CMake + OpenCV3.4.1 （含contribute模块） + vs2013 编译生成库文件 及 MATLAB + mexopencv 实现 OpenCV 库函数调用方法

opencv是很常用的图像处理库。但是随着版本的更新， opencv3 将许多认为不稳定或存在版权的函数源码都包含在了contribute模块中没有作为编译好的库文件发布出来。为了使用这些函数，我们需要将opencv的源码再次编译成包含contribute模块的库文件。
在科研工作中，使用matlab图像处理工具包 + opencv 可以实现功能上相互补足的作用。如果利用 mexopencv 可以使我们在 MATLAB 中方便的使用 opencv 的库函数，在这里汇总了一些实现 MATLAB + opencv + contribute 的资源链接。并在windows7环境中，以 Matlab R2017b + OpenCV3.4.1(含contribute模块） + vs2013 作为实际演示例子。
所需软件: Visual Studio 2013；Matlab R2017 ; OpenCV3.4.1 ; OpenCV_contrib；mexopencv；CMake
相关链接：
中文博客：https://blog.csdn.net/sunzwdds/article/details/71080355?utm_source=blogxgwz0&tdsourcetag=s_pctim_aiomsg
关于CMake编译opencv源码以及mexopencv的步骤：
https://github.com/kyamagu/mexopencv/wiki/Installation-(Windows%2C-MATLAB%2C-OpenCV-3)
OpenCV+opencv_contrib：https://github.com/opencv 或者 opencv官网下载opencv对应版本 https://opencv.org/releases.html
CMake : https://cmake.org/download/
mexopencv ： https://github.com/kyamagu/mexopencv

下载软件及OpenCV源码

1. 在github上下载对应版本的源码，点进opencv和opencv_contrib的资源库
   选releases标签，选择对应的版本号下载(windows zip / linux tar.gz)

2. 下载 CMake 编译器，选择 Binary 版本的，根据操作系统选择 64 位版或 32 位版，下载后在bin文件夹中可以直接运行
   

3. 在github上下载 mexopencv 对应版本
   

4. 下载好后，选择一个合适的位置建立dev文件夹及四个子文件夹如图。将mexopencv，opencv，opencv_contrib解压后放入其中
   

配置OpenCV

1. 打开 cmake-gui.exe，设置source code位置为上述文件夹中的opencv-3.4.1，存放编译后文件的目标位置为build文件夹
   
2. 点击configure，选择编译器为Visual Studio 12 2013 Win64
   
3. 等待一会后，会出现红色选项，根据： https://github.com/kyamagu/mexopencv/wiki/Installation-(Windows%2C-MATLAB%2C-OpenCV-3) 的描述，取消某些选项的勾选，取消对这些模块的编译,勾选OPENCV_ENABLE_NONFREE。
   
4. 将dev文件夹下opencv_contrib中modules文件夹的地址设置在OPENCV_EXTRA_MODULES_PATH处（本文中例子为E:/dev/opencv_contrib/opencv_contrib-3.4.1/modules）
   
5. 点击configure确认，完成后，取消勾选下图中的模块，再次点击configure，确保无红色选项
   
6. 完成后点击generate
   

编译OpenCV

1. 用VS2013打开dev\build文件夹下的OpenCV.sln
   
2. 选择release模式，选择ALL_BUILD项目并生成
3. 等待一会，直至生成完毕
   
4. 选择INSTALL项目并生成，之后在 dev\build\install 文件夹下找到生成好的库文件
   
5. 设置环境变量 E:\dev\build\install\x64\vc12\bin 也可以将 dev\build\install 文件夹内的东西放置到任意的位置，同时按照新的位置设置环境变量
   

使用mexopencv

1. 打开MATLAB，输入 mex -setup 确认当前的编译器为VS2013。如果找不到对应编译器，可以参考 https://blog.csdn.net/gszhan/article/details/50951070 给出的解决方法
   
2. 将matlab工作目录切换至mexopencv所在路径，本文为 “E:\dev\mexopencv\mexopencv-3.4.1” 在命令行中输入以下命令

cd('E:\dev\mexopencv\mexopencv-3.4.1')
addpath('E:\dev\mexopencv\mexopencv-3.4.1')
addpath('E:\dev\mexopencv\mexopencv-3.4.1\opencv_contrib')
mexopencv.make('opencv_path','E:\dev\build\install', 'opencv_contrib',true)

4. 等待编译完成
   
5. 将mexopencv的文件夹及子文件夹加入到MATLAB路径中，使得改变工作路径后，函数仍然可以被找到
   
6. 命令行输入 help cv ，可查看函数的相关帮助信息
   
7. 在命令行输入 cv.getBuildInformation() ，将显示相关信息。
   

测试

通过生成 ARUCO 码进行测试，在MATLAB中执行以下脚本命令

%% Marker

% params
dictionaryId = '6x6_250';   % dictionary id
markerId = randi([0 249]);  % Marker id in the dictionary
borderBits = 1;             % Number of bits in marker borders
markerSize = 200;           % Marker size in pixels

%% Display

% show marker
dictionary = {'Predefined', dictionaryId};
markerImg = cv.drawMarkerAruco(dictionary, markerId, markerSize, ...
    'BorderBits',borderBits);
imshow(markerImg), title('Marker')

% save image
imwrite(markerImg, fullfile(tempdir(),'Marker.png'));

结果显示如下，配置成功