opencvcontrib的编译

　　OpenCV是个极其强大的视觉库，其各模块的功能如下。 calib3d：该模块由相机校准（calibration）和三维重建（3d）两个部分组成，主要用于相机标定与三维视觉等； core：OpenCV的内核模块，定义了基础数据结构与基础计算； dnn：该模块主要用于深度学习推理部署，不支持模型训练； features2d：该模块主要用于特征点处理，例如特征点检测与匹配等； flann：FLANN为快速最近邻算法（Fast Library for Approximate Nearest Neighbors）的缩写，该模块包含快速近似最近邻搜索和聚类等功能； gapi：该模块对图像处理算法做了加速处理，不属于OpenCV的功能模块； highgui：该模块用于创建图像化界面操作，例如创建和操作图像显示窗口、鼠标与键盘事件处理，进度条等图像化交互操作； imgcodecs：该模块负责图像文件读写，如图像读取与保存； imgproc：该模块是OpenCV图像处理最重要的模块，主要功能如图像滤波、图像几何变换、直方图操作等； ml：该模块为机器学习模块，包含常见的机器学习算法，如支持向量机和随机森林等； objdetect：该模块主要用于图像目标检测，例如Haar特征检测等； photo：该模块主要负责照片处理，如照片修复和去噪等； stitching：该模块负责图像拼接，功能包括图像特征点寻找与匹配等图像拼接技术； video：该模块用于视频分析，如运动估计、背景分离等； videoio：该模块负责视频读写，主要视频文件的读取和写入。
　　OpenCV在视觉算法中的功能非常强大，其中一个原因就是该算法库一直在与时俱进的更新最新的算法，对于具有专利的算法（如SURF）以及一些还没有稳定的算法，OpenCV会将其置于扩展模块中，这些扩展模块包含在opencv_contrib代码库中。
　　opencv_contrib的模块及其功能说明如下。 alphamat：Alpha Matting信息流算法； aruco：增强现实标记算法； barcode：条形码检测与解码方法； bgsegm：增强背景-前景分割算法； bioinspired：仿生学视觉模型和衍生工具； ccalib：用于三维重建的自定义校准模式； cudaarithm：CUDA矩阵运算； cudabgsegm：CUDA背景分割； cudacodec：CUDA视频编解码； cudafeatures2d：CUDA特征检测与描述； cudafilters：CUDA图像滤波； cudaimgproc：CUDA图像处理； cudalegacy：CUDA传统支持； cudaobjdetect：CUDA目标检测； cudaoptflow：CUDA光流算法； cudastereo：CUDA立体匹配； cudawarping：CUDA图像扭曲； cudev：CUDA设备层； cvv：计算机视觉程序交互式可视化调试的GUI； datasets：用于处理不同数据集的框架； dnn_objdetect：基于DNN的目标检测； dnn_superres：基于DNN的超分； dpm：基于可变形零件的模型； face：人脸分析； freetype：使用freetype/harfbuzz绘制UTF-8字符串； fuzzy：基于模糊数学的图像处理； hdf：分层数据格式I/O例程； hfs：基于层次特征选择的图像分割方法； img_hash：该模块提供了不同的图像哈希算法的实现； intensity_transform：该模块提供了用于调整图像对比度的强度变换算法的实现； julia：OpenCV Julia绑定； line_descriptor：用于从图像中提取线条的二进制描述符； mcc：Macbeth图表模块； optflow：光流算法； ovis：OGRE三维可视化器； phase_unwrapping：相位展开API； plot：Mat数据绘制函数； quality：图像质量分析API； rapid：基于轮廓的三维目标跟踪； reg：图像配准； rgbd：RGB深度处理； saliency：显著性API； sfm：运动结构分析； shape：形状距离与匹配； stereo：立体匹配算法； structured_light：结构光API； superres：超分模块； surface_matching：曲面匹配； text：场景文字检测与识别； tracking：追踪API； videostab：视频稳定； viz：三维可视化器； wechat_qrcode：微信二维码检测器，用于检测和解析二维码； xfeatures2d：features2d扩展模块； ximgproc：imgproc扩展模块； xobjdetect：objdetect扩展模块； xphoto：photo扩展模块。
　　因为项目中需要使用xfeatures2d模块提供的SIFT来使用SITT算子来提取图像特征，但是OpenCV本身模块不提供，但是再openCV扩展模块中提供了，下载链接：Tags · opencv/opencv_contrib · GitHub，主要找到和你openCV版本一样的版本
　　使用下面的编译脚本：echo off  REM cd opencv_4_7_0  :: 32bit set GENERATOR=＂Visual Studio 17 2022＂ -A WIN32 set INSTALL_PREFIX=../opencv_4_7_0_x86 set BUILD_DIR=.build.x86 mkdir %BUILD_DIR% call:start_build  :: 64bit set GENERATOR=＂Visual Studio 17 2022＂ -A x64 set INSTALL_PREFIX=../opencv_4_7_0_x64 set BUILD_DIR=.build.x64 mkdir %BUILD_DIR% call:start_build  goto:eof  :start_build cmake -S . -B %BUILD_DIR% -DCMAKE_INSTALL_PREFIX=%INSTALL_PREFIX% -G %GENERATOR% -DOPENCV_DOWNLOAD_MIRROR_ID=gitcode -DCMAKE_DEBUG_POSTFIX=d  -DOPENCV_EXTRA_MODULES_PATH=F:/raw/opencv_contrib-4.7.0/modules cmake --build %BUILD_DIR% --config Debug -j8 cmake --install %BUILD_DIR% --config Debug cmake --build %BUILD_DIR% --config Release -j8 cmake --install %BUILD_DIR% --config Release goto:eof
　　其实最核心的就是编译脚本中提供的这个参数
　　-DOPENCV_EXTRA_MODULES_PATH=F:/raw/opencv_contrib-4.7.0/modules
　　接下来使用Opencv中SIFT特征检测#include  #include  #include   using namespace cv; using namespace std; using namespace cv::xfeatures2d;  int main(int agrc, char** agrv) { 	cv::Mat src = cv::imread(＂D:/image2/41.jpg＂,IMREAD_GRAYSCALE);//加载进来就是一张灰度图像 	if (!src.data) 	{ 		printf(＂加载图片失败… ＂); 		return -1; 	} 	cv::namedWindow(＂原图＂, cv::WINDOW_AUTOSIZE); 	cv::imshow(＂原图＂, src01);    int numFeatures = 40000;   cv::Ptr dector = cv::SIFT::create(numFeatures);   vector keyPoints;   dector->detect(src01, keyPoints, cv::Mat());   printf(＂所有的关键点个数：%d＂, keyPoints.size());   cv::Mat keypoint_img;   drawKeypoints(src01, keyPoints, keypoint_img, cv::Scalar::all(-1), cv::DrawMatchesFlags::DEFAULT);   cv::namedWindow(＂SIFT 关键点＂, cv::WINDOW_AUTOSIZE);   cv::imshow(＂SIFT 关键点＂, keypoint_img);   cv::waitKey(0); 	return 0; }
　　效果如下