opencv3.3.0+vs2010+cmake环境搭建

Cmake简介：

CMake是一个跨平台的安装（编译）工具，可以用简单的语句来描述所有平台的安装(编译过程)。他能够输出各种各样的makefile或者project文件，能测试编译器所支持的C++特性,类似UNIX下的automake。只是 CMake 的组态档取名为 CMakeLists.txt。Cmake 并不直接建构出最终的软件，而是产生标准的建构档（如 Unix 的 Makefile 或 Windows Visual C++ 的 projects/workspaces），然后再依一般的建构方式使用。这使得熟悉某个集成开发环境（IDE）的开发者可以用标准的方式建构他的软件，这种可以使用各平台的原生建构系统的能力是 CMake 和 SCons 等其他类似系统的区别之处。

一.相关软件的下载和安装

需要下载opencv3.3.0，opencv_contrib-master或者opencv_contrib-3.3.0和cmake-gui。

                                                                                          opencv3.3.0 下载说明

opencv_contrib下载

注意：opencv_contrib有opencv_contrib-master和opencv_contrib-3.3.0(在release) 连接中，本来应该是下载对应版本的opencv_contrib-3.3.0，但是我试过之后发现下载这个待会在编译后使用会出现问题，所以建议选master版本

  cmake 下载，你需要根据电脑系统选择对应的版本。

cmake下载的是免安装版本，解压缩之后打开cmake-gui就能直接运行。

将下载的3个文件opencv-3.3.0.exe和opencv_contrib-master.zip和cmake.zip安装/解压缩

并为opencv-3.3.0配置环境变量，即在系统环境变量中添加

D:\opencv-3.3.0\opencv\build\x64\vc14\bin

一．编译

打开bin目录下的cmake-gui.exe。

编译分为在x86和x64下2中编译方式，默认是使用x86编译。

1.      source code路径选择opencv3.1下的sources文件夹，build路径可以自己新建一个文件夹进行存放，如下图：

2.      打开Tool---Configure，如果想生成x86下的库，则选择Visual Studio 14 2015；如果想生成x64下的库，则选择Visual Studio 14 2015 Win64。然后点击Finish。如下图：

等待一段时间，软件会自动配置

3.      配置完成后，找到OPENCV_EXTRA_MODULES_PATH，将opencv_contrib的目录放进去。如下图，我的opencv_contrib路径为D:/opencv/opencv_contrib-master/modules

4.      点击Generate，等待配置完成。

Visual Studio 2015编译生成release库和debug库

1.      找到之前新建的newBuild目录，打开新生成的OpenCV.sln。

2.      在解决方案资源管理器中，选中“解决方案‘OpenCV’”，右键-->重新生成解决方案。

3.      依旧是资源管理器中，找到CMakeTargets中的INSTALL，右键-->仅用于项目-->仅生成INSTALL。注：想要Debug版（格式为opencv_xxxx310d.lib）的和Release版（格式为opencv_xxxx310.lib）的lib的话，分别选择Debug和Release以后，生成两遍就可以了。完成后，D:/OpenCV3.1/sources/newBulid/install下会有很多东西。

配置VS2015(2010基本一样)

1.      新建win32控制台项目

 

2.      新建cpp源文件。

3.      配置包含目录

我的是D:\opencv\opencv310\sources\newBulid\install\include

D:\opencv\opencv310\sources\newBulid\install\include\opencv

D:\opencv\opencv310\sources\newBulid\install\include\opencv2

如下图：

4.      配置库目录

我的是D:\opencv\opencv310\sources\newBulid\install\x86\vc14\lib

如下图：

5.      配置依赖项。

由于生成的依赖项太多，要是把每个lib一个一个写上去，很麻烦，有一种简便的方法，即，路径+*.lib，比如我的即为：

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\lib\*.lib

如下图

6.      以上是win32（x86）Debug配置方法，其他模式（x64、Release）配置方法类似。

5.      配置依赖项。

由于生成的依赖项太多，要是把每个lib一个一个写上去，很麻烦，有一种简便的方法，即，路径+*.lib，比如我的即为：

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\lib\*.lib

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\staticlib\*.lib

如下图

测试KCF跟踪算法

在上面的工程中添加cpp源文件，并输入如下代码：

[cpp] view plain copy print?#include <opencv2/core/utility.hpp>  #include <opencv2/tracking.hpp>  #include <opencv2/videoio.hpp>  #include <opencv2/highgui.hpp>  #include <iostream>  #include <cstring>    using namespace std;  using namespace cv;    int main() {      // declares all required variables      //! [vars]      Rect2d roi;      Mat frame;      //! [vars]        // create a tracker object      Ptr<Tracker> tracker = Tracker::create("KCF");      //! [create]        // set input video      //! [setvideo]      std::string video = "E:\\demo1.avi";      VideoCapture cap(video);      //! [setvideo]        // get bounding box      //! [getframe]      cap >> frame;      //! [getframe]      //! [selectroi]选择目标roi以GUI的形式      roi = selectROI("tracker", frame);      //! [selectroi]        //quit if ROI was not selected      if (roi.width == 0 || roi.height == 0)          return 0;        // initialize the tracker      //! [init]      tracker->init(frame, roi);      //! [init]        // perform the tracking process      printf("Start the tracking process\n");      for (;; ) {          // get frame from the video          cap >> frame;            // stop the program if no more images          if (frame.rows == 0 || frame.cols == 0)              break;            // update the tracking result          //! [update]          tracker->update(frame, roi);          //! [update]            //! [visualization]          // draw the tracked object          rectangle(frame, roi, Scalar(255, 0, 0), 2, 1);            // show image with the tracked object          imshow("tracker", frame);          //! [visualization]          //quit on ESC button          if (waitKey(1) == 27)              break;      }        return 0;  }  

注意：修改std::string video ="E:\\demo1.avi";这条语句中的视频路径即可。

    运行之后，首先框出物体，然后按下空格或者回车，系统便开始跟踪

如果运行出错，则将Newbuild/install/x86/v10/bin目录下的文件全部复制到 C:\windows\SysWOW64（64位系统，如果是32位，则目录是C:\windows\System32）

另注：

python+opencv 环境搭建

将opencv源码安装文件夹中

D:\opencv-3.3.0\opencv\build\python\2.7\x64（64位系统，32位是\x86）目录下的OpenCV2.pyd

复制到python安装目录中的
Lib\site-packages文件夹下，在命令行中就可以直接用 import cv2 导入使用

5.      配置依赖项。

由于生成的依赖项太多，要是把每个lib一个一个写上去，很麻烦，有一种简便的方法，即，路径+*.lib，比如我的即为：

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\lib\*.lib

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\staticlib\*.lib

如下图