Windows环境使用CMake编译 opencv3.3.0 && opencv_contrib3.3.0

opencv 从3.0.0开始不在提供合并的库，而是将原先合并的库分开为两个库，分别是：

核心功能库

和

拓展功能库

。而核心库依然提供Android开发所需要的静态库支持，但是如果需要用到最近大红大紫的人工智能相关功能，必然用到扩展功能库提供的诸如人脸识别等功能，所以需要我们

手动CMake生成Android所需要的静态库

，这里主要讲如何生成操作，生成我们需要的静态库。

这里顺便吐槽一下，使用caffe框架搭建深度学习训练人脸识别模型，要比opencv给出的人脸识别快很多，opencv-人脸识别还有很大的进步空间。不过遗憾的是caffe目前还没有提供移动端的运行环境，即时PC训练好了模型也没有用武之地，颇感遗憾。

准备材料

opencv3.3.0 && opencv_contrib3.3.0

下载opencv Tag 3.3.0

下载opencv_contrib Tag 3.3.0

使用git clone或者直接下载压缩包，这两种姿势都可以。

git clone https://github.com/opencv/opencv.git git clone https://github.com/opencv/opencv_contrib.git[/code] 
Cmake

下载Cmake工具，安装即可。

MinGW

下载MinGW，安装以后会有相应的
g++
配置，这一步需要自行勾选，然后下载对应的
g++
编译包即可，配置完成MinGW大概在
500MB
左右。

需要配置path环境变量，在命令行中输入
gcc -v
检验配置是否正确

Ant

下载Ant，无需安装，解压后，配置path环境变量即可，可以在命令行中输入
ant -v
检验配置是否正确。

配置编译环境
打开
CMake GUI
 如下图配置



上面一行地址是source所在目录

下面一行地址是编译文件将要放置的目录

接下来需要配CMake的配置参数如下：

Name： ANDROID_ABI
Type:  STRING
Value: armeabi-v7a


如图所示：



如上，继续添加：

Name: ANDROID_NDK
Type: Path
Value: H:/android-ndk-r14b


Name: ANDROID_OPENCL_SDK
Type: Path
Value: E:/android-sdk-windows


点击Configure，进入设置编译器阶段，如图



确定以后，配置cmake的起始路径
J:/opencv-source/opencv-3.3.0/platforms/android/android.toolchain.cmake




配置好以后，如图所示：



配置运行一段时间以后，然后搜索
OPENCV_EXTRA_MODULES_PATH
，配置一下
opencv_contrib/modules
的路径所在地。

配置完以后如下：



再点击Generate，如图所示。



开始编译
进入到上面配置的编译文件将要放置的目录，进入命令行，输入：

mingw32-make


如果一切顺利话，大概30分钟以后，会Build成功，接下来再输入：

mingw32-make install


一般会顺利的输出生成的测试apk。

特殊情况
上面顺利的话就不用往下看了，如果遇到报错，一般是在编译的时候出现找不到文件之类的奇怪问题。

而提示找不到的文件其实在我们本地的目录
.cache\xfeatures2d\boostdesc
中，如下所示：



把上面的文件前缀统统去掉，copy到
opencv_contrib-3.3.0\modules\xfeatures2d\src
即可

参考：Error with “boostdesc_bgm.i” while compiling on Ubuntu 16.04

然后，如果提示还缺少文件，那么同样的思路，到
.cache\xfeatures2d\vgg
目录，把剩下的所有
.i
后缀文件统一copy到上面的目录即可，如图所示：



如果没有这些文件，可以到这里下载。

最后，我们找一下生成的静态链接库，在
J:\opencv-source\build\armeabi\lib\armeabi
目录下。



如果实在搞不定，最后的静态库可以到这里下载。