资源压缩包里有opencv3.0用Mingw编译好的库和opencv3.4.4用VS2015编译好的库，点开我的博客，里面有一篇博文有库的使用方法，按照博客里的方法进行配置即可。

VS2017，cmake3.11重新编译的opencv3.4.1库（X86版本），具体见文档

DNN，深度学习使用到的配置文件, 基于OpenCV3.4.3，caffemodel

opencv3.4.5的contrib

Opencv4.0.0.rar

opencv3所缺少的boostdesc_bgm.i等文件 （boostdesc_bgm.i，boostdesc_bgm_bi.i等等）

qt_opencv3.43+cmake mingw32编译版本 为大家提供一个简单粗暴，搭建qt+opencv的方法

OpenCV最新版本3.1.0+VS2015+C++ OpenCV中特征提取与对象检测部分内容： 角点检测、亚像素定位、SIFT、SURF、BRISK、AKAZE等常用特征检测方法的基本原理、使用方法、参数、代码演示。 HAAR级联检测基本原理与人脸检测代码演示， 描述子匹配的暴力匹配方法与FLANN匹配方法代码演示与对象识别

autolabelimg工具: 根据输入的待定位图片\rtmp流\capture来完成自动定位，生成xxx_pos.jpg和xxx_pos.xml。 生成的图片和xml定位文件可以被标注工具labelimg解析(兼容)。 如果定位成功，则会弹出标注后的图片。如果失败，则不会弹出图片。 特点： 1. 支持静态图片/rtmp视频流/本机video设备作为输入源。 2. 按扑克游戏类型进行特定标注，标注的顺序号符合游戏解析定位文件的要求。 支持的游戏类型：龙虎，牛牛，百家乐。 3. 支持1280x720与1920x1080分辨率。 源代码列表：autolabel.cpp/.h,labelmain.cpp,tinyxml2.cpp/.h 第三方lib: opencv 程序编译(vs2015/vs2019)： 1>------ 已启动生成: 项目: autolabelimg, 配置: Release x64 ------ 1>autolabel.cpp 1>labelmain.cpp 1>tinyxml2.cpp 1>正在生成代码 1>586 of 589 functions (99.5%) were compiled, the rest were copied from previous compilation. 1> 21 functions were new in current compilation 1> 0 functions had inline decision re-evaluated but remain unchanged 1>已完成代码的生成 1>autolabelimg.vcxproj -> D:\wincpp\gitwork\autolabelimg\x64\Release\autolabelimg.exe 1>已完成生成项目“autolabelimg.vcxproj”的操作。 Demo: 两张pocker时生成的定位文件 images\b21(1920x1080)_pos.jpg 1080 1920 card_1 864 627 493 213 card_2 833 1715 468 1305

opencv3.4.1 fedora下亲测源码安装成功，同样适用于linux与windows，在fedora下安装请参考博文https://blog.csdn.net/sac761/article/details/103726065