windows下编译opencv+opencv_contrib_windows cmake 编译opencv opencv-contrib-优快云博客

https://me.youkuaiyun.com/qq_42299461

接着上篇博客说到的因为新版本opencv某些算法模块被迁移到了opencv_contrib。我们需要自己（￥*&…%—#操作一下。

https://blog.youkuaiyun.com/qq_42299461/article/details/103614034

1.安装Cmake

Cmake 官网 https://cmake.org/download/

下载好之后解压找到bin文件夹中cmake-gui点击运行

2.使用CMake生成OpenCV源代码工程的解决方案

第一步：首先运行cmake-gui

第二步：指定OpenCV的安装路径

如图，单击‘Browse Source'按钮，在弹出的对话框中指定OpenCV安装时源代码的存储路径。

第三步：指定解决方案的存储路径

单击对话框中的’Browse Build'按钮，在弹出的对话框中指定存放生成的opencv的解决方案的路径。

第四步：第一次Configure

路径都设置好后，点击图片的所示的【Configure】按钮，进行第一次配置过程。

然后会弹出如图所示的编译器选择的对话框。

先选定‘Use default native compilers'，然后可以发现下拉列表中提供几十种编译器供选择。因为我们安装了Visual Studio,所以这里会默认选择对应版本的Visual Studio编译器，即之后会生成对应Visual Studio版本的sln解决方案。

确认无误后，单击'finish'按钮。于是CMake开始第一次源代码配置过程。如图所示。

CMake处理过程中可能会出现错误

先不用太在意

………………………………………………

看到进度条读到尽头，出现了Configuring done字样，第一次的源码配置就完成了，如下图

在变量区中找到OPENCV_EXTRA_MODULES_PATH，将其选择为opencv_contrib/modules目录
并勾选BUILD_opencv_world（看首字母往上找菜单）
因为我后来使用的代码用到的sfit算法，所以还需要找到 OPENCV_ENABLE_NONFREE 勾选上。

要不然后续在测试的时候总是报异常错误（The function/feature is not implemented）。
再点击configure。

第五步：第二次Configure

第一次配置完成后，还需要进行第二次配置，于是再次点击“Configurie"按钮

第六步：单击Generate,成功生成项目

出现"Generating done"字样，就表示大功告成了，可以去之前指定的路径（/mybuild）下寻找生成的解决方案了。

打开刚刚生成的“OpenCV.sln"解决方案，可以看到庞大的工程（一个包含了67个项目的解决方案）。

3.使用visual studio生成带有opencv_contrib接口的opencv库

第一步：在visual studio中打开OpenCV.sln

在上面工作完成的情况下，CMake Genarate成功，打开 \\你安装的opencv目录\opencv\mbuild目录下，找到OpenCV.sln，然后使用相应的visual studio打开加载该解决方案。

第二步：在visual studio中右侧：

在解决方案资源管理器中右击解决方案 "OpenCV"，选择重新生成解决方案

在解决方案资源管理器中的CMakeTargets目录中，右击INSTALL，选择仅用于项目下的仅生成INSTALL

到此为止，这个额外的OpenCV库就安装成功了，接下来我们需要重新配置一下环境，类似于之前配置Visual Studio2019h和OpenCV环境。

首先，为计算机添加系统环境变量。

然后打开Visual Studio 属性管理器中右击选择设置，VC++目录，包含目录，添加：如图：

附上测试代码：

#include <iostream>
#include <opencv2/opencv.hpp>  //头文件
#include <opencv2/xfeatures2d.hpp>
using namespace cv;  //包含cv命名空间
using namespace std;

int main()
{
    Ptr<Feature2D> f2d = xfeatures2d::SIFT::create();

    //读入图片
    Mat img_1 = imread("test1.png");
    Mat img_2 = imread("test2.png");

    
    vector<KeyPoint> keypoints_1, keypoints_2;
    f2d->detect(img_1, keypoints_1);
    f2d->detect(img_2, keypoints_2);
    
    Mat descriptors_1, descriptors_2;
    f2d->compute(img_1, keypoints_1, descriptors_1);
    f2d->compute(img_2, keypoints_2, descriptors_2);
    
    BFMatcher matcher;
    vector<DMatch> matches;
    matcher.match(descriptors_1, descriptors_2, matches);
   
    Mat img_matches;
    drawMatches(img_1, keypoints_1, img_2, keypoints_2, matches, img_matches);
    imshow("【match_img】", img_matches);
    
    waitKey(0);
}