使用CMake构建OpenCV项目过程解析

以下是使用CMake构建OpenCV项目的完整攻略：

一、安装OpenCV

方式一：使用包管理器

如果你的操作系统提供了OpenCV的官方包，可以直接使用包管理器进行安装。

• Ubuntu： sudo apt install libopencv-dev
• CentOS： sudo yum install opencv-devel

方式二：源码安装

如果没有官方包或者需要特定版本的OpenCV，则需要从源码进行安装。

1. 在OpenCV官网下载所需版本的源代码压缩包。
2. 解压缩源码包，并进入到解压缩后的文件夹，在终端中执行以下命令：

mkdir build
cd build
cmake ..
make 
sudo make install

二、使用CMake构建OpenCV项目

1. 新建项目并创建CMakeLists.txt

在工作目录下新建一个项目文件夹，同时在该文件夹下创建一个CMakeLists.txt文件。

mkdir my_project
cd my_project
touch CMakeLists.txt

2. 添加OpenCV依赖

在CMakeLists.txt文件中添加如下内容，告诉CMake链接OpenCV库。

cmake_minimum_required(VERSION 3.0)
project(my_project)

find_package(OpenCV REQUIRED)
include_directories(${OpenCV_INCLUDE_DIRS})
link_directories(${OpenCV_LIB_DIRS})

add_executable(my_executable main.cpp)
target_link_libraries(my_executable ${OpenCV_LIBS})

3. 编写OpenCV代码

在项目文件夹下新建main.cpp文件，并编写OpenCV代码，以下是一个简单的示例（使用OpenCV读取并显示图片）：

#include <opencv2/opencv.hpp>

int main(int argc, char** argv)
{
    // 加载图片
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_COLOR);

    // 判断是否加载成功
    if(!image.data)
    {
        std::cerr << "Failed to read image." << std::endl;
        return -1;
    }

    // 显示图片
    cv::namedWindow("Display window", cv::WINDOW_AUTOSIZE);
    cv::imshow("Display window", image);

    // 等待按键
    cv::waitKey(0);

    return 0;
}

4. 使用CMake编译项目

在项目文件夹下新建一个build文件夹，并在该文件夹下使用cmake命令进行编译。

mkdir build
cd build
cmake ..
make 

5. 运行OpenCV应用程序

在终端中进入build文件夹，运行可执行文件 ./my_executable 即可执行OpenCV程序并查看结果。

三、示例解析

示例一：使用OpenCV处理视频

在main.cpp中添加以下代码，用于处理视频：

#include <opencv2/opencv.hpp>

int main(int argc, char** argv)
{
    // 加载视频
    cv::VideoCapture cap(0);

    // 判断是否加载成功
    if(!cap.isOpened()){
        std::cerr << "Failed to open camera." << std::endl;
        return -1;
    }

    // 创建窗口
    cv::namedWindow("Video", cv::WINDOW_AUTOSIZE);

    while(true){
        // 读取视频帧
        cv::Mat frame;
        cap >> frame;

        // 判断视频是否结束
        if(frame.empty()){
            std::cerr << "Video stream ended." << std::endl;
            break;
        }

        // 处理视频帧
        cv::cvtColor(frame, frame, cv::COLOR_BGR2GRAY);
        cv::GaussianBlur(frame, frame, cv::Size(7, 7), 1.5);

        // 显示视频帧
        cv::imshow("Video", frame);

        // 等待按键
        if(cv::waitKey(33) >= 0) break;
    }

    return 0;
}

运行./my_executable即可打开摄像头并在窗口中显示视频流。

示例二：使用OpenCV进行图像识别

在main.cpp中添加以下代码，用于进行图像识别：

#include <opencv2/opencv.hpp>

int main(int argc, char** argv)
{
    // 加载图片
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_COLOR);

    // 判断是否加载成功
    if(!image.data)
    {
        std::cerr << "Failed to read image." << std::endl;
        return -1;
    }

    // 加载分类器
    cv::CascadeClassifier face_cascade;
    if(!face_cascade.load("haarcascade_frontalface_default.xml"))
    {
        std::cerr << "Failed to load face cascade." << std::endl;
        return -1;
    }

    // 检测人脸
    std::vector<cv::Rect> faces;
    face_cascade.detectMultiScale(image, faces, 1.1, 2, 0 | cv::CASCADE_SCALE_IMAGE, cv::Size(30, 30));

    // 绘制人脸检测框
    for(int i = 0; i < faces.size(); i++)
    {
        cv::rectangle(image, faces[i], cv::Scalar(0, 255, 0), 2);
    }

    // 显示图片
    cv::namedWindow("Display window", cv::WINDOW_AUTOSIZE);
    cv::imshow("Display window", image);

    // 等待按键
    cv::waitKey(0);

    return 0;
}

运行./my_executable即可进行图像识别并在窗口中显示结果。