前言

          由于OpenCV功能越来越臃肿，OpenCV3改变了项目架构，使用内核+插件的架构形式。 因此，OpenCV从2.x到3.x是一个很大的转变，对于很多功能不完善、性能不稳定的模块，都被放到了extra_modules（扩展模块）里面了。在Github中，除了存放正式版OpenCV的主仓库和新增加的OpenCV_extra仓库外，还添加了一个OpenCV_contrib的全新仓库，功能有：脸部识别、文本识别、边缘检测、追踪算法等，里面存放的是功能未稳定的代码，如果需要使用这些功能，就需要重新进行编译。

        opencv_contrib仓库中包含了绝大多数用户生成的内容，同时也比核心库OpenCV拥有更完整的关于计算机视觉的算法应用；opencv_contrib仓库中的模块与模块之间没有任何软件依赖。 每一个模块都要求自身具备文档说明、单元测试案例和样本代码，并且绝大多数模块通常还包含了模块教程。
 

【1】安装前的准备

（1）Opencv的安装

        关于opencv的安装有两种，第一种是通过exe安装程序，选择安装路径，无需cmake编译，安装完成后，按照配置流程(opencv的配置说明文档在专栏中)对系统环境变量和vs环境进行配置，即可使用。安装包如下所示：

 

第二种是通过cmake进行编译，需要提前准备好cmake。

（2）下载地址

opencv和其contrib下载地址为：Index of /opencv/

官方网站为：Home - OpenCV

github地址为：OpenCV · GitHub

cmake下载地址为：Download | CMake

（在官网中选择电脑对应版本的Cmake）

关于opencv的配置本文不再细讲，本文具体讲opencv配置完成后，如何再其基础上进行配置contrib。（如果未配置opencv也可安装本流程实现opencv和其contrib的共同配置。）

一定要注意！！！opencv和其contrib版本一定要一致！！！！

cout<<CV_VERSION<<endl;

如果不知道自己的opencv版本，在程序中输入该语句，即可查询。

下载完成后如下图所示：

 

 其中source为opencv的源文件，在opencv的安装目录下，将下载好的contrib文件和其放在一起，新建opencv_contrib_build文件用于存放编译后的文件。

【2】cmake进行编译

第一步：

 1.为cmake编译Opencv的源路径。

2.为新建的编译后存放编译文件的路径。（opencv_contrib_build文件已经编译过，我用test对其代替）

3.点击configure

 选择电脑对应vs版本，系统操作类型，点击FINISH。

（2）第二步

第一次Configure完成之后，找到OPENCV_EXTRA_MODULES_PATH，再里面选择opencv_contrib目录中的modules目录，如下图：

 选择完目录后第二次点击configure按钮

（3）第三步

当界面中出现configure done时，点击Genrate按钮，如图所示： 

 

编译完成后消息框为Genrate done，如下图所示。

 （4）第四步

在新建的编译文件下，找到Opencv.sln双击打开

打开后如下图所示：

选择debug或者release（一般来说，两者都要编译），对应操作系统X64

 解决方案生成后，如果没有报错，点击INSTALL=》仅用于项目=》仅生成

 出现生成成功，这说明lib库生成完成。

 

【3】环境配置

（1）系统环境配置

鼠标右击此电脑=》属性=》高级系统设置=》环境变量

 

 

 

选择Path=》新建

bin路径为：D:\opencv\opencv_contrib_build\install\x64\vc14\bin

将bin路径填入后，点击完成。

（2）配置VS环境

在属性管理器中新建项目属性表

 包含目录为：D:\opencv\opencv_contrib_build\install\include               D:\opencv\opencv_contrib_build\install\include\opencv2

  

库目录为：D:\opencv\opencv_contrib_build\install\x64\vc14\lib

 

该路径lib文件有很多子文件，通过下面方法可以进行查找，将文件名复制到txt文件中，方法如下：

附加依赖项为库目录下的lib文件：

1、在包含训练图片的文件夹中新建TXT文件。

2、在TXT文件中输入  DIR  *.*/B>train.txt （DIR命令后须有一空格）

3、保存后将后缀名改为BAT。

4、双击该文件即可生成一个train.txt。

【4】测试

测试代码如下：

#include<opencv2\opencv.hpp>
#include<opencv2\xfeatures2d.hpp>
#include<opencv2\imgproc\imgproc.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\xfeatures2d\nonfree.hpp>
#include<iostream>

using namespace std;
using namespace cv;
using namespace cv::xfeatures2d;

int main(int argc,char** argv)
{
	//【0】改变字体颜色
	system("color 2F");

	//【1】载入源图片并显示
	Mat srcImage1 = imread("E:\\乔大花进度\\11-17\\surf特征检测\\1.jpg",1);
	Mat srcImage2 = imread("E:\\乔大花进度\\11-17\\surf特征检测\\2.jpg", 1);

	//【2】显示图片
	imshow("原始图1",srcImage1);
	imshow("原始图2",srcImage2);


	int minHessian = 400;//默认值为100
	vector<KeyPoint>keyPoints, keyPoints1;
	Mat resultImg, resultImage1;

	//关于定义的方法主要有两种
	//第一种指针形式定义
	//	Ptr<SURF\SIFT\ORB>detector = SURF\SIFT\ORB::create(minHessian, 4, 3, false, false);

	//第二种算子形式定义
	//SiftFeatureDetector\SurfFeatureDetector定义

	//第一种定义方式更普遍使用

	//SURF特征检测	//也可以写成SURF::create(minHessian)
	Ptr<SURF>detector = SURF::create(minHessian, 4, 3, false, false);
	

	detector->detect(srcImage1, keyPoints, Mat());
    //绘制关键点
	drawKeypoints(srcImage1, keyPoints, resultImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
	imshow("KetPoint image", resultImg);


	//SIFT特征检测
	Ptr<SIFT>detector1 = SIFT::create();
	detector1->detect(srcImage2, keyPoints1, Mat());



	//绘制关键点
	drawKeypoints(srcImage2, keyPoints1, resultImage1, Scalar::all(-1), DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
	imshow("KetPoint image1" ,resultImage1);


	waitKey(0);
	system("pause");
	return 0;
}

测试结果：

如果你能够顺利运行上述代码，恭喜你已经完成了opencv及其contrib的配置！