OpenCV配置教程

---

前言

本篇主要记录自己配置OpenCV4的步骤和心得。IDE为Visual Studio2017，OpenCV版本号为4.5.5

目前opencv4系列主要支持vs2015和vs2017两个版本，这里推荐还是将vs版本更新到上述两个版本之一，以免出现配置上的兼容问题。

配置主要分为6个步骤：1）下载和安装OpenCV SDK 2）配置包含路径 3）配置库目录 4）配置链接器 5）配置环境变量 6）dll文件复制到system32中

下面开始具体介绍

一、下载和安装OpenCV SDK

在opencv官网下载相关安装包即可

附官网下载链接：Releases - OpenCV

点击realease

选择对应的操作系统，这里我选择的Windows，版本为4.5.5

下载完成后，运行点击解压

这里我新建了一个opencv4的文件夹，为了和之前安装的其他版本的opencv重叠。

解压完成后，如果出现以上内容，就说明解压成功了，其中build文件夹是主要的OpenCV相关文件，里面含有头文件与库文件等重要信息，接下来的环境配置工作都要围绕其展开。

二、配置包含路径

这一步主要完成的工作是告诉计算机安装的OpenCV在哪里，以及告诉IDE应该去哪里找到头文件与库文件。

我们先在vs2017中创建一个新的空项目

新建一个源文件

起名为main.cpp

然后我们将Debug模式改为对应的x64模式

然后点击视图中的其他窗口，打开属性管理器

双击红色箭头所指选项：

打开后，点击包含目录的红色箭头所指的编辑位置

点击＋号

将刚才解压的opencv文件中build的两个相关的子文件夹添加到包含目录中，分别是bulid\include和build\include\opencv2

三、配置库目录&配置链接器

库目录的配置和包含目录的操作步骤类似，不过这里要说明的是，如果vs版本为2017，则选择vc15，如果vs版本为2015，则选择vc14。

路径如图所示

下面配置链接器：

点击链接器中的输入选项，在附加依赖项中新添信息

新添的信息为opencv_world455d.lib，world后面的数字与具体的版本号有关，大家需要去刚才库目录的lib文件夹下查看自己的world号进行设置

在lib文件夹下，有两个lib文件，一个以d结尾，一个没有，含有“d”的lib文件是在Debug模式下使用，就是我们现在创建的模式，而不含“d”的文件在Release模式下使用，配置该模式时再使用，这里我们选择带“d”的文件。

四、配置环境变量

上述步骤主要负责告诉vs2017去哪里寻找我们的opencv，而环境变量则是告诉计算机去哪里寻找opencv

在Windows搜索栏输入环境变量，打开环境变量

点击后，在系统变量中找到Path，然后点击编辑

新建一个路径，具体的值如图所示，配置完成后点击确定

五、dll文件复制到system32中

在上述工作完成后，我们只差最后一步了，我们把bin目录下的所有.dll文件复制一下，放到C:\Windows\System32中

将这个5个dll文件复制后，放到C:\Windows\System32中（.dll文件数量随版本不同而不同，老版本一般为3个dll左右）

以上所有步骤完成后，就大功告成啦！

六、验证配置结果

配置完成后，我们调用opencv的一个显示图像功能来验证一下opencv是否已经成功配置，要显示的图像是非常经典的lena美女：

我们在刚才的项目中，粘贴以下代码，注意图片的位置要根据实际的图片位置来填写

#include  //加载OpenCV4的头文件
#include

using namespace std;
using namespace cv; //OpenCV命名空间

int main()
{
	Mat img;  //声明一个保存图像的类
	img = imread("D:/vs c++小练习/opencv4_test/opencv4_test/lena.jpg");  //读取图像，图像的位置要按实际位置填写
	if (img.empty())  //判断图像文件是否存在
	{
		cout << "请确认图像文件名是否正确" << endl;
		return -1;
	}
	imshow("test", img); //显示图像
	waitKey(0);  //等待键盘输入
	return 0;  //程序结束
}

程序的正确运行结果如下：

可以看到，我们的程序成功打开了美女lena的图片，当然这张经典的图片也是部分截取而来，完整的全图发个链接：http://www.lenna.org/full/l_hires.jpg ，只能说，懂得都懂233

七、结语

截止到这里，在计算机视觉这条万里长征的道路上，我们可以说已经迈出了伟大的第一步，后面许许多多的图像处理函数，图像算法，还有更加高级的机器学习，卷积神经网络，无不从这里最基础的图像处理工具开始。世上无难事，只怕有心人！继续加油。