VS2022OpenCV跨平台Linux CMake项目搭建过程（Jetson nano测试）_vs2022 cmake linux 下编译

VS2022跨平台Linux CMake项目搭建过程

1. 环境准备

开发机器：

• VS2022(VS2019 16以上都支持)

下载地址：https://visualstudio.microsoft.com/zh-hans/vs/
应注意Linux开发负载要存在，根据下图检查

Linux设备：
请确保安装了以下项：

• gcc
• gdb
• rsync
• zip
• ninja-build（Visual Studio 2019 或更高版本）

安装命令 sudo apt-get install g++ gdb make ninja-build rsync zip
若没有ninja，会在debug的时候报错
因为新版VS生成的cmake项目默认生成器是ninja

2. 配置Cmake项目

新建一个cmake项目，进入后会生成以下默认工程目录结构及文件

每个项目都会有个CMakeLists.txt，最外层为全局的顶层CMakeLists.txt（作用参考）
最外层还会有一个CMakePresets.json，新版VS生成这个.json文件，某些稍旧版本为CMakepreSettings.json，作用类似于.vcproj，里面有在VS 和VS Code中识别的工程配置文件。
其所有属性参考
打开CMakePresets.json可以看到配置

其与启动管理器对应，上图为在本地计算机上编译运行的配置
如果在jetson nano等Linux设备上配置编译，请添加外部SSH链接


点击切换

添加成功

按照自己的Linux架构添加

"architecture": {
            "strategy": "external",
            "value": "aarch64"
          },
1
2
3
4

查看自己的架构可以在Linux端用 uname -a 查看

rita@xxx:~$ uname -a
Linux xxx 4.9.253-tegra #1 SMP PREEMPT Mon Jul 26 12:13:06 PDT 2021 aarch64 aarch64 aarch64 GNU/Linux
1
2

给工程配置CMakeLists.txt，添加OpenCV的依赖

find_package(OpenCV REQUIRED)
target_link_libraries(BiobaseStereoDepth LINK_PRIVATE ${OpenCV_LIBS})
1
2

ctrl+s保存，上方出现从CMake收集信息后将刷新xxx，一定要等这个结束，下面的输出也会提示现在的生成过程，ctrl+s后才会自动加载缓冲生成

生成成功后在你的启动项中，就可以看到你成功生成的项目了，点击选择成启动项目

写入自己的OpenCV代码，然后点击绿色三角的启动，就会自动编译并运行工程了，默认生成到了你的Linux平台上的~/.vs下

---

示例代码：来源于网络，应该是毛星云书里的源码

// xxx.cpp: 定义应用程序的入口点。
//

#include "xxx.h" //这里应有opencv必要的头文件
#include <vector>
using namespace std;
using namespace cv;
void creatAlphaMat(Mat& mat) // 创建一个图像
{
    for (int i = 0; i < mat.rows; i++)
    {
        for (int j = 0; j < mat.cols; j++)
        {
            Vec4b& rgba = mat.at<Vec4b>(i, j);
            rgba[0] = UCHAR_MAX;
            rgba[1] = saturate_cast<uchar>((float(mat.cols - j)) / ((float)mat.cols) * UCHAR_MAX);
            rgba[2] = saturate_cast<uchar>((float(mat.rows - i)) / ((float)mat.rows) * UCHAR_MAX);
            rgba[3] = saturate_cast<uchar>(0.5 * (rgba[1] + rgba[2]));
        }
    }
}
int main()
{
    //创建带Alpha通道的 Mat
    Mat mat(480, 640, CV_8UC4);
    creatAlphaMat(mat);
    vector<int>compression_params;
    compression_params.push_back(IMWRITE_PNG_COMPRESSION);
    compression_params.push_back(9);
    try {
        imwrite("透明值图.png", mat, compression_params);
        imshow("生成的PNG图", mat);
        fprintf(stdout, "PNG图片文件的数据保存完毕");
        waitKey(0);
    }
    catch (runtime_error& ex) {
        fprintf(stderr, "图像转换发生错误:%s\n", ex.what());
        return 1;
    }
    return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

再有编程任务可以此类推，如果是CMake和OpenCV基础、Linux基础等不熟悉，可以在互联网上寻求帮助，本篇博客对过程外的知识运用不做解释，请谅解！