从零开始 OpenCV 学习课

#从零开始 OpenCV 学习课| 来源: 网络整理| 查看: 265

官方的 OpenCV-Python 库缺少一些涉及专利的或测试的算法（例如 SURF、Multitracking），需要自己下载源码，编译生成带有 OpenCV_contrib 接口的 OpenCV 库。

本文详细讲解使用 CMake 与 Visual Studio，编译生成带有 OpenCV_contrib 接口的 OpenCV 库。这个过程非常麻烦，容易遇到各种问题。作者从网上搜了很多文章，很多语焉不详，或者缺失关键步骤（也许只是一个细节），多次尝试多次失败，多次失败至于成功。

1. 工具下载与安装

首先需要安装与配置 CMake 与 Visual Studio，已经装过的可以跳过。

1.1 下载和安装 Visual Studio

推荐“以管理员身份运行”打开安装程序。

Visual Studio 安装后占用空间很大（8~10G），推荐修改安装目录/下载缓存目录，建议不要安装在 C 盘。

注意安装 Visual Studio 时添加 C++桌面开发和 Python开发。

安装 Visual Studio 的详细步骤，本文不做详细介绍，可以参考：Visual Studio安装教程。

1.2 下载和安装 CMake

根据系统配置，在 CMake官网下载安装包，例如：cmake-3.24.1-windows-x86_64.msi。CMake 官网地址：https://cmake.org/

安装 CMake，安装过程比较简，可以参考：Windows下Cmake安装步骤详解（图文）。

注意安装时将 CMake 添加到用户变量。

安装完成后可以进入 cmd 查看版本：cmake /V

2. 下载和编译 OpenCV 源码2.1 下载 OpenCV 源码

OpenCV 源码可以从 OpenCV 官网或 Github 下载，也可以从 Gitee 码云国内下载。目前的最新版本是 OpenCV 4.6.0。

注意官网下载时，要下载源码或源码的压缩文件，而不是类似 opencv_contrib_python-4.4.0.46-cp38-cp38-win_amd64.whl 的编译文件的压缩包。

Github 下载地址： OpenCV 源码(https://github.com/opencv/opencv/releases)

Gitee 码云国内下载地址： OpenCV_contrib 码云库(https://gitee.com/opencv-lhd/opencv_contrib) 2.2 下载 OpenCV_contrib 源码

OpenCV_contrib 源码可以从 Github 下载，也可以从 Gitee 码云国内下载。

注意要下载与 OpenCV 源码相同版本的 OpenCV_contrib，例如都选择 4.6.0 版本。

Github 下载地址：OpenCV_contrib 源码(https://github.com/opencv/opencv_contrib/releases)

Gitee 码云国内下载： OpenCV_contrib 码云库(https://gitee.com/opencv-lhd/opencv_contrib) 2.3 解压下载的源码压缩文件例如：OpenCV 4.6.0 源码解压到指定的文件夹 D:\CV2\Opencv-4.6.0，OpenCV_contrib 4.6.0 源码解压到文件夹 D:\CV2\Opencv_contrib-4.6.0。注意：新建子目录 build 作为 CMake output 路径，用于存放编译的中间文件和输出文件。

3. 用 CMake 编译 OpenCV 源码3.1 CMake 项目设置

参考下图进行设置：

Where is the source code 选项：设为 OpenCV 4.6.0 源码解压的文件夹。Where to build the binaries 选项：设为建立的子目录 build，即 CMake output 路径。点击 Configure 按键弹出菜单，选择安装的 Visual Studio 版本，并选择处理器类型（默认x64），点击 finish 完成 Configure 设置。

开始配置构建项目，等待。。。

3.2 CMake 项目构建

构建过程中有提示，其中可能会有红色报错，通常是由于文件下载失败。

如果最后能出现图中的 Configuring done，说明构建通过。

对于红色报错信息，可以忽略，也可以再次点击 Configuring 按钮重新配置。还可以手动处理，详见：用Cmake 编译OpenCV常见的错误。

中间区域的选项可以根据需要进行选择，例如：

WITH 区域：选择需要的额外功能，例如是否支持GUDA等BUILD区域：可以配置构建项目，如果编译失败，查看是哪个项目，可以取消该项目的勾选后再次重新编译3.3 向项目添加 OpenCV_contrib修改 CMake 界面中部的 Name-Value 选项设置：找到如图 OPENCV_ENABLE_NONFREE，勾选 Value 栏中的选项框。找到如图 OPENCV_EXTRA_MODULES_PATH，在 Value 栏中添加解压的 Opencv_contrib 文件路径，推荐设置到 modules 文件夹。

再次点击 Configure按键，加载 xfeatures2d 等 contrib 功能模块，完成后再次出现图中的 Configuring done，说明构建完成。3.4 生成 opencv.sln 文件点击 Generate按键进行编译，完成后出现图中的 Generating done，说明 OpenCV 库编译完成。生成的解决方案文件 opencv.sln 文件在CMake output 路径 D:\CV2\build 中。

4. 用 Visual Studio 生成带有 OpenCV_contrib 接口的 OpenCV 库4.1 打开解决方案文件

在 CMake 中点击 Open Project 按键打开项目，也可以直接用 Visual Studio 打开建立的 opencv.sln 文件。

Visual Studio 加载解决方案项目...等待

4.2 生成 Debug 方案

在 Visual Studio 选择 Debug 模式，x64，菜单选择生成->生成解决方案，进行编译。

漫长等待，“输出”状态栏将显示正在执行的操作，等待...

终于完成，输出显示：“生成: 成功 172 个，失败 2 个，最新 0 个，跳过 10 个”，实际执行的成功/失败个数可能不同。

从 Visual Studio 右侧“解决方案资源管理器” 选择 “CMakeTargets-INSTALL”，点击唤出右键菜单，选择 “仅用于项目-仅生成 INSTALL”，进行打包。

“输出”状态栏将显示正在执行的操作，等待...

完成后输出显示：“生成: 成功 1 个，失败 0 个，最新 0 个，跳过 0 个”。

4.3 生成 Release 版本在 Visual Studio 将 Debug 模式修改为 Release 模式，更新项目配置。此时可以选择清理解决方案（非必须）。

完成后输出显示：“清理: 成功 174 个，失败 0 个，跳过 10 个”。

在 Release 模式下，选择生成->生成解决方案，进行编译。

更加漫长的等待，“输出”状态栏将显示正在执行的操作...

终于完成，输出显示：“成功 169 个，失败 0 个，最新 0 个，跳过 10 个”。

如果报错失败，如果不是核心模块，建议先根据报错提示信息，从右侧的“解决方案资源管理器” 选择报错的模块，右键选择“移除”，再重新执行“生成解决方案”。

从 Visual Studio 右侧“解决方案资源管理器” 选择 “CMakeTargets-INSTALL”，点击唤出右键菜单，选择 “仅用于项目-仅生成 INSTALL”，进行打包。

完成后输出显示：“生成: 成功 1 个，失败 0 个，最新 0 个，跳过 0 个”。

4.4 使用 cv2.pyd 文件

以上 Visual Studio 编译生成 OpenCV-Python接口，在 CMake output 路径下的 lib\python3\Release 目录中生成了带有 OpenCV_contrib 接口的 OpenCV库文件，例如：cv2.pyd 或 cv2.cp36-win32.pyd。

将生成的 cv2.pyd 或 cv2.cp36-win32.pyd 复制到相应的 python 安装目录的 lib/site-packet/cv2 下即可使用。根据环境设置的不同，cv2.pyd 也可能已经自动部署。

顺便说一下，如果检查 D:\CV2，所占空间高达 24.1GB。不过，除了保存 pyd 文件的 lib 目录，其它目录都可以删除。

5. 使用带有 OpenCV_contrib 接口的 OpenCV 库5.1 测试带有 OpenCV_contrib 接口的 OpenCV 库

在 python 的交互界面中输入 import cv2，如果没有报错就说明编译的 python 接口成功。

5.2 使用 OpenCV_contrib 库的函数

在 OpenCV 中 ximgproc 模块中提供了 cv::xfeatures2d::SURF 类实现 SURF 特征检测算法。

SURF 是专利算法，OpenCV3、OpenCV4 将其移入了 OpenCV_contrib 扩展模块中，使用 SURF 需要 opencv-contrib-python 包的支持。在 OpenCV/Python 的一些版本中对编译进行了限制，使用 SURF 算法时会出现错误，需要自行编译并选择 OPENCV_ENABLE_NONFREE选项。

本例程示例加速鲁棒特征变换（SURF算法）的使用。通过本例程可以检查带有 OpenCV_contrib 接口的 OpenCV 库是否正确使用。

""" 200 OpenCV examples by youcans / OpenCV 例程 200 篇 Copyright: 2022, Shan Huang, [email protected] """ # 【1704】特征检测之加速鲁棒特征变换（SURF算法） import cv2 as cv import numpy as np from matplotlib import pyplot as plt if __name__ == '__main__': img = cv.imread("../images/Fig1701.png", flags=1) gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # (500, 500) print("shape of image: ", gray.shape) # SURF 关键点检测和特征描述 surf = cv.xfeatures2d.SURF_create() # 实例化 SURF 对象 # kp, descriptors = surf.detectAndCompute(gray) # 检测关键点和生成描述符 kpSurf = surf.detect(gray) # 关键点检测 kpSurf, desSurf = surf.compute(gray, kpSurf) # 生成描述符 print("Num of keypoints: ", len(kpSurf)) # 695 imgS = cv.convertScaleAbs(img, alpha=0.25, beta=192) imgSurf1 = cv.drawKeypoints(imgS, kpSurf, None) # 只绘制关键点位置 imgSurf2 = cv.drawKeypoints(imgS, kpSurf, None, flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS) # 绘制关键点大小和方向 plt.figure(figsize=(9, 3.4)) plt.subplot(131), plt.title("1. Original") plt.axis('off'), plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB)) plt.subplot(132), plt.title("2. SURF keypoints") plt.axis('off'), plt.imshow(cv.cvtColor(imgSurf1, cv.COLOR_BGR2RGB)) plt.subplot(133), plt.title("3. SURF keypoint scaled") plt.axis('off'), plt.imshow(cv.cvtColor(imgSurf2, cv.COLOR_BGR2RGB)) plt.tight_layout() plt.show()

运行结果：

程序运行结果如图17-5所示。子图1是原始图像，子图2、子图3将SURF检测的关键点绘制在原始图像上。子图2只绘制了关键点的中心，子图3对每个关键点绘制表示关键点大小和方向的圆圈。

【本节完】

欢迎关注『Python 小白从零开始 OpenCV 学习课 @ youcans』原创作品

『youcans 原创作品』，转载必须标注原文链接：用 CMake 编译 OpenCV contrib 包

Crated：2022-12-26

【本文地址】

公司简介

联系我们