win10系统下vs2015+opencv3.4.3+cmake编译opencv-contrib3.4.3

最近在研究KAZE算法，发现我使用的opencv2.4.8中没有集成KAZE算法，网上查找该算法在opencv3版本中有，故将opencv和vs卸载重装，我安装的是opencv3.4.3+vs2015，一切配置完之后，发现KAZE算法是可以用了，但SIFT/SURF算法又出错，原来是由于版权问题，将其放在了opencv_contrib扩展模块中，又重新编译配置了一遍，该过程出现了多问题，特此将其写下来，希望能帮上忙。
一、软件下载
1、opencv下载
opencv下载大家应该都知道在官网下载，在此给出官网链接。https://opencv.org/releases.html
2、vs下载
同样也给出官方链接。
https://visualstudio.microsoft.com/zh-hans/downloads/
3、cmake下载
cmake的版本与编译成功与否几乎没有关系。下载网址为：
https://cmake.org/download/
4、opencv_contrib扩展模块的下载
在下载opencv_contrib扩展模块时，版本必须要和opencv的版本一致，否则将导致后面编译错误（我第一次下载的版本与opencv不一致，出现各种错误，千万不要入坑！！！）。
opencv_contrib扩展模块的下载网址为：
https://github.com/opencv/opencv_contrib/releases

我下载的是3.4.3版本，可以根据自己所需要的版本来下载。
二、软件安装
以上四个软件的安装很容易，按提示步骤安装即可。
三、opencv_contrib扩展模块的编译
这一部分是关键步骤，它成功了就算是整个编译配置过程成功了一半。
1、首先找到cmake根目录下bin文件夹，打开cmake-gui.exe，界面如下图所示。其中where is the source code 选择你opencv的安装路径，where to build the binaries 选择需要存放生成文件的目录，在你安装的opencv根目录下新建一个文件夹，建议用英文名命名，我将其命为build。
2、点击configure，第一次使用会弹出对话框，需选择对应的vs版本，我电脑是64位的，故选择的visual studio 14 2015 win64。

3、找到OPENCV_EXTRA_MODULES_PATH，将其值选择为opencv_contrib文件夹中的modules文件夹，勾选对应的文件夹。同时要记得勾选OPENCV_ENABLE_NONFREE,否则测试时会出错。

4.再次点击configure，完成之后点击generate，在cmake界面直接点击open project打开项目，选择64或32位的Debuge和Release，根据自己电脑系统来选择，在菜单栏选择生成->生成解决方案，这一过程时间会比较长，耐心等待哦。

5.编译完成后，会在opencv根目录下的modules文件夹下生成如下子文件夹，将各个子文件夹中的include文件夹剪切合并，并且放到opencv根目录下的include文件夹中。

四、opencv的配置
1.配置环境变量
右击此电脑—>属性—>高级系统设置—>环境变量—>选择用户变量中的PATH变量—>编辑，添加环境变量。我的环境变量如下图所示（你们的按照自己的路径来，其中build就是上面编译opencv_contrib扩展模块时新建的文件夹）：

2.opencv的配置
打开vs2015，新建一个工程，选择属性管理器，点击工程名，根据自己电脑的系统进行配置。

双击上图中红色框圈出的，选择VC++目录，分别配置包含目录和库目录，我的配置如下：
包含目录：
D:\opencv-3.4.3\include
库目录：
D:\opencv-3.4.3\build\lib\Debug
D:\opencv-3.4.3\build\lib\Release
选择链接库—>输入，添加依赖项。此处要根据opencv的版本号来配置，“343”代表我的opencv版本为3.4.3，其中带d的为Debug模式，不带d的为Release模式。
opencv_aruco343d.lib
opencv_bgsegm343d.lib
opencv_bioinspired343d.lib
opencv_calib3d343d.lib
opencv_ccalib343d.lib
opencv_core343d.lib
opencv_datasets343d.lib
opencv_dnn343d.lib
opencv_dnn_objdetect343d.lib
opencv_dpm343d.lib
opencv_face343d.lib
opencv_features2d343d.lib
opencv_flann343d.lib
opencv_fuzzy343d.lib
opencv_hfs343d.lib
opencv_highgui343d.lib
opencv_imgcodecs343d.lib
opencv_imgproc343d.lib
opencv_img_hash343d.lib
opencv_line_descriptor343d.lib
opencv_ml343d.lib
opencv_objdetect343d.lib
opencv_optflow343d.lib
opencv_phase_unwrapping343d.lib
opencv_photo343d.lib
opencv_plot343d.lib
opencv_reg343d.lib
opencv_rgbd343d.lib
opencv_saliency343d.lib
opencv_shape343d.lib
opencv_stereo343d.lib
opencv_stitching343d.lib
opencv_structured_light343d.lib
opencv_superres343d.lib
opencv_surface_matching343d.lib
opencv_text343d.lib
opencv_tracking343d.lib
opencv_ts343d.lib
opencv_video343d.lib
opencv_videoio343d.lib
opencv_videostab343d.lib
opencv_xfeatures2d343d.lib
opencv_ximgproc343d.lib
opencv_xobjdetect343d.lib
opencv_xphoto343d.lib

opencv_aruco343.lib
opencv_bgsegm343.lib
opencv_bioinspired343.lib
opencv_calib3d343.lib
opencv_ccalib343.lib
opencv_core343.lib
opencv_datasets343.lib
opencv_dnn343.lib
opencv_dnn_objdetect343.lib
opencv_dpm343.lib
opencv_face343.lib
opencv_features2d343.lib
opencv_flann343.lib
opencv_fuzzy343.lib
opencv_hfs343.lib
opencv_highgui343.lib
opencv_imgcodecs343.lib
opencv_imgproc343.lib
opencv_img_hash343.lib
opencv_line_descriptor343.lib
opencv_ml343.lib
opencv_objdetect343.lib
opencv_optflow343.lib
opencv_phase_unwrapping343.lib
opencv_photo343.lib
opencv_plot343.lib
opencv_reg343.lib
opencv_rgbd343.lib
opencv_saliency343.lib
opencv_shape343.lib
opencv_stereo343.lib
opencv_stitching343.lib
opencv_structured_light343.lib
opencv_superres343.lib
opencv_surface_matching343.lib
opencv_text343.lib
opencv_tracking343.lib
opencv_ts343.lib
opencv_video343.lib
opencv_videoio343.lib
opencv_videostab343.lib
opencv_xfeatures2d343.lib
opencv_ximgproc343.lib
opencv_xobjdetect343.lib
opencv_xphoto343.lib
至此，opencv的配置完成了，我们需要通过测试来检查是否安装配置成功。
五、测试程序
在新建的工程中添加如下代码，生成解决方案。

#include "opencv2/opencv.hpp"  
#include"opencv2/xfeatures2d.hpp"
#include

using namespace cv;
using namespace std;

int main() {
	Mat img = imread("1.png", CV_LOAD_IMAGE_COLOR);
	Ptr sift = xfeatures2d::SIFT::create();
	vector keypoints;
	Mat descriptors;

	sift->detectAndCompute(img, noArray(), keypoints, descriptors);
	drawKeypoints(img, keypoints, descriptors, Scalar(0, 255, 255));
	imshow("Result", descriptors);
	waitKey(0);
	return 0;
}

显示如下图表示测试成功。

参考博客：https://blog.csdn.net/weixin_42012977/article/details/82992962