【1】windows下安装OpenCV(4.3)+VS2017安装+opencv_contrib4.3.0配置
1.安装VS2017
安装步骤参考另一篇博客:https://blog.csdn.net/sinat_39620217/article/details/116201080?spm=1001.2014.3001.5501 Visual Studio安装教程、Visual Studio2017软件提供,版本序列号丨编写第一个程序。
2.安装opencv
下载完进行解压,双击
解压完界面:
其中build是OpenCV使用时要用到的一些库文件,而sources中则是OpenCV官方为我们提供的一些demo示例源码
3.配置环境变量
- 依次选择计算机—>属性—>高级系统设置—>环境变量,找到Path变量,选中并点击编辑,把OpenCV执行文件的路径填写,
- OpenCV文件夹,依次选择build—>x64—>vc15—>bin
H:\opencv\opencv\build\x64\vc15\bin
确保无误的话vc14都加入!
4.部署OpenCV
OpenCV是一个SDK,在Visual Studio中部署OpenCV
4.1 打开Visual Studio,新建工程
- 创建一个控制台工程
- 给项目创建一个C++文件,快捷键Ctrl+shift+A
- 打开项目的属性管理器,菜单路径:视图 ->其他窗口 ->属性管理器
当工程选择的是debug时,这里选择debug;当工程选择的时release时,这里就编辑release的属性。
4.2 添加包含目录
依次选择项目—>属性—>VC++目录—>包含目录—>编辑(也可采用上面的方法更加方便) 添加目录:
H:\opencv\build\include H:\opencv\build\include\opencv2
4.3 添加库目录
依次选择项目—>属性—>VC++目录—>库目录—>编辑 我的是H:\opencv\build\x64\vc15\lib
4.4 添加附加依赖项
依次选择项目—>属性—>链接器—>输入—>附加依赖项—>编辑 添加你的库文件名
有两个文件opencv_world340d.lib和opencv_world340.lib
- 如果配置为Debug,选择opencv_world340d.lib
- 如果为Release,选择opencv_world340.lib
配置已经完成。
4.5 固定化配置
打开Debug|x64,右键其下面的Microsoft.Cpp.x64.user,然后点击保存Microsoft.Cpp.x64.user。这样下次新建工程项目时便自动调用了该设置,不需要再次配置
5.测试配置效果
解决方案平台选择刚才配置的“Debug””x64”选项
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
cout << "OpenCV_Version: " << CV_VERSION << endl;
//读取本地的一张图片便显示出来
Mat img = imread("H:/opencv/main/7.png"); //图片目录的输入要特别小心,建议将原来的斜杠“\”换成反斜杠“/”
imshow("picture", img);
//等待用户按键
waitKey(0);
return 0;
}
最后能成功显示图片,则表示opencv安装成功。
6.遇到bug或者安装不成功的解决方案
参考博客:https://blog.csdn.net/sinat_39620217/article/details/116201989 问题如下:
- 打不开开sln文件
- 未定义标识符CV_XXX
- opencv_contrib安装出现无法打开包括文件fatal error: opencv2/xfeatures2d/cuda.hpp: No such file or directory
- 在VS中在引入opencv的legacy时出现了无法打开
相关文章
- [Bioinformatics | 论文简读] BACPI:一种用于化合物-蛋白质相互作用及结合亲和力预测的双向注意力神经网络
- CVE-2019-2725 Weblogic 反序列化漏洞
- [CVPR 2022 | 论文简读] 用于动作检测的多尺度时间ConvTransformer
- [JCIM | 论文简读] SMICLR:用于半监督和无监督表示学习的多模态分子表征对比学习
- [WSDM | 论文简读] 用于图分类任务的异构超图网络嵌入学习
- [JCIM | 论文简读] 利用机器学习探索小粒子吸附的结构敏感关系
- 基于智慧路灯杆的居民小区消防监测应用
- [nature communications | 论文简读] scGCN:单细胞组学中知识转移的图卷积网络算法
- Genome Biology | DeepRepeat: 对纳米孔测序信号数据的短串联重复进行直接的量化分析
- [JCIM | 论文简读] DOCKSTRING:一种为配体设计提供更好基准的简单分子对接技术
- [NMI 2022 | 论文简读] 基于广义模板的精确有机反应性预测图神经网络
- [IJCAI | 论文简读] 作为知识嵌入的语言模型
- [Nat.Mach.Intell. | 论文简读] 对比学习实现对百万级规模的多模态单细胞图谱的快速映射
- [Chemical Science | 论文简读] 使用基于Transformer的模型和超图探索策略预测逆合成路径
- [BIB | 论文简读] 用分子间图形转换器改进的药物-靶向相互作用预测
- 反作弊软件polar.top—让玩家享受公平的游戏环境
- [JCIM | 论文简读] 低资源反应预测场景的自监督分子预训练策略
- [AAAI 2022 | 论文简读] 通过多样化和交互式信息传递的自监督图神经网络
- [KDD 2022 | 论文简读] KPGT: 用于分子性质预测的知识指导的预训练图形变换模型
- [Genome Biology | 论文简读] 通过解释深度学习模型识别癌症的常见转录组特征