因為需要用到一些比較新的跟蹤演算法，這兩天裝了opencv3.1並配置了opencv_contrib，並使用了SIFT演算法測試是否配置成功。
1.opencv3.1安裝與配置
這裡不多言，不熟悉的可以參考淺墨的部落格：http://blog.csdn.net/poem_qianmo/article/details/19809337
2.opencv_contrib安裝與配置
從opencv3以來，一些比較新的功能都挪到了“opencv_contrib”庫裡。配置這個庫需要重新編譯opencv，關於此部分可以參考教程：http://blog.csdn.net/linshuhe1/article/details/51221015

關於此教程需要補充兩點：A,使用cmake編譯的過程中經常會失敗，因為國內網路問題ippicv_windows_20151201.zip 檔案下載失敗導致，可以直接從這裡下載：http://download.csdn.net/detail/qjj2857/9495013 B.教程最後配置包含目錄、庫目錄時沒有提及新增環境變數，這裡也是同樣需要的。還有一切配置完成後別忘了重啟電腦喲。
3.寫個程式測試一下配置是否成功吧
opencv3.1中SIFT匹配是在opencv_contrib庫中的，這裡我們就用它來做一個簡單的測試。
參考：
1. cv::xfeatures2d::SIFT Class Reference：

http://docs.opencv.org/3.1.0/d5/d3c/classcv_1_1xfeatures2d_1_1SIFT.html#gsc.tab=0
2. OpenCV3.1 xfeatures2d::SIFT 使用：http://blog.csdn.net/lijiang1991/article/details/50855279
程式：

#include <iostream>
#include <opencv2/opencv.hpp>  //標頭檔案
#include <opencv2/xfeatures2d.hpp>
using namespace cv;  //包含cv名稱空間
 

using namespace std;

int main()
{
    //Create SIFT class pointer
    Ptr<Feature2D> f2d = xfeatures2d::SIFT::create();
    //讀入圖片
    Mat img_1 = imread("1.jpg");
    Mat img_2 = imread("2.jpg");
    //Detect the keypoints
    vector<KeyPoint> keypoints_1, keypoints_2;
    f2d->detect(img_1, keypoints_1);
    f2d->detect(img_2, keypoints_2);
    //Calculate descriptors (feature vectors)
    Mat descriptors_1, descriptors_2;
    f2d->compute(img_1, keypoints_1, descriptors_1);
    f2d->compute(img_2, keypoints_2, descriptors_2);    
    //Matching descriptor vector using BFMatcher
    BFMatcher matcher;
    vector<DMatch> matches;
    matcher.match(descriptors_1, descriptors_2, matches);
    //繪製匹配出的關鍵點
    Mat img_matches;
    drawMatches(img_1, keypoints_1, img_2, keypoints_2, matches, img_matches);
    imshow("【match圖】", img_matches);
    //等待任意按鍵按下
    waitKey(0);
}

原始圖片：


匹配結果：

———————————-2016/8/12———————————
1.關於Ubuntu下opencv3.1及opencv_contrib的安裝與配置可參考：
官網：Installation in Linux
http://www.cnblogs.com/asmer-stone/p/5089764.html
上博文中有兩點需要注意：
A.按上文參考所述，第3步build資料夾需建在~/opencv/opencv資料夾中；且cmake時按照作者示例OPENCV_EXTRA_MODULES_PATH=~/opencv/opencv_contrib/modules ,注意”<>”需要去掉；末尾的.. 表示opencv原始碼在上一級目錄中。當然如果你瞭解cmake的使用方法cmake [optional] <opencv source directory>, 可以任意設定資料夾目錄。
B.與在windows下相同，cmake時會因為“ippicv_linux_20151201.tgz 無法下載”而導致失敗。我們可以從http://download.csdn.net/download/lx928525166/9479919下載，並放入相應資料夾中。
2. 好，現在假設你已經安裝配置好了。由於在windows下我們習慣了用一個IDE來程式設計，這裡在Ubuntu下我選擇使用eclipse來作為程式設計環境，下邊簡單說一下怎麼在eclipse中配置opencv。
首先參考官網： http://docs.opencv.org/3.1.0/d7/d16/tutorial_linux_eclipse.html 你就應該能配置的差不多了，或者其他類似的吧網上一大堆。
但是中間可能會出現一些小問題，我個人配置的時候出現了兩個小問題：
A. 錯誤 undefined reference to symbol ‘_ZN2cv6imreadERKNS_6StringEi’ ，參考：http://answers.opencv.org/question/46755/first-example-code-error/
B. 錯誤 error while loading shared libraries: libopencv_core.so.3.0: cannot open shared object file: No such file or directory ，參考：http://stackoverflow.com/questions/27907343/error-while-loading-shared-libraries-libopencv-core-so-3-0
3. 所有配置均完成後，在上述windows下的程式碼可以在這裡直接執行。見下圖：

4.關於在ubuntu下執行其他samples程式。這裡以cpp為例，直接找到opencv/samples/cpp/example_cmake，這裡有一個示例已經提供了Makefile檔案，make一下即可生成可執行檔案。其他cpp示例檔案類似。