本来想直接做Opencv4.0例程的,但是跑第一个例程就遇到报错:“无法打开源文件"opencv2/ximgproc.hpp"”,一查才知道缺少contrib扩展。
配置contrib需要CMake对Opencv进行编译,所以先进行准备工作:
下载链接: https://cmake.org/download/.
找最新版本并且下载“msi”文件(别下错了…)。下载完成之后直接即可,选择安装路劲什么的都是常规操作,注意其中这一步选择addCmake to the system PATH for the current user:
如果没有选择安装桌面快捷方式的,在这里找启动图标:
下载链接: https://github.com/opencv/opencv_contrib/releases.
选择你的opencv对应的版本。下载完成之后直接解压即可。
打开CMake,如图,上面输入你的Opencv的sources目录(注意不是刚刚下载的opencv_contrib的目录,是你自己opencv的目录),下面输入你自定义的输出目录。最后点左下角的“configure”即可。
然后选择对应vs的版本,64位系统选择Win64,默认的是Win32。
然后就是漫长的等待。。。之后显示“configuring done”"generating done"即表示安装成功,然后找到OPENCV_EXTRA_MODULES_RATH一项,添加你刚刚解压的opencv_contrib中的modules目录,最后选择generate开始编译。
完成之后如果在你自定义的输出文件夹中找到“OpenCV.sln”文件,即表明编译成功。
使用VS2017打开刚刚的“OpenCV.sln”文件。
如图所示点击“生成—>重新生成解决方案”,这会花好一会儿时间,耐心等待(我电脑太渣,等了很久):
“解决方案资源管理器—>CMakeTargets—>INSTALL—>仅用于项目—>仅生成INSTALL”然后又是等好一会儿
搞定。
最后到你自定义的那个文件夹确定一下,找到“install”文件夹,进去查看里面的内容:
VS2017+opencv_contrib的配置和VS2017+opencv的配置是一样的,上一步中生成的“install”文件中的内容好比一个新版本的opencv,所以配置方式和以前一样。这里只给出截图,具体方法参考我的第一篇博客:链接: https://blog.csdn.net/weixin_41991128/article/details/83656543.
系统环境变量:
包含目录、库目录
附加依耐项
其中有两点需要注意:
1.注意配置环境的路径;
2.附加依赖项有变化:opencv_contrib的依赖性如下(注意对应的版本号):
opencv_aruco400d.lib
opencv_bgsegm400d.lib
opencv_bioinspired400d.lib
opencv_calib3d400d.lib
opencv_ccalib400d.lib
opencv_core400d.lib
opencv_datasets400d.lib
opencv_dnn400d.lib
opencv_dnn_objdetect400d.lib
opencv_dpm400d.lib
opencv_face400d.lib
opencv_features2d400d.lib
opencv_flann400d.lib
opencv_fuzzy400d.lib
opencv_gapi400d.lib
opencv_hfs400d.lib
opencv_highgui400d.lib
opencv_imgcodecs400d.lib
opencv_imgproc400d.lib
opencv_img_hash400d.lib
opencv_line_descriptor400d.lib
opencv_ml400d.lib
opencv_objdetect400d.lib
opencv_optflow400d.lib
opencv_phase_unwrapping400d.lib
opencv_photo400d.lib
opencv_plot400d.lib
opencv_reg400d.lib
opencv_rgbd400d.lib
opencv_saliency400d.lib
opencv_shape400d.lib
opencv_stereo400d.lib
opencv_stitching400d.lib
opencv_structured_light400d.lib
opencv_superres400d.lib
opencv_surface_matching400d.lib
opencv_text400d.lib
opencv_tracking400d.lib
opencv_video400d.lib
opencv_videoio400d.lib
opencv_videostab400d.lib
opencv_viz400d.lib
opencv_xfeatures2d400d.lib
opencv_ximgproc400d.lib
opencv_xobjdetect400d.lib
opencv_xphoto400d.lib
如果你的版本号和我不一样,可以参考我这篇博客最后面使用cmd命令得到文件夹中所有文件名的方法:
链接: https://blog.csdn.net/weixin_41991128/article/details/83864713.
多说一句,这个时候配置多个opencv,就体现出使用属性表的重要性。需要哪个版本直接粘贴对应的属性表即可。
验证代码如下,这个一个简化的直线提取的官方例程,使用了contrib扩展里的#include "opencv2/ximgproc.hpp"头文件。
#include
#include "opencv2/imgproc.hpp"
#include "opencv2/ximgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
using namespace std;
using namespace cv;
using namespace cv::ximgproc;
int main(int argc, char** argv)
{
//在工程目录下放一张名字为"01.jpg"的图片
Mat image = imread("01.jpg", IMREAD_GRAYSCALE);
imshow("Input", image);
if (image.empty())
{
return -1;
}
Ptr<LineSegmentDetector> lsd = createLineSegmentDetector();
vector<Vec4f> lines_lsd;
int length_threshold = 10;
float distance_threshold = 1.41421356f;
double canny_th1 = 50.0;
double canny_th2 = 50.0;
int canny_aperture_size = 3;
bool do_merge = false;
Ptr<FastLineDetector> fld = createFastLineDetector(length_threshold,
distance_threshold, canny_th1, canny_th2, canny_aperture_size,
do_merge);
vector<Vec4f> lines_fld;
for (int run_count = 0; run_count < 10; run_count++)
{
lines_lsd.clear();
int64 start_lsd = getTickCount();
lsd->detect(image, lines_lsd);
// Detect the lines with LSD
double freq = getTickFrequency();
double duration_ms_lsd = double(getTickCount() - start_lsd) * 1000 / freq;
}
// Show found lines with LSD
Mat line_image_lsd(image);
lsd->drawSegments(line_image_lsd, lines_lsd);
imshow("LSD result", line_image_lsd);
waitKey(0);
return 0;
}
效果如下: