浅谈opencv库中的特征点提取与匹配（一）：工具准备——ubuntu16.04下安装opencv3.1.0

最近在学习使用opencv进行图像处理，收获颇丰的同时也踩了不少坑。简单记录一下自己的学习过程，以便日后随时复习以及与广大感兴趣的网友随时交流，欢迎大家随时交流，本人会尽量答复。
由于是第一次编写博客，多有不足之出请见谅。
闲话不多说，进入今天的正题：opencv 中几种特征点提取与匹配算法的比较
opencv 是大型的图像处理库，上面集成了绝大多数关于图像处理的算法。
1.ubuntu16.04下opencv的编译安装
楼主的编译环境为ubuntu16.04+opencv3.1.0
虚拟机以及ubuntu16.04的安装方法这里不再赘述，详情可以参考以下链接ubuntu16.04安装教程
不过建议大家还是在电脑中安装一个双系统。因为虚拟机对某些硬件的支持不是太好，如果用惯了ubuntu系统，大家会发现ubuntu更加的简单，便捷。
OK！现在假设你已经配置好了自己的ubuntu系统，那么接下来我们在你的ubuntu上安装opencv3.1.0。
首先，你需要下载一个opencv3.1.0的安装包。有以下两种方式供你选择：
（1）官网下载opencv-3.1.0.zip 注意要下载对应的linux版本。
opencv-3.1.0官方下载地址
下载好以后，你会得到一个下图所示的压缩包!

在安装之前，我们需要安装opencv的依赖，opencv 有很多的依赖库，缺少某些依赖会影响opencv的一些功能。大家可以根据自己的需要选择安装。
打开ubuntu中端 ：ctrl+alt+T 在终端输入：
``sudo apt-get install build-essential
sudo apt-get install libgtk2.0-dev libvtk5-dev libjpeg-dev libtiff4-dev libjasper-dev libopenexr-dev libtbb-dev
在按装依赖的时候，libtiff4-dev这个依赖项有可能报错，原因是这个依赖项已经升级了，按照报错提示安装新的版本即可。
解下来我们正式安装opencv-3.1.0。
首先，解压安装包到任意目录下：
unzip opencv-3.1.0.zip -d.../ （…为你想解压到的目录）
解压好后，你会得到这样的一个文件夹：
进入到opencv-3.1.0目录并新建build文件夹：
cd opencv-3.1.0 mkdir build
在build文件夹中执行编译命令：
cd build cmake ..
如果一切正常，终端返回你一些安装的功能和没有安装的功能。接着执行编译操作：
make
如果你认为你的电脑配置够好，可以开启4线程编译甚至是8线程编译。这样会大大加快编译速度。
make -j4

编译通过后，没有报错，会显示：
接下来在终端执行：
sudo make install
将opencv-3.1.0安装在你的电脑中。
至此，恭喜你，你已经将opencv-3.1.0安装完毕，接下来我们测试一下安装效果。
在根目录下新建imageBasics文件夹，
测试文件
imageBasics.cpp：

  #include <iostream>
  #include <chrono>
  using namespace std;  //声明命名空间

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>

int main ( int argc, char** argv )
{
    // 读取argv[1]指定的图像
    cv::Mat image;
    image = cv::imread ( argv[1] ); //cv::imread函数读取指定路径下的图像
    // 判断图像文件是否正确读取
    if ( image.data == nullptr ) //数据不存在,可能是文件不存在
    {
        cerr<<"文件"<<argv[1]<<"不存在."<<endl;
        return 0;
    }
    
    // 文件顺利读取, 首先输出一些基本信息
    cout<<"图像宽为"<<image.cols<<",高为"<<image.rows<<",通道数为"<<image.channels()<<endl;
    cv::imshow ( "image", image );      // 用cv::imshow显示图像
    cv::waitKey ( 0 );                  // 暂停程序,等待一个按键输入
    // 判断image的类型
    if ( image.type() != CV_8UC1 && image.type() != CV_8UC3 )
    {
        // 图像类型不符合要求
        cout<<"请输入一张彩色图或灰度图."<<endl;
        return 0;
    }

    // 遍历图像, 请注意以下遍历方式亦可使用于随机像素访问
    // 使用 std::chrono 来给算法计时
    chrono::steady_clock::time_point t1 = chrono::steady_clock::now();
    for ( size_t y=0; y<image.rows; y++ )
    {
        for ( size_t x=0; x<image.cols; x++ )
        {
            // 访问位于 x,y 处的像素
            // 用cv::Mat::ptr获得图像的行指针
            unsigned char* row_ptr = image.ptr<unsigned char> ( y );  // row_ptr是第y行的头指针
            unsigned char* data_ptr = &row_ptr[ x*image.channels() ]; // data_ptr 指向待访问的像素数据
            // 输出该像素的每个通道,如果是灰度图就只有一个通道
            for ( int c = 0; c != image.channels(); c++ )
            {
                unsigned char data = data_ptr[c]; // data为I(x,y)第c个通道的值
            }
        }
    }
    chrono::steady_clock::time_point t2 = chrono::steady_clock::now();
    chrono::duration<double> time_used = chrono::duration_cast<chrono::duration<double>>( t2-t1 );
    cout<<"遍历图像用时："<<time_used.count()<<" 秒。"<<endl;

    // 关于 cv::Mat 的拷贝
    // 直接赋值并不会拷贝数据
    cv::Mat image_another = image;
    // 修改 image_another 会导致 image 发生变化
    image_another ( cv::Rect ( 0,0,100,100 ) ).setTo ( 0 ); // 将左上角100*100的块置零
    cv::imshow ( "image", image );
    cv::waitKey ( 0 );
    
    // 使用clone函数来拷贝数据
    cv::Mat image_clone = image.clone();
    image_clone ( cv::Rect ( 0,0,100,100 ) ).setTo ( 255 );
    cv::imshow ( "image", image );
    cv::imshow ( "image_clone", image_clone );
    cv::waitKey ( 0 );

    // 对于图像还有很多基本的操作,如剪切,旋转,缩放等,限于篇幅就不一一介绍了,请参看OpenCV官方文档查询每个函数的调用方法.
    cv::destroyAllWindows();
    return 0;
}

配置文件CmakeLists.txt：

cmake_minimum_required( VERSION 2.8 )
project( imageBasics )

# 添加c++ 11标准支持
set( CMAKE_CXX_FLAGS "-std=c++11" )
set(CMAKE_BUILD_TYPE "DEBUG")

# 寻找OpenCV库
find_package( OpenCV 3.1.0 REQUIRED )
# 添加头文件
include_directories( ${OpenCV_INCLUDE_DIRS} )

add_executable( imageBasics imageBasics.cpp )
# 链接OpenCV库
target_link_libraries( imageBasics ${OpenCV_LIBS} )

在文件夹下新建build文件夹，并进行编译：

mkdir build
cd build
cmake ..
make   

这是，你会在build文件夹中看到.cpp文件生成的可执行文件：

放置一张测试图片在build文件夹中 ，运行可执行文件，你会看到，opencv 已经
将图片读取出来了：

 ./imageBasics ubuntu.png

今天就分享到这里，接下来会分享(包含opencv_contrib模块)的opencv-3.1.0安装方法。opencv 中有关SIFT、SURF的代码都集成在contrib模块中。