyPointL, keyPointImageL, cv::Scalar::all(-1), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
	drawKeypoints(imageR, keyPointR, keyPointImageR, cv::Scalar::all(-1), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

	//显示窗口
	cv::namedWindow("KeyPoints of imageL");
	cv::namedWindow("KeyPoints of imageR");

	//显示特征点
	cv::imshow("KeyPoints of imageL", keyPointImageL);
	cv::imshow("KeyPoints of imageR", keyPointImageR);

	//特征点匹配
	cv::Mat despL, despR;
	//提取特征点并计算特征描述子
	sift->detectAndCompute(imageL, cv::Mat(), keyPointL, despL);
	sift->detectAndCompute(imageR, cv::Mat(), keyPointR, despR);

	//Struct for DMatch: query descriptor index, train descriptor index, train image index and distance between descriptors.
	//int queryIdx –>是测试图像的特征点描述符（ descriptor ）的下标，同时也是描述符对应特征点（keypoint)的下标。
	//int trainIdx –> 是样本图像的特征点描述符的下标，同样也是相应的特征点的下标。
	//int imgIdx –>当样本是多张图像的话有用。
	//float distance –>代表这一对匹配的特征点描述符（本质是向量）的欧氏距离，数值越小也就说明两个特征点越相像。
	std::vector<cv::DMatch> matches;

	//如果采用 flannBased 方法 那么 desp通过orb的到的类型不同需要先转换类型
	if (despL.type() != CV_32F || despR.type() != CV_32F)
	{ 
   
		despL.convertTo(despL, CV_32F);
		despR.convertTo(despR, CV_32F);
	}

	cv::Ptr<cv::DescriptorMatcher> matcher = cv::DescriptorMatcher::create("FlannBased");
	matcher->match(despL, despR, matches);

	//计算特征点距离的最大值 
	double maxDist = 0;
	for (int i = 0; i < despL.rows; i++)
	{ 
   
		double dist = matches[i].distance;
		if (dist > maxDist)
			maxDist = dist;
	}

	//挑选好的匹配点
	std::vector< cv::DMatch > good_matches;
	for (int i = 0; i < despL.rows; i++)
	{ 
   
		if (matches[i].distance < 0.5 * maxDist)
		{ 
   
			good_matches.push_back(matches[i]);
		}
	}



	cv::Mat imageOutput;
	cv::drawMatches(imageL, keyPointL, imageR, keyPointR, good_matches, imageOutput);

	cv::namedWindow("picture of matching");
	cv::imshow("picture of matching", imageOutput);
	cv::waitKey(0);
	return 0;
}

结果：