配置opencv-contrib

下載對應版本的opencv-contrib

 

 

 

 

 

 

 CMake編譯

 

 

 

 

 

 

 

 如果有錯誤查看日志

 

 

 打開日志文件，使用里面的地址從瀏覽器里面下載文件。

 

 文件下載之后，放置在文件相應位置，並修改文件名。

 

 

 

 

 

 

 

 

 進入Vs編譯

 

 

 

 

 

 

 

 

 

 

 

關於OpenCV4.0.1+contrib配置時運行程序出現“無法定位程序入口點”問題的解決辦法

解決方法

將…\opencv\opencv_contrib\x64\vc15\bin中的所有dll后綴文件拷貝到C:\Windows\System32中，問題解決。

或者放在以下位置也是可以的 

 

 

 測試代碼

#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>
//#include <opencv2/>

using namespace std;
using namespace cv;

int main()
{
    cv::Mat imageL = cv::imread("origin_1.jpg");
    cv::Mat imageR = cv::imread("origin_2.jpg");
    /*imshow("1", imageL);
    imshow("2", imageR);
    waitKey();
    return 0;*/



    //提取特征點方法
    //SIFT
    cv::Ptr<cv::xfeatures2d::SIFT> sift = cv::xfeatures2d::SIFT::create();
    //ORB
    //cv::Ptr<cv::ORB> orb = cv::ORB::create();
    //SURF
    //cv::Ptr<cv::xfeatures2d::SURF> surf = cv::xfeatures2d::SURF::create();

    //特征點
    std::vector<cv::KeyPoint> keyPointL, keyPointR;
    //單獨提取特征點
    sift->detect(imageL, keyPointL);
    sift->detect(imageR, keyPointR);

    //畫特征點
    cv::Mat keyPointImageL;
    cv::Mat keyPointImageR;
    drawKeypoints(imageL, keyPointL, keyPointImageL, cv::Scalar::all(-1), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
    drawKeypoints(imageR, keyPointR, keyPointImageR, cv::Scalar::all(-1), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

    //顯示窗口
    cv::namedWindow("KeyPoints of imageL", cv::WINDOW_AUTOSIZE);
    cv::namedWindow("KeyPoints of imageR", cv::WINDOW_AUTOSIZE);

    //顯示特征點
    cv::imshow("KeyPoints of imageL", keyPointImageL);
    cv::imshow("KeyPoints of imageR", keyPointImageR);

    //特征點匹配
    cv::Mat despL, despR;
    //提取特征點並計算特征描述子
    sift->detectAndCompute(imageL, cv::Mat(), keyPointL, despL);
    sift->detectAndCompute(imageR, cv::Mat(), keyPointR, despR);

    //Struct for DMatch: query descriptor index, train descriptor index, train image index and distance between descriptors.
    //int queryIdx –>是測試圖像的特征點描述符（ descriptor ）的下標，同時也是描述符對應特征點（keypoint)的下標。
    //int trainIdx –> 是樣本圖像的特征點描述符的下標，同樣也是相應的特征點的下標。
    //int imgIdx –>當樣本是多張圖像的話有用。
    //float distance –>代表這一對匹配的特征點描述符（本質是向量）的歐氏距離，數值越小也就說明兩個特征點越相像。
    std::vector<cv::DMatch> matches;

    //如果采用 flannBased 方法 那么 desp通過orb的到的類型不同需要先轉換類型
    if (despL.type() != CV_32F || despR.type() != CV_32F)
    {
        despL.convertTo(despL, CV_32F);
        despR.convertTo(despR, CV_32F);
    }

    cv::Ptr<cv::DescriptorMatcher> matcher = cv::DescriptorMatcher::create("FlannBased");
    matcher->match(despL, despR, matches);

    //計算特征點距離的最大值 
    double maxDist = 0;
    for (int i = 0; i < despL.rows; i++)
    {
        double dist = matches[i].distance;
        if (dist > maxDist)
            maxDist = dist;
    }

    //挑選好的匹配點
    std::vector< cv::DMatch > good_matches;
    for (int i = 0; i < despL.rows; i++)
    {
        if (matches[i].distance < 0.5 * maxDist)
        {
            good_matches.push_back(matches[i]);
        }
    }



    cv::Mat imageOutput;
    cv::drawMatches(imageL, keyPointL, imageR, keyPointR, good_matches, imageOutput);

    cv::namedWindow("picture of matching", cv::WINDOW_AUTOSIZE);
    cv::imshow("picture of matching", imageOutput);
    cv::waitKey(0);
    return 0;
}