OpenCV3.4.1+opencv_contrib编译：windows 10

做计算机视觉的朋友，估计没有人没用过OpenCV，著名的开源计算机视觉算法库。OpenCV还在不断发展中，最新的3.4版本，已经可以支持cnn了，以后估计会有集成更多的功能。
不过，由于知识产权的原因，OpenCV将很多算法放到了opencv_contrib中，在github上，这两块代码就是分别放在不同的repository中的。

OpenCV官方提供了windows可安装的版本，已经有编译好的dll，不过不包括opencv_contrib。如果想应用这部分算法，则需要自己编译opencv，将opencv_contrib编译到opencv中。以下简单介绍以下opencv在windows下编译的过程。
所需材料：

• opencv源代码
• opencv_contrib源代码
• cmake
• vs2015
• 一个通畅的网络（这点很重要~）

1.下载opencv源代码
源代码的地址是：https://github.com/opencv/opencv/，默认是master分支。其实都下载master分支，就可以。不过，为了清晰源代码版本，以后还能做到匹配，我选择了tags中的最新版本，3.4.1版本，地址是：
https://github.com/opencv/opencv/tree/3.4.1
代码可通过git下载，用git clone命令即可。也可以在网页上点击Clone or download这个绿色按钮，然后点击download zip就可以。

2.下载opencv_contrib源代码
opencv_contrib代码地址是：https://github.com/opencv/opencv_contrib
3.4.1版本代码地址是：https://github.com/opencv/opencv_contrib/tree/3.4.1
相信大家也都发现规律了，参考下载opencv源代码方法即可。
下载后，解压代码到本地目录。

上图就是我解压的目录，其中有opencv和opencv_contrib的解压目录，还有一个build目录，用来放置cmake生成的vs工程。
3.安装cmake
CMake是一个跨平台的编译工具，能够输出各种各样的makefile或者project文件。

下载地址：https://cmake.org/files/v3.11/cmake-3.11.3-win64-x64.msi
下载之后直接运行，默认安装即可。
4.用cmake生成vs工程
安装好cmake之后，运行cmake，先填写开头的两项

Where is the source code是opencv源码路径，即“源路径”
Where to build the binaries是要生成opencv的vs工程路径，即“目的路径”
点击Configure，弹出对话框，选择编译工程的平台。我选的是64位的VS2015

点击Finish，即开始配置。这需要一定的时间，期间要下载一些依赖项，此时通畅的网络就起了关键作用，如果下载不全，可通过查看日志文件CMakeDownloadLog.txt手动下载。在完成第一次配置后，出现如下画面。

有很多红色选项，说明有问题，解决方法就是再点击一次Configure，这次快多了，出现下面画面。

全变白了，说明没问题了，这是需要做两项改动。

第一项是勾选BUILD_opencv_world选项，这样，在调用dll时，只调用这一个就行了，不用根据功能选择了，省了些麻烦。

这第二项，自然是在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。
然后再按Configure进行配置，和前面一样，一次红，二次白，不在赘述了。第二次全白了，就可以按Generate按键，生成vs工程文件了。

5.用VS2015编译opencv源代码
生成工程完毕，在刚才说的“目的路径”下，可以看到OpenCV工程文件

用vs2015打开工程文件，选择Debug x64，点击生成->生成解决方案开始编译，这个过程比较漫长，需要耐心，结果如下。

没有错误，然后右击INSTALL，点击“仅用于项目->仅生成INSTALL”

即可编译生成dll相关文件，编译过程如下。

然后将编译选项调整为Release x64，再重复一下以上的过程。此时在“目的路径”的install目录下，生成了调用dll的全部内容。

6.调用生成的dll实现图像处理功能
为了验证生成文件的有效性，新建工程，将库目录和包含目录指定到install文件夹下x64/vc14/lib和include文件夹。处理图片文标准测试图片house

测试代码如下：

#include "opencv2/opencv.hpp"  
#include"opencv2/xfeatures2d.hpp"

#if _DEBUG
#pragma comment(lib,"opencv_world341d.lib")
#else
#pragma comment(lib,"opencv_world341.lib")
#endif // _DEBUG

using namespace cv;
using namespace std;

int main(){
    Mat img = imread("E:/PASCAL/OpenCV/house.jpg", CV_LOAD_IMAGE_COLOR);
    Ptr<Feature2D> sift = xfeatures2d::SIFT::create();
    vector<KeyPoint> keypoints;
    Mat descriptors;

    sift->detectAndCompute(img, noArray(), keypoints, descriptors);
    drawKeypoints(img, keypoints, descriptors, Scalar(0, 255, 255));
    imshow("Result", descriptors);
    waitKey(0);

    return 0; 
}

测试结果如下。

实现了contrib中sift特征点的提取。