Advertisement

OpenCV 4.3+ Contrib 已经使用 VS2019 编译完成。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
OpenCV4.3及Contrib模块已经通过VS2019成功编译完成，同时，OpenCV 4.3版本也已正式发布。目前，我们已将opencv_contrib模块一同编译完毕，并提供下载。OpenCV 4.3 作为一个相对成熟且稳定的版本，其文件结构包含lib、dll以及include文件，只需进行简单的配置即可实现顺利运行。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • OpenCV 4.1.1 完整编译（包含 Opencv411-contrib 拓展模块），已通过 CMake 和 VS2019 编译完成，可直接使用
    优质
    本库提供完整编译版的 OpenCV 4.1.1 及其拓展模块 opencv_contrib，适用于 VS2019 开发环境。经 CMake 构建并通过测试，用户可以直接集成到项目中使用。 正在使用OpenCV进行开发或学习的朋友们应该知道，当前OpenCV官网提供的库文件可能无法满足大家对整个OpenCV的学习需求，例如CNN::CUDA,thinning()函数等需要额外的功能就需要重新编译相应的扩展模块contrib。然而这个过程对于不熟悉CMake环境或者Visual Studio的人来说可能会遇到很多问题和错误。 为了帮助解决这些问题，并减少不必要的浪费时间，在这里提供已经使用官方提供的OpenCV 4.1.1及Contrib 4.1.1源代码，通过Cmake3.17.0和VS2017编译完成的安装包。这个版本经过实测可以正常使用。 该安装包包含以下内容： - OpenCV 4.1.1 安装程序（官网提供的版本） - 编译好的OpenCV 4.1.1 Contrib模块，包括x86和x64两个编译通过的install文件以及用于Debug x64环境属性的opencv_props配置。
     
  • 已编译的OpenCV Contrib 3.2.0
    优质
    已编译的OpenCV Contrib 3.2.0 是指针对计算机视觉应用优化的开源软件库OpenCV的贡献模块版本3.2.0的预编译文件，便于开发者直接使用高级功能和算法。 在OpenCV 3.0版本之前可以直接使用SIFT和SURF等功能，但在3.0之后的版本里这些功能被移到了nonfree.hpp中，并且需要额外配置opencv_contrib。在此之前我几乎把cmake用吐血了。希望我的经验可以帮助到有需要的小伙伴。请注意，OpenCV的版本要与opencv_contrib相对应！
     
  • 已包含contrib模块的OpenCV 3.2.0版本编译完成
    优质
    简介：本项目成功完成了包含contrib模块的OpenCV 3.2.0版本的编译工作，提供了扩展功能和算法支持。 OpenCV（开源计算机视觉库）是一个强大的跨平台图像处理与计算机视觉算法集合工具包。提到的已经编译了contrib模块的opencv3.2.0版本意味着该版本集成了额外的功能模块，这些功能可能仍在开发中或尚未完全成熟。 1. **opencv_contrib模块**：此模块包含了一些高级和实验性的功能，例如面部识别、超分辨率处理、文字检测以及SIFT和SURF特征提取等。由于它们的特殊性质，这类算法并未被纳入默认版本的OpenCV库之中。 2. **编译过程**：为了将opencv_contrib集成到项目中，需要进行一系列步骤包括下载源代码、配置构建选项以包含contrib模块、安装必要的依赖项以及执行实际的编译和链接操作。这通常涉及使用CMake工具及对各种编译选项的具体设置，如选择特定编程语言接口（例如C++或Python）、指定要编译的模块类型等。 3. **人脸识别**：OpenCV 3.2.0版本提供了基于Haar级联分类器和Adaboost算法的人脸检测功能。这些技术能够识别图像中的人脸，并广泛应用于安全监控、照片管理等领域。此外，opencv_contrib可能包含了更多先进的面部识别方法，如深度学习模型。 4. **深度学习视觉**：自OpenCV 3.2.0版本开始，对深度学习的支持得到了加强，尤其是通过在contrib模块中的集成。它提供了DNN（Deep Neural Network）模块来加载并使用来自TensorFlow、Caffe等框架的预训练模型进行图像分类、目标检测等多种任务。 5. **文件名称列表opencv_with_contrib**：这可能指的是编译完成后的库文件或包含相关资源和脚本的目录。通常，成功构建后会生成一系列动态链接库（如.dll或.so）与静态链接库（如.a或.lib），以及头文件供开发人员使用。 6. **使用与集成**：在项目中利用已编译好的opencv_with_contrib版本时，需要将这些库添加到系统搜索路径，并配置项目的依赖关系。对于Python用户来说，则需确保环境能够正确识别相关的绑定模块。 7. **优化和性能提升**：通过调整各种编译选项可以在一定程度上提高OpenCV的执行效率，比如启用多线程支持或使用特定指令集（如AVX）。此外，可以根据具体硬件配置选择适当的优化等级以获得最佳运行效果。 这个包含了opencv_contrib模块的已编译版OpenCV 3.2.0为开发者提供了一个全面且多功能的视觉任务处理工具包。无论是进行学术研究还是开发商业应用，都能够从中受益。
     
  • 已完成编译的OpenCV3.4.2 Contrib版（100%可用）
    优质
    这是一份已完全编译成功的OpenCV 3.4.2 Contrib版本，确保所有依赖项均已正确集成，可直接用于开发和测试，无需额外配置。 使用Cmake编译从官网下载的OpenCV3.4.2源代码后，在Build文件夹中的install文件夹内包含了所有OpenCV库，可用于开发相关程序。
     
  • 在VS2019中编译Windows版C++ OpenCV 4.8及opencv-contrib
    优质
    本教程详细介绍了如何使用Visual Studio 2019编译Windows版的OpenCV 4.8及其贡献模块，涵盖环境配置与编译过程。 在Windows环境下开发C++应用并利用OpenCV库是一个常见的需求。OpenCV是一个强大的计算机视觉库，它提供了许多用于图像处理、计算机视觉以及机器学习的函数。本篇文章将详细介绍如何在Windows系统上使用CMake和Visual Studio 2019（VS2019）来编译OpenCV 4.8.0及opencv_contrib模块。 你需要确保已经安装了以下软件： 1. **Visual Studio 2019**：Microsoft的集成开发环境（IDE），支持C++项目开发。 2. **CMake**：一个跨平台的自动化构建系统，用于管理项目构建过程。 3. **Git**：版本控制系统，用于下载OpenCV源代码。 4. **OpenCV 4.8.0**：官方OpenCV库可以从GitHub上获取。 5. **opencv_contrib**：OpenCV的扩展模块包含额外的功能和算法。 编译步骤如下： 1. **下载源代码**：使用Git克隆OpenCV和opencv_contrib仓库到本地。运行以下命令： ``` git clone https://github.com/opencv/opencv.git git clone https://github.com/opencv/opencv_contrib.git ``` 2. **设置CMake**：打开CMake，指定源代码目录（即上述两个仓库的根目录）和构建目录。构建目录是新建的一个空文件夹，用于存放生成的解决方案和编译结果。 3. **配置CMake**：在CMake的GUI中，设置编译选项。确保以下选项被选中： - `BUILD_opencv_world` - `WITH_CUDA`（如果你的系统支持CUDA并希望使用GPU加速） - `OPENCV_EXTRA_MODULES_PATH` 指向opencv_contrib的`modules`目录 还可以根据需要选择其他模块，如`BUILD 示例`, `WITH_QT`等。 4. **生成项目文件**：点击CMake的“Configure”按钮，然后根据提示选择Visual Studio版本（例如，选择`Visual Studio 16 2019`和`Win64`以创建64位项目）。配置完成后，再次点击“Generate”生成VS项目文件。 5. **打开并编译项目**：在生成的构建目录下，你会发现一个.sln文件。用VS2019打开它，在解决方案资源管理器中选择所有项目，右键单击并选择“生成”。这将编译OpenCV库及其所有依赖项。 6. **安装OpenCV**：编译完成后，选择解决方案中的`install`项目并生成，这会将编译好的库和头文件复制到指定的安装目录。 7. **配置环境变量**：为了让其他项目能够找到编译后的OpenCV库，你可能需要添加库目录到系统的`PATH`环境变量，并设置指向库安装路径的`OPENCV_DIR`环境变量。 8. **测试编译结果**：编写一个简单的C++程序使用OpenCV的库函数，例如读取和显示图片。确保程序能够成功地进行编译和链接。 通过以上步骤，在Windows环境下你已成功地编译了OpenCV 4.8.0及opencv_contrib模块，并且已经准备好在VS2019中利用它们进行C++开发。这个过程可能会遇到一些问题，如依赖库的缺失或版本不兼容等，但只要你按照正确的步骤并解决这些问题，最终都能顺利完成编译工作。
     
  • 已编译好的 C++ OpenCV contrib 4.5.3，直接配置使用
    优质
    这段简介描述的是一个已经编译完成的C++版本OpenCV contrib库（4.5.3），用户可以直接进行配置和应用，无需自行编译。 配置方式可以参考相关博客中的指导（该博客详细介绍了如何使用已编译好的 OpenCV contrib 3.4.6），整个过程大约需要十分钟来完成设置。自己编译OpenCV contrib通常会遇到各种问题，而且非常繁琐。
     
  • 已编译的OpenCV 3.4.1 + Contrib for Win10 with VS2017
    优质
    本资源提供在Windows 10环境下使用Visual Studio 2017编译好的OpenCV 3.4.1及其Contrib模块，方便开发者快速集成和利用计算机视觉技术。 OpenCV（开源计算机视觉库）是一个强大的跨平台工具包，包含了大量的图像处理与计算机视觉算法实现。在提供的压缩文件中的opencv3.4.1+contrib版本是为Windows 10操作系统及Visual Studio 2017编译环境特别优化的。 **一、安装和配置** 在Windows 10环境中使用Visual Studio 2017来设置OpenCV，主要步骤如下： - 下载并解压预编好的OpenCV库文件。 - 在VS中创建一个新的项目。 - 设置包含目录（Include Directories），加入OpenCV头文件的路径。 - 配置库目录（Library Directories）以指向OpenCV动态链接库的位置。 - 于链接器设置中添加必要的依赖，如opencv_world341.lib等。 **二、贡献模块** 这些额外的功能组件包括实验性质及新开发中的功能： - `xfeatures2d`：提供高级特征检测和描述符接口，例如SIFT（尺度不变特征变换）、SURF（速度可变区域特征）。 - `ximgproc`：图像处理扩展包，内含超分辨率、去噪等算法。 - `face`：人脸识别模块，包括EigenFace、FisherFace及LBPH方法。 - `ml`：机器学习工具箱，提供了一些未集成于主库中的算法。 **三、进行图像处理** 利用OpenCV可以执行多种任务如读取图片（使用`imread()`）、显示图片（通过`imshow()`）、变换色彩空间（采用`cvtColor()`）等操作。 **四、计算机视觉应用** 该库支持众多的计算机视觉工作，例如物体检测、特征匹配、图像拼接和运动分析。此外，它也适用于机器学习任务，并集成了如TensorFlow或Caffe等深度学习框架的支持模块。 **五、与Visual Studio集成** 在VS项目配置中可通过添加预处理器定义（Preprocessor Definitions）来控制OpenCV功能的启用/禁用情况；调试过程中也可以借助`imwrite()`函数将中间结果保存为图片，以帮助检查程序运行状态。
     
  • OpenCV 4.5.1 CMake 编译（含 OpenCV Contrib）
    优质
    本教程详细介绍如何使用CMake编译OpenCV 4.5.1及其Contrib模块，涵盖环境配置、依赖项安装及编译过程。 在使用OpenCV4.5.1进行Cmake编译并包含opencv contrib的过程中，请确保按照官方文档的指导步骤操作。首先下载OpenCV及contrib模块的源代码，并将它们放置在同一目录下，然后通过修改CMakeLists.txt文件来配置构建选项，包括启用所需的贡献模块功能。接下来执行cmake命令生成必要的构建文件，最后使用make或相应的IDE工具进行编译和链接工作以完成整个流程。
     
  • OpenCV3.4+Contrib编译完成的文件
    优质
    这段内容介绍的是如何成功为OpenCV 3.4及其贡献模块（contrib）进行源代码编译后的产物。包括生成的库文件、头文件及示例程序等，适用于开发者研究和应用。 已经包含了编译好的Opencv3.4.1+contrib模块，并附有详细的配置说明readme文件。这可以省去自己使用cmake进行编译的过程。
     
  • OpenCV3.2+Contrib编译完成的文件
    优质
    本资源包含OpenCV3.2及其contrib模块编译后的所有文件，适用于Windows系统，便于开发者快速集成计算机视觉功能到项目中。 从OpenCV 3.x版本开始不再独立支持SIFT等算法，因此需要添加contrib模块。