想要使用OpenCV进行图像的处理和开发，就需要先对OpenCV库进行编译。
虽然在Windows下已经有了现成的OpenCV库，但是由于官方提供的库缺少一些关键的功能（例如OpenCV的Nonfree库），因此需要自己编译。
准备工作如下：
Windows下的源码编译使用Windows+VS2015进行编译。其他编译环境可以参考。
Cmake是用来配置源码的工具。一般一套代码中都包含了各式各样的功能，通过Cmake可以设置哪些功能需要编译，哪些不需要、还可以根据电脑的环境自动配置编译工具和生成目录。
该软件类似于Linux下的Menuconfig。
首先打开Cmake，source code定位到OpenCV源码目录，build the binaries是经过Cmake配置后的文件输出目录，点击Configure。
这时候会要求选择自己的编译器和平台，按照自己的情况选择即可，这里选择VS2015，x64，其他默认。
生成后出现如下界面：
Cmake配置OpenCV可能会需要下载一些文件，不过国内网络环境不一定能下载到，Configure之前可能需要你懂的的方式上网，或自行补充缺少的文件。
由于我们需要使用NONFREE库的功能，选上NONFREE的复选框，并指定Extra Module path为opencv_contrib下的modules目录。
这里的目录选择一定要用右边的…按钮选择，不要复制粘贴。
因为Cmake里作为路径分隔符的是/（和Linux一致），而Windows下是\。
重新Configure，因为带上了opencv_contrib，所以会多出来新的红色配置项，按照需要修改后继续Configure直到全白。
然后Generate，生成VS的工程文件。
生成完毕，点击Open Project打开生成的工程。
分别使用Debug和release生成Install解决方案：
生成结束后，可以看到编译出的install文件夹，这就是编译后的OpenCV库。
注意：
按照文中的配置方式生成的OpenCV库会有很多的dll文件。
优点：可以根据自己使用的功能来选择使用哪个dll，可以减小项目体积。
缺点：配置会比较麻烦。
不想这么麻烦的话，可以在CMAKE中选择OpenCV_WORLD选项，这样就会生成一个OpenCV_World库。优点就是方便，缺点就是会增大体积。
x64\vc14\bin下所有dll文件复制到C:\windows\system32下。这里OpenCV库的目录以 D:\opencv\build\ 为例进行配置：
项目上右键属性：
如图，配置Debug x64下VC++的包含目录和库目录：
包含目录增加以下三个文件夹的引用：
D:\opencv\build\include
D:\opencv\build\include\opencv
D:\opencv\build\include\opencv2
库目录增加：
D:\opencv\build\x64\vc14\lib
链接器——输入——附加依赖项，加入x64\vc14\lib下所有带d（debug）后缀的lib文件（如果之前配置了Opencv_World，则这里只需要一个OpenCV_WorldXXXX.dll）：
点击确定，即可完成OpenCV的依赖配置。
Linux下对OpenCV的编译一般是下面几种情况：
这两种情况的差别就在于CMAKE的第一步需要选择使用什么编译器进行OpenCV的编译，其他的和Windows下编译的流程差不多（交叉编译的话建议修改库文件的安装目录）。
如果是链接到没有图形界面的服务器上进行编译，可以使用cmake-qt-gui+XManager远程进行Cmake的图形配置，配置的方式和Windows下大同小异。
这里建议勾选OPENCV_WORLD选项，后续会方便很多。
另外，如果在Linux下运行时需要有运行图形界面（例如imshow函数）的需求，可勾选GTK和QT的项。
Cmake配置结束后，进入生成的目录执行make和make install即可（make install可能需要使用sudo在root权限下执行），如果没有特殊的配置，生成的库会在/usr/local/lib下。
最后执行一下ldconfig更新一下库即可。
详细的编译流程可参考之前我写的文章：将OpenCV2移植到嵌入式ARM平台（NanoPi Neo2）
Linux下的依赖配置很方便，只要在g++的命令行中增加相关的库即可。
例如，需要带OpenCV库编译stitch.cpp为可执行文件stitch，编译命令如下：
g++ stitch.cpp -o stitch -lopencv_world
如果出现了stitch这个可执行文件，且正常运行没问题，说明OpenCV配置和编译成功。
附stitch.cpp的代码，该程序是使用OpenCV自带的图像拼接函数对两张图片进行拼接。
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/stitching.hpp>
using namespace std;
using namespace cv;
bool try_use_gpu = false; //不使用GPU加速
vector<Mat> imgs;
string result_name = "dst1.jpg"; //输出图像
int main(int argc, char * argv[])
{
Mat img1 = imread("D:\\11.jpg"); //读取输入图像
Mat img2 = imread("D:\\22.jpg");
//imshow("p1", img1); //在Linux终端下执行，不显示图形界面，因此注释掉imshow函数
//imshow("p2", img2);
if (img1.empty() || img2.empty())
{
cout << "Can't read image" << endl;
return -1;
}
imgs.push_back(img1); //将img1加入到vector尾部
imgs.push_back(img2);
Stitcher stitcher = Stitcher::createDefault(try_use_gpu);
// 使用stitch函数进行拼接
Mat pano;
Stitcher::Status status = stitcher.stitch(imgs, pano);
if (status != Stitcher::OK)
{
cout << "Can't stitch images, error code = " << int(status) << endl;
return -1;
}
imwrite(result_name, pano);
Mat pano2 = pano.clone();
// 显示源图像，和结果图像
//imshow("全景图像", pano);
imwrite("dstcv.jpg",pano);
//if (waitKey() == 27)
//return 0;
}