使用VS2015编译以及静态编译opencv3记录

使用VS2015编译以及静态编译opencv3记录

一直不知道怎样静态编译opencv并连接使用，网上的教程很零散，这里做个总结记录。

下载opencv3

git clone https://https://www.360docs.net/doc/ee18052470.html,/Itseez/opencv.git

打开CMAKE-GUI，选择源码路径和构建路径

点击configure，选择合适的编译器，有两个选项可选，x86以及x64。编译两个版本的时候需要分别选择。

点击Finish后

取消以下的一些选项

上边是对应于编译动态链接库版本的，如果编译静态链接库版本，需要取消以下选项

为了opencv的最终生成的库打包成一个world，需要选择如下选项

最后点击generate即可

在VS2015里点击生成，批生成

选择如上两个INSTALL，点击生成。

然后再到目录下边查看install目录即可

把文件复制到指定目录，然后把x86/vc14/bin添加到path里。

下边记录使用静态编译以及动态链接库的不同

一般来说，一旦在cmake设置了BUILD_SHARE_LIBRARY选项，就是要编译dll，此时，在VS2015里，对于各个编译的解决方案，有的是编译成lib，有的是dll，譬如如下两项

他们在代码生成都是MDd(Debug),MD(release)

也就是vs2015的组件也是动态链接的。

而库的生成方式有

同时也有一些是编译成静态库，但是这些配置不统一，最后出来的用的是动态链接的库。此时不能随意更改选项，我原来这里以为改了选项就可以编译成静态库，这样是会编译错误的，因为cmake配置好的是动态库的选项。如果需要配置静态库的选项，则需要重新运行cmake，取消如下选项，

这个时候，所有的代码生成配置就是MTd，或者MT。也就是说VS2015的组件库是静态链接进去的，在裸机上不会提示说缺少vsxxx140d.dll之类。

这个时候，可以发现所有都是lib静态库配置

编译完成后，静态库会在staticlib文件夹中出现

而动态编译的时候，则出现

在bin目录会出现opencv的dll

对于在实际编程后配置的时候

如果是静态的配置，

单击右键，属性

设置如图所示的包含目录以及库目录，如果是用到静态库，就包含staticlib，如果是用到动态库，就只包含lib，同时包含会出现问题。特别是在这两个文件夹里都有相同名字的时候，链接器没有那么聪明。

然后设置附加依赖项

对于我这种情形，静态编译如果是debug，写入

ippicvmt.lib

opencv_ts310d.lib

opencv_world310d.lib

IlmImfd.lib

libjasperd.lib

libjpegd.lib

libpngd.lib

libtiffd.lib

libwebpd.lib

Zlibd.lib

静态编译如果是release

写入

opencv_ts310.lib

opencv_world310.lib

IlmImf.lib

libjasper.lib

libjpeg.lib

libpng.lib

libtiff.lib

libwebp.lib

zlib.lib

如果同时把两个加在一起，在动态链接编译的时候是不会有问题的，但是静态编译会出现问题，假如某个版本的库放在前面，比如是debug，如果编译release，那么因为debug的库在前面，会去连接debug的库，结果出现版本错误。

此时，还需要设置解决方案的代码生成

如果是release，则选择MT

然后编译即可。对于动态的情形，我这里在依赖项里只是添加如下四项即可。

opencv_ts310d.lib

opencv_world310d.lib

opencv_ts310.lib

opencv_world310.lib

具体情况取决于编译出来文件夹里有什么。

X64的配置基本一样，只是在cmake选择编译器的时候不同而已。

附上一段测试样例，计算DFT：

//CVL_5_5_dft.cpp:定义控制台应用程序的入口点。

//OPENCV3.0离散傅里叶变换显示变换后幅值示例程序

//进行傅里叶变换的图像一般都使用灰度图像

/*

基本步骤：

1、使用getOptimalDFTSize函数获取最佳DFT的行列数

2、使用copyMakeBorder函数给原图像添加0边到最佳DFT的行列数

3、声明多通道数组并融合，然后调用dft函数，最后在分离通道

4、把两个通道的值使用magnitude函数求幅值

5、对变换后图像加1后log

6、去除变换后图像的奇数行列，使得图像只有偶数行列

7、以中点分隔图像区域为四块，重新排列图像，使得中心点为原点

*/

#include"stdafx.h"

#include

using namespace cv;

int main()

{

Mat srcImage=imread("src.jpg",CV_LOAD_IMAGE_GRAYSCALE);

if(!srcImage.data)return-1;

namedWindow("原始图像",WINDOW_NORMAL);

imshow("原始图像",srcImage);

int m=getOptimalDFTSize(srcImage.rows);

int n=getOptimalDFTSize(srcImage.cols);

Mat padded;

copyMakeBorder(srcImage,padded,0,m-srcImage.rows,0,n-srcImage.cols, BORDER_CONSTANT,Scalar::all(0));

Mat planes[]={Mat_(padded),Mat::zeros(padded.size(),CV_32F)};

Mat complexI;

merge(planes,2,complexI);

dft(complexI,complexI);

split(complexI,planes);

Mat magnitudeImage;

magnitude(planes[0],planes[1],planes[0]);

magnitudeImage=planes[0];

magnitudeImage+=Scalar::all(1);

log(magnitudeImage,magnitudeImage);

//保证奇数行和奇数列

magnitudeImage=magnitudeImage(Rect(0,0,magnitudeImage.cols&-2, magnitudeImage.rows&-2));

int cx=magnitudeImage.cols/2;

int cy=magnitudeImage.rows/2;

Mat p0(magnitudeImage(Rect(0,0,cx,cy)));

Mat p1(magnitudeImage(Rect(cx,0,cx,cy)));

Mat p2(magnitudeImage(Rect(0,cy,cx,cy)));

Mat p3(magnitudeImage(Rect(cx,cy,cx,cy)));

Mat ptemp;

p0.copyTo(ptemp);

p3.copyTo(p0);

ptemp.copyTo(p3);

p1.copyTo(ptemp);

p2.copyTo(p1);

ptemp.copyTo(p2);

normalize(magnitudeImage,magnitudeImage,0,1,NORM_MINMAX);

namedWindow("频谱幅值",WINDOW_NORMAL);

imshow("频谱幅值",magnitudeImage);

waitKey();

return0;

}

在xp虚拟机上静态编译测试，当然这里要设置编译器为兼容xp那个，发现程序大小比较大，运行没有提示缺少dll：

在静态编译的时候，连接的时候需要时间长一点，平时用动态链接测试，需要发布的时候再静态编译。