Windows环境使用VS2017编译opencv-4.2.0和opencv_contrib-4.2.0源码，支持TBB

Windows环境使用VS2017编译opencv-4.2.0和opencv_contrib-4.2.0源码，支持TBB
包含x86和x64
https://blog.csdn.net/libaineu2004/article/details/104252289

// cv420test.cpp : 此文件包含 “main“ 函数。程序执行将在此处开始并结束。
//

#include 
#include 
#include 
//原文链接：https://blog.csdn.net/libaineu2004/article/details/104252289

int main（）
{
	cv::Mat imageL = cv::imread（“origin_1.jpg“）;
	cv::Mat imageR = cv::imread（“origin_2.jpg“）;
	/*imshow（“1“ imageL）;
	imshow（“2“ imageR）;
	waitKey（）;
	return 0;*/

	//提取特征点方法
	//SIFT
	cv::Ptr sift = cv::xfeatures2d::SIFT::create（）;
	//ORB
	//cv::Ptr orb = cv::ORB::create（）;
	//SURF
	//cv::Ptr surf = cv::xfeatures2d::SURF::create（）;

	//特征点
	std::vector keyPointL keyPointR;
	//单独提取特征点
	sift->detect（imageL keyPointL）;
	sift->detect（imageR keyPointR）;

	//画特征点
	cv::Mat keyPointImageL;
	cv::Mat keyPointImageR;
	drawKeypoints（imageL keyPointL keyPointImageL cv::Scalar::all（-1） cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS）;
	drawKeypoints（imageR keyPointR keyPointImageR cv::Scalar::all（-1） cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS）;

	//显示窗口
	cv::namedWindow（“KeyPoints of imageL“）;
	cv::namedWindow（“KeyPoints of imageR“）;

	//显示特征点
	cv::imshow（“KeyPoints of imageL“ keyPointImageL）;
	cv::imshow（“KeyPoints of imageR“ keyPointImageR）;

	//特征点匹配
	cv::Mat despL despR;
	//提取特征点并计算特征描述子
	sift->detectAndCompute（imageL cv::Mat（） keyPointL despL）;
	sift->detectAndCompute（imageR cv::Mat（） keyPointR despR）;

	//Struct for DMatch: query descriptor index train descriptor index train image index and distance between descriptors.
	//int queryIdx –>是测试图像的特征点描述符（ descriptor ）的下标，同时也是描述符对应特征点（keypoint）的下标。
	//int trainIdx –> 是样本图像的特征点描述符的下标，同样也是相应的特征点的下标。
	//int imgIdx –>当样本是多张图像的话有用。
	//float distance –>代表这一对匹配的特征点描述符（本质是向量）的欧氏距离，数值越小也就说明两个特征点越相像。
	std::vector matches;

	//如果采用 flannbased 方法 那么 desp通过orb的到的类型不同需要先转换类型
	if （despL.type（） != CV_32F || despR.type（） != CV_32F）
	{
		despL.convertTo（despL CV_32F）;
		despR.convertTo（despR CV_32F）;
	}

	cv::PtrriptorMatcher> matcher = cv::DescriptorMatcher::create（“Flannbased“）;
	matcher->match（despL despR matches）;

	//计算特征点距离的最大值
	double maxDist = 0;
	for （int i = 0; i < despL.rows; i++）
	{
		double dist = matches[i].distance;
		if （dist > maxDist）
			maxDist = dist;
	}

	//挑选好的匹配点
	std::vector< cv::DMatch > good_matches;
	for （int i = 0; i < despL.rows; i++）
	{
		if （matches[i].distance < 0.5 * maxDist）
		{
			good_matches.push_back（matches[i]）;
		}
	}

	cv::Mat imageOutput;
	cv::drawMatches（imageL keyPointL imageR keyPointR good_matches imageOutput）;

	cv::namedWindow（“picture of matching“）;
	cv::imshow（“picture of matching“ imageOutput）;
	cv::waitKey（0）;

	return 0;
}

// 运行程序: Ctrl + F5 或调试 >“开始执行（不调试）”菜单
// 调试程序: F5 或调试 >“开始调试”菜单

// 入门使用技巧:
//   1. 使用解决方案资源管理器窗口添加/管理文件
//   2. 使用团队资源管理器窗口连接到源代码管理
//   3. 使用输出窗口查看生成输出和其他消息
//   4. 使用错误列表窗口查看错误
//   5. 转到“项目”>“添加新项”以创建新的代码文件，或转到“项目”>“添加现有项”以将现有代码文件添加到项目
//   6. 将来，若要再次打开此项目，请转到“文件”>“打开”>“项目”并选择 .sln 文件