专栏地址:『youcans 的图像处理学习课』
文章目录:『youcans 的图像处理学习课 - 总目录』
【youcans 的 OpenCV 学习课】1.2 编译生成 OpenCV_contrib 的 OpenCV 库
文章目录
- 【youcans 的 OpenCV 学习课】1.2 编译生成 OpenCV_contrib 的 OpenCV 库
- 1. 工具下载与安装
- 1.1 下载和安装 Visual Studio
- 1.2 下载和安装 CMake
- 2. 下载和编译 OpenCV 源码
- 2.1 下载 OpenCV 源码
- 2.2 下载 OpenCV_contrib 源码
- 2.3 解压下载的源码压缩文件
- 3. 用 CMake 编译 OpenCV 源码
- 3.1 CMake 项目设置
- 3.2 CMake 项目构建
- 3.3 向项目添加 OpenCV_contrib
- 3.4 生成 opencv.sln 文件
- 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
- 4.2 生成 Debug 方案
- 4.3 生成 Release 版本
- 4.4 使用 cv2.pyd 文件
- 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
- 5.2 使用 OpenCV_contrib 库的函数
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。
- 找到如图
- 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, youcans@qq.com
"""
# 【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】
版权声明:
youcans@xupt 原创作品,转载必须标注原文链接:(https://blog.csdn.net/youcans/article/details/127148909)
Copyright 2022 youcans, XUPT
Crated:2022-12-26
参考文献
OpenCV install opencv_contrib on Windows
欢迎关注 『youcans 的 OpenCV 学习课』 系列,持续更新
文章目录:『youcans 的图像处理学习课 - 总目录』