vs2015 配置opencv 3.1.0

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/duan20140614/article/details/79262819

注意：opencv 3.1.0 版本之前，所有的功能模块集成到一块，但在此之后，分成了核心模块和opencv_contrib 模块两部分，contrib模块主要是一些最新的、还不太成熟的计算机视觉算法。所以如果想使用这些最新功能，必须将opencv_contrib模块和核心模块重新一起编译。

相关软件下载安装

需要下载opencv3.10，opencv_contrib和cmake-gui。

图：opencv下载说明

图：opencv_contrib下载说明

图：cmake下载说明

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个文件安装/解压缩。

使用cmake 构建vs2015项目

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。

用Visual Studio 2015编译cmake构建的项目

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

2.      配置管理器，将32位编译器Win32改为64位编译器x64，操作如下图：

3.      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。
4.      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。
5.配置  D:/OpenCV3.1/sources/newBulid/install/x64/vc14/bin这一环境变量

配置VS2015

1.      新建win32控制台项目。

2.      新建cpp源文件。

3.      与Visual Studio 2015编译cmake构建的项目中的配置方法一样配置管理器，将编译器改为x64.

4.      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：

5.      配置库目录

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

D:\opencv\opencv310\sources\newBulid\install\x86\vc14\staticlib

如下图：

6.      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

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

第二种方法vs配置方法：使用属性表

（3）添加新项目属性表。

       打开属性管理器：

        这时候出现的窗口是下面这样的，这是使用32位编译器的情况，如上面说到的，我们要将编译器改为64位的：

        这时候需要打开配置管理器，新建x64：

        这样操作之后，属性管理器窗口多出了两个东西如下：

       接下来在Debug|x64或者Relase|x64右键（这里以Debug为例）：

         添加属性表，名称改成一个方便自己记忆的名字，我这里用的是 opencv_3.1.props

        接着，在我们新添加的属性表处右键选择属性：

        然后就得到了一个很亲切的窗口，没错，这个在上面出现过，设置的过程也跟上面一样。按照上面的（一）2（4）所说的方法设置好“包含目录”“库目录”以及“附属依赖项”。

        好了，当你设置好点下“确定”之后，你同样可以在main.cpp中输入（一）中给出的测试程序，运行即可。

       下面是重点，当你下一次再打开VS新建工程的时候，你需要做的仅仅是下面的事情：

       第一步：新建工程；

       第二步：打开配置管理器（上面有说到如何打开），将Win32改为x64；

       第三步：在属性管理器中，添加现有属性表，将上面制作好的opencv_3.1.props添加进来如下图所示。

        这样就大功告成啦！！！接着在新建的main.cpp文件中就可以编程了，如果你不嫌烦的话，可以在试一下上面的测试程序。

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 ?

1. #include <opencv2/core/utility.hpp>  
2. #include <opencv2/tracking.hpp>  
3. #include <opencv2/videoio.hpp>  
4. #include <opencv2/highgui.hpp>  
5. #include <iostream>  
6. #include <cstring>  
7.   
8. using namespace std;  
9. using namespace cv;  
10.   
11. int main() {  
12.     // declares all required variables  
13.     //! [vars]  
14.     Rect2d roi;  
15.     Mat frame;  
16.     //! [vars]  
17.   
18.     // create a tracker object  
19.     Ptr<Tracker> tracker = Tracker::create("KCF");  
20.     //! [create]  
21.   
22.     // set input video  
23.     //! [setvideo]  
24.     std::string video = "E:\\demo1.avi";  
25.     VideoCapture cap(video);  
26.     //! [setvideo]  
27.   
28.     // get bounding box  
29.     //! [getframe]  
30.     cap >> frame;  
31.     //! [getframe]  
32.     //! [selectroi]选择目标roi以GUI的形式  
33.     roi = selectROI("tracker", frame);  
34.     //! [selectroi]  
35.   
36.     //quit if ROI was not selected  
37.     if (roi.width == 0 || roi.height == 0)  
38.         return 0;  
39.   
40.     // initialize the tracker  
41.     //! [init]  
42.     tracker->init(frame, roi);  
43.     //! [init]  
44.   
45.     // perform the tracking process  
46.     printf("Start the tracking process\n");  
47.     for (;; ) {  
48.         // get frame from the video  
49.         cap >> frame;  
50.   
51.         // stop the program if no more images  
52.         if (frame.rows == 0 || frame.cols == 0)  
53.             break;  
54.   
55.         // update the tracking result  
56.         //! [update]  
57.         tracker->update(frame, roi);  
58.         //! [update]  
59.   
60.         //! [visualization]  
61.         // draw the tracked object  
62.         rectangle(frame, roi, Scalar(255, 0, 0), 2, 1);  
63.   
64.         // show image with the tracked object  
65.         imshow("tracker", frame);  
66.         //! [visualization]  
67.         //quit on ESC button  
68.         if (waitKey(1) == 27)  
69.             break;  
70.     }  
71.   
72.     return 0;  
73. }