Windows 下使用 CMake + Visual Studio 2022 编译 OpenCV 4.8.1 及其扩展模块

一. 背景

目前维护的某个项目是在 Windows 下运行的,并且使用了 OpenCV 4.5.2 版本。

我本地的开发环境是 Mac 并使用了比较新的 OpenCV 4.8.1 版本。为了和本地开发环境保持一致,我打算对项目中使用的 OpenCV 进行升级,因为该项目还是用了扩展模块的一些功能,所以需要自行编译。

本文只是记录自己在编译时踩过的坑,避免下次再犯或者给有需要的人。

二. 需要准备的软件

CMake 3.13 或者以上版本 cmake.org/

Visual Studio 2022 社区版本 visualstudio.microsoft.com/zh-hans/vs/

OpenCV 4.8.1 源码包 github.com/opencv/open...

OpenCV 4.8.1 扩展模块源码包 github.com/opencv/open...

三. 编译

3.1 使用 CMake

3.1.1 准备工作

解压 OpenCV4.8.1 源码包和扩展模块源码包到某个位置

打开 cmake-gui,设置 OpenCV4.8.1 源码的位置和输出编译的二进制文件的位置

3.1.2 Configure

点击"Configure",弹窗会显示build目录没有创建,是否需要创建。

点击"Yes"之后,CMake 会让你选择使用什么工具来生成这个项目。我们采用 Visual Studio 2022。

"Configure"配置成功后,会出现这个界面

此时,我们可以设置扩展模块的路径

扩展模块的路径在设置时,一定要到 modules 这个文件夹,否则后面再次"Configure"会失败。

如果需要编译 OpenCV World 模块,也需要在这里单独设置。

World 模块是一个超级模块(super-module),它结合了用户选择的所有其它模块。它是一个一体化(all-in-one)模块,具有所有库的功能。

然后再次点击"Configure"。

此时,最好看一下 CMake 的下载日志,下面的文件是 CMake 的下载日志。

某些文件的无法下载可能会最终导致 OpenCV World 模块无法编译成功。

我主要是修改这几个地方:

a. 进入 C:/opencv-4.8.1/opencv-4.8.1/3rdparty/ippicv 目录, 将 ippicv.cmake 的 raw.githubusercontent.com 修改为:raw.staticdn.net

b. 进入 C:/opencv-4.8.1/opencv-4.8.1/3rdparty/fmpeg 目录, 将 ffmpeg.cmake 的 raw.githubusercontent.com 修改为:raw.staticdn.net

c. 进入 C:/opencv_contrib-4.8.1/opencv_contrib-4.8.1/modules/xfeatures2d/cmake 目录, 将 download_boostdesc.cmake 中的raw.githubusercontent.com 修改为:raw.staticdn.net

d. 进入 C:/opencv_contrib-4.8.1/opencv_contrib-4.8.1/modules/xfeatures2d/cmake 目录, 将 download_vgg.cmake 中的 raw.githubusercontent.com 修改为:raw.staticdn.net

e. 进入 C:/opencv_contrib-4.8.1/opencv_contrib-4.8.1/modules/face 目录, 修改 CMakeLists.txt, 将raw.githubusercontent.com 修改为:raw.staticdn.net

之后再重新"Configure"即可。

3.1.3 Generate

接下来,点击"Generate"生成使用 CMake 构建的项目

3.1.4 Open Project

最后点击"Open Project",唤起 Visual Studio 2022 打开该项目。

当然也可以去输出编译的二进制文件的目录(C:/opencv-4.8.1/newbuild) ,打开 OpenCV.sln 文件达到同样的效果。

3.2 使用 Visual Studio 2022

在编译之前,先配置 opencv_world 模块,然后选择 release 或者 debug。

找到 CMakeTargets,选择 ALL_BUILD 进行生成。

上述步骤生成成功后,选择 INSTALL 进行生成。

INSTALL 生成成功后,这次编译算是大功告成了。我们完成了OpenCV4.8.1 及其扩展模块的编译。

我们可以在输出编译的二进制文件的目录(C:/opencv-4.8.1/newbuild)下找到 install 文件夹

install 文件夹最终输出的内容如下

我们也成功编译了 opencv_world 模块。

四. 总结

本文只是便于自己日后翻阅和查找。

不过整个编译过程花费了1天多才搞定。编译的时候遇到各种问题,其实只要仔细阅读日志进行分析,总能解决。

当然,自行编译 OpenCV 库有很多好处,可以根据自己的需要定制 OpenCV 库,可以针对特定的硬件平台优化 OpenCV 库等等。

相关推荐
Dfreedom.14 小时前
图像滤波:非线性滤波与边缘保留技术
图像处理·人工智能·opencv·计算机视觉·非线性滤波·图像滤波
Dfreedom.14 小时前
开运算与闭运算:图像形态学中的“清道夫”与“修复匠”
图像处理·python·opencv·开运算·闭运算
格林威17 小时前
Baumer相机铆钉安装状态检测:判断铆接是否到位的 5 个核心算法,附 OpenCV+Halcon 的实战代码!
人工智能·opencv·算法·计算机视觉·视觉检测·工业相机·堡盟相机
李昊哲小课17 小时前
OpenCV Haar级联分类器人脸检测完整教程
人工智能·opencv·计算机视觉
格林威18 小时前
Baumer相机铸件气孔与缩松识别:提升铸造良品率的 6 个核心算法,附 OpenCV+Halcon 实战代码!
人工智能·opencv·算法·安全·计算机视觉·堡盟相机·baumer相机
光羽隹衡18 小时前
计算机视觉——Opencv(图像金字塔)
人工智能·opencv·计算机视觉
sali-tec18 小时前
C# 基于OpenCv的视觉工作流-章20-仿射变换
图像处理·人工智能·opencv·算法·计算机视觉
子夜江寒20 小时前
基于dlib与OpenCV的人脸检测与特征点标定技术实践
人工智能·opencv·计算机视觉
Pyeako20 小时前
opencv计算机视觉--光流估计&视频读取方法
python·opencv·计算机视觉·pycharm·角点检测·光流估计·视频读取方法
无垠的广袤1 天前
【VisionFive 2 Lite 单板计算机】边缘AI视觉应用部署:缺陷检测
linux·人工智能·python·opencv·开发板