Image Registration 에 대한 Naver 오픈 백과에 mcrc2 란 분이 기재한 글입니다.

mcrc2 본인의 작성 글인지 카피인지까지는 몰라서 원저자로 소개하긴 어렵네요.

다만, 요점만 잘 정리가 되어 있어 가볍게 훝어보기에 좋습니다.



원문URL http://kin.naver.com/open100/detail.nhn?d1id=11&dirId=11&docId=179792&qb=aW1hZ2UgcmVnaXN0cmF0aW9u&enc=utf8§ion=kin&rank=1&search_sort=0&spq=0&pid=SGKVBdpySoCssaJo7MVsssssssK-435469&sid=wt6hbapDzg/yf/DGYU27Lw%3D%3D

원문날짜 2004.11.09


[원문]

오픈백과 Image Registration의 방법 


image registration 방법에는 영상 차감(image subtraction), 주축(principal axes), 조인트 엔트로피(joint entropy), 상호정보량(mutual information), 상호상관관계(cross-correlation)들이 있다. 영상 차감은 두 영상간의 명암도 차이가 최소가 되는 위치로 수렴하는 기법으로 가장 직관적인 유사성 측정 방법으로 단일모달 영상정합에 적합하다. 주축 기법은 영상내에 정합하고자 하는 물체의 무게 중심을 계산하여 해당 무게중심으로부터 각 축의 장축을 구해 그 차이만큼 회전과 이동을 통해 대략적인 위치로 변환하는 것으로 초기 정합 시 시도되는 방법이다. 조인트 엔트로피 기법은 두 영상이 중첩되는 위치의 밝기값을 이용하여 조인트 히스토그램을 생성하고 이를 가지고 두 확률변수간의 관계를 확률밀도 계산을 통해 엔트로피가 최소가 되는 위치를 계산한다. 그러나 이 기법은 두 영상간 중첩되는 영역이 단일 밝기값으로 구성되면 오정합을 일으킬 수 있으므로 초기 위치로부터 변화가 적은 영상에 적합하다. 상호정보량 기법은 조인트 엔트로피 측정 기법의 단점을 극복하기 위해 주변 엔트로피(marginal entropy)를 고려한 것으로 최대가 되는 위치로 정합한다. 그러나 이와같은 방법은 계산시간이 오래 걸리는 단점이 있다. 상호상관관계 기법은 관심이 있는 특징점이나 영역을 추출 또는 분할하여 상관관계가 최대가 되는 위치로 수렴하는 방법으로 특징점 추출 결과에 따라 정확도가 달리 된다.

또, 논문은 www.google.co.kr에서 A survey of medical Image registration 문서를 보시면 참고가 되실것 같네요.
그리고, 국내 논문으로는 대한 생체 의용 공학회, 전자공학회, 정보과학회 등의 학회 사이트에 접속하셔서 찾으시면 나올껏입니다. 


반응형

색상 즉, 컬러를 표현하는 가장 좋은 방법은 모든 컬러에 대해 각각 주파수 대역을 정의하여 사용하는 것입니다. 하지만, 현실적으로 불가능하기 때문에 색상을 표현하는 방법을 정의하기 시작했습니다.

이것을 색상 모형( 컬러 모형, Color Model )이라고 부르며 대표적인 컬러 모형으로 크게 세 가지가 있는데, 바로 RGB, CMYK, HSV 입니다.

 

□ 색상 모형 ( Color Model )

- 색상( color )를 표현하는 방법

- 숫자나 문자를 이용하여 색의 특징을 설명하기 위한 수학적 방법 ( 위키백과 )

 

□ 주요 색상 모형 ( Main Color Model )

 주요 색상 모형

설명

 기준

 RGB

RGB 모형은 빛의 3원색인 빨강( Red ), 녹색( Green ), 파랑( Blue )을 기본 색상으로 모든 색을 표현하는 모형

 빛의 3원색

 CMY

색의 3원색인 청록색( Cyan ), 자주색( Magenta ), 노란색을 기본 색상으로 모든 색을 표현하는 모형

 색의 3원색

 HSV

색상( Hue ), 채도( Saturation ), 명도( Value)를 기준으로 색을 표현하는 모형

 빛의 3속성

 

□ RGB ( Red, Green, Blue )

RGB는 빛의 3원색을 기준으로 표현하는 모형으로 컬러 채널 당 8 bit로 구성됩니다.

또한, RGB는 색을 혼합하면 명도가 올라가는 가산 혼합 방식입니다. 따라서, 빛의 성질과 똑같아 3색이 동일한 비율로 혼합되면 흰색( white )이 되는 것입니다.

빛의 성질과 같다는 점 때문에 당연히 빛을 방사하는 디스플레이 장치에 적합한 방식이며 잘 아시다시피 모니터나 TV 등에 기본 적용되고 있습니다.

 

 

 

 

 그림) RGB 가산 혼합

 그림) RGB 컬러 공간 모형

 

 

□ CMY ( Cyan, Magenta, Yellow )

색의 3원색은 물감을 섞을 때 가장 많은 수의 색상을 만들 수 있는 색을 말합니다.

우리가 보통 어릴 때 배웠던 색의 3원색은 빨강, 파랑, 노랑이지만, 정확히 말하면 청록, 자주, 노랑입니다.

CMY는 이런 색의 3원색을 기준으로 만든 모형입니다. 색의 3원색은 또한 여러 가지 특징이 있는데 3원색을 여러 비율로 섞으면 모든 색상 표현이 가능하지만, 반대로 다른 색으로는 절대 3원색을 만들 수 없습니다. 따라서, 3원색을 1차색이라도 하며, 이를 섞어서 나오는 녹색( Green ), 파랑( Blue ), 빨강( Red )을 2차색이라고도 합니다.

 

색은 물감의 경우처럼 혼합할수록 명도가 낮아지므로 CMYK는 감산 혼합 방식이기도 합니다.

참고로, 색이 섞을수록 명도가 떨어지는 이유는 빛과 반대되는 색의 성질, 즉, 대부분 빛을 흡수하되 반사하는 몇몇 빛이 색으로 나타나게 되는 기본 특성때문입니다.

CMY 모형은 종종 CMY + 검정색( Black의 K )를 추가하여 CMYK라고 표현하기도 합니다. 이것은 이론과 실제가 다르기 때문인데요. 사실 이론 상으로야 Cyan + Magenta + Yellow = Black 이어야 하지만, 물감이나 잉크를 이상적인 성분으로 만들 수 없는 관계로 동일하게 섞어도 검은색으로 나타나지 않기 때문입니다.

따라서, 이를 보완하기 위해 검정( Black )을 추가하는 까닭입니다.

CMY, CMYK는 색의 기본특성을 잘 나타내므로 당연히 프린터나 인쇄, 출판 영역에서 자주 사용되는 모형입니다. 잉크젯 프린터나 레이저 프린터의 토너를 보면 CMYK로 구성되어 있는 것을 종종 보실 수 있을 겁니다.

 

 

 

 

 

 그림) CMY 감산 혼합 모형

 그림) CMY 컬러 공간 모형

 

 

□ HSV ( Hue, Saturation, Value )

빛에는 세 가지 속성이 있습니다. 

 

 빛의 3속성

설명 

 먼셀의 표색계

 색상

 ( Color, Hue )

- 색상 자체를 의미

- 빛의 파장(주파수)의 길이에 의해 결정되며

   가시광선의 경우, 파장이 길면  빨강,
   짧으면 보라색 계열이 됨

 

 채도

 ( Saturation )

- 색의 순도. 즉, 색의 맑고 탁한 정도

- 순색의 경우 채도가 높고 색을 섞을수록 
   낮아져서 탁색(회색)이 됨

 명도

 ( Value, Intensity )

- 색의 밝고 어두운 정도

- 빛의 진폭에 의해 결정되며 진폭이 크면
   빛의 밝기(에너지)가 커짐

 

이와 같이 빛의 3속성을 이용하여 색을 표현하는 모형을 HSV 또는 HSI 모형이라고 합니다.

좀 더 구체적으로 설명하면, 색상( Color, Hue )이란, 구분가능한 색깔 자체를 말하는 것으로 빨강, 파랑, 노랑 등 색을 갖는 유채색을 말합니다. HSV 모형은 원뿔모양의 좌표계로 표현되는데, 이 좌표계 상의 원을 색상환이라고도 합니다. 색상환에서 빨강은 0도, 초록은 120도, 파랑색은 240도에 위치합니다.

 

채도는 색상의 순도, 즉 색의 포함정도라고 할 수 있습니다. 채도가 높다는 말은 짙다, 선명하다, 뚜렷하다란 뜻이며, 낮다는 말은 흐리거나 탁하다라고 할 수 있습니다. HSV 모형에서 채도는 0~1 사이의 값을 가지며, 원뿔 중심으로 원뿔 겉면과 수평거리로 표현됩니다.

 

명도는 색의 밝기를 뜻하는 것으로 가장 밝은 색은 흰색이고 가장 어두운 색은 검정색입니다.  참고로, 명도에 의해 나타나는 흰색, 회색, 검정색과 같이 색을 갖지 않는 색상을 무채색이라고 합니다.

HSV 모형에서는 가장 아래쪽이 명도 0인 검정색, 가장 위쪽, 즉, 원의 중심이 명도 1인 흰색입니다.

 

사람이 색을 표현할 때, 색상은 빨강색인데 짙고 밝다라고 표현하듯이, HSV는 인간이 색을 인지하는 방식과 아주 유사합니다. 따라서, 주로 시각예술, 염색과 같은 분야에서 자주 사용됩니다.

 

 

 

 

 

 

그림) HSV 컬러 공간 모형

그림) 주요 색상 위치

그림) HSV 색상환 

 

 

 

반응형

아날로그 영상은 샘플링( 표본화, Sampling )되고 양자화( Quantization )되어 디지털 영상으로 변환됩니다.

샘플링과 양자화를 정의한다면

 

□ 샘플링( 표본화, Sampling )

연속적인 아날로그 영상을 디지털화하기 위해 일정한 간격으로 쪼개어 수치화하는 기법

 

□ 양자화( Quantization )

샘플링을 통해 얻은 수치를 다시 정해진 수준으로 변환하는 기법

 

이라고 할 수 있습니다. 즉, 샘플링은 연속된 수치를 얼마만큼 쪼갤 것인가를 나타내며, 양자화는 쪼개진 수치를 몇 가지 색상으로 표현할 것인가를 정의한다고 할 수 있습니다.

디지털 영상의 최소 단위를 픽셀( 화소, Pixel )라고 하는데 샘플링은 아날로그 영상을 픽셀 단위로 데이터화 화는 것이고 양자화는 픽셀에 대한 데이터 표현 범위를 정하는 것입니다.

 

□ 화소( Pixel )

디지털 영상의 최소 단위, 포인트

 

샘플링은 쪼개는 수준에 따라 16 * 16, 256 * 256, 5백만 화소, 7백만 화소 등으로 표현합니다. 이를 샘플링 수준( sampling rate )라고 합니다.

샘플링된 영상은 표현하는 색의 범위에 따라 이진 영상( Binary Image ), 흑백 영상( Gray Scale Image ), 컬러 영상( Color Image )으로 양자화하는데 각각 영상은 2개, 4개, 16개, 256개 ... 16bit, 24bit 등으로 세분화될 수 있습니다.

따라서, 샘플링 수준이 높을 수록, 양자화 수준이 클수록 아날로그 영상에 가깝게 됩니다.

 

표) 영상별 양자화 수준( 색상수 )

영상

 양자화  수준 

 비고

 이진 영상( Binary Image )

 2색

 0 : Black, 255 : white

 흑백 영상( Gray Scale Image )

 2색 ~ 256색

 0 ... 255

 컬러 영상( Color Image )

 2색, 4색 ... 16bit, 24bit, 32bit, ...

 

우리말 표현으로 흑백 영상과 이진 영상이 혼동되기 쉽습니다. 흑백 영상 중 값이 0과 255만으로 이루어진 영상을 별도로 구분해서 이진 영상( Binary Image )로 부른다고 생각하면 좀 낫습니다.

 

표) bit 별 양자화 수준

bit 

 양자화 수준

 표현명

 1

 2 ^ 1 = 2

 흑백

 2

 2 ^ 2 = 4

 팔레트

 4

 2 ^ 4 = 16

 팔레트 

 8

 2 ^ 8 = 256

 팔레트

 16

 2 ^ 16 = 65,536

 하이컬러

 24

 2 ^ 24 = 16,777,216

 트루컬러

 32

 2 ^ 24 + 8 bit Alpha channel

 트루컬러 + 알파채널

※ 알파채널( Alpha channel )은 투명도와 오버레이 기능을 수행하는 부가 채널을 말합니다. 훨씬 생생하고 사실적인 이미지 표현이 가능하며 이미지 합성, 편집할 때 다양하게 활용가능합니다. 참고로, 알파채널을 가지고 있는 이미지 파일로 png가 있습니다.

 

□ 참고 - 영상( Image )와 그래픽( Graphic ) 차이

영상와 그래픽은 비슷한 것으로, 모두 디지털 방식으로 저장된 영상 파일입니다.

다만 컴퓨터 분야에서 영상( Image )는 아날로그 영상, 즉, 실세계 영상을 외부 이미지 장치에 의해 생성된 파일을 샘플링과 양자화처리하여 저장한 영상 파일을 말하고, 그래픽은 처음부터 컴퓨터 프로그램을 이용하여 점, 선, 곡선, 원 등을 통해 제작되어 저장된 영상 파일을 말합니다.

따라서, 영상( Image )은 좌표와 색상값으로 저장된 래스터(Raster) 방식으로 저장합니다. 반면, 그래픽( Graphic )은 처음부터 컴퓨터에 의해 생성되었으므로 래스터( Raster ) 방식 외에 점, 선, 곡선, 원 등의 그래픽 함수로 저장할 수 있습니다. 이를 벡터 (Vector)방식이라고 합니다. 백터 방식은 레스터 방식에 비해서 파일 크기가 작고 그림이 확대하더라도 재계산을 통해 선명하게 표현할 수 있습니다.

당연히, 영상( Image )은 아날로그 영상에 대해 역산을 통해 함수를 구하기가 쉽지 않으므로 벡터( Vector ) 방식으로 저장하기가 쉽지 않습니다.

이와 같은 특성으로 인해 따라 디지털 영상 처리( Digital Image Processing )과 컴퓨터 그래픽스( Computer Graphics )의 기술적 특징과 접근 방식이 달라지게 됩니다.

 

영상과 그래픽 차이 설명에서, 영상 글자가 자꾸 반복되니 좀 껄끄럽네요. 다만, 의미는 전달되었다고 생각됩니다. ^^;

 

 

 

 

반응형

실세계 아날로그 영상을 외부 장치를 통해 디지털 부호화( digitalize or digital coding )하여 저장한 디지털 영상 파일을 대상으로 의미있는 연산을 수행하는 것을 디지털 영상 처리( DIP, Digital Image Processing )라고 할 수 있습니다.

 

즉, 요약해서 정의하면,

 

□ 디지털 영상 처리( DIP, Digital Image Processing )

디지털 변환된 영상을 컴퓨터를 이용하여 처리하는 기술

 

을 말합니다.

 

□ DIP 기법 유형

디지털 영상 처리는 처리 단위에 따라 다음과 같은 기법이 존재합니다.

 유형

 내용

처리

단위

 대표 기법

 Point Processing

 포인트 x, y ( Pixel ) 자체에 대한 변형 

 Pixel

 - Contrast streching

 - Thresholding

 Area Processing

 픽셀과 이웃한 픽셀 값을 기반으로

 새로운 값을 도출하는 기법

 Area

 - Convolution

 - Noise suppression

 - Thining, Erosion, Dilation

 Geometric Processing

 픽셀들의 위치를 확대, 축소, 회전, 이동

 등  공간적, 기하학적 계산을 통해 

 변형하는 기법

 Area

 - Spatial warping

 - Registration

 Frame Processing

 두 개 이상의 서로 다른 이미지를

 이용하여 처리하는 기법

 Frame

 

 

유형은 영상처리를 소개한 책마다 용어 측면에서 서로 조금씩 다르게 소개되기도 합니다.

한 예로,

Point Processing → Point Operation,

Area Processing → Neighborhood Operation,

Geometric Processing → Geometric Operation

라고도 부릅니다.

 

 

반응형

이미지 프로세싱 관련 서적을 소개한 사이트입니다.

책 설명이 잘 되어 있는 것이 특징이며

유명한 곤잘레스 이미지 프로세싱도 소개하고 있네요.


원본 URL → http://kkokkal.tistory.com/66

반응형

카파 상관 계수란 어떤 결과에 대한 통계적 신뢰도를 나타냅니다.

아래는 카파 상관 계수에 대한 좋은 글입니다.


관련 URL → http://unlimitedpower.tistory.com/36

반응형

 

"해당 내용은 Visual Studio 2010 Express를 대상으로 했으나 2010 이상 버전에 모두 동일하게 적용가능합니다.

 돈도 없고 PC도 구리고 ... 쿨럭 ... 무료에다 상대적으로 가벼운 2010을 선택했습니다."

 

□ OpenCV Visual Studio 2010  Express 설치 가이드

- 설치에 앞서 Visual Studio 2010 Express 버전은 이미 설치가 되어 있어야 합니다.

- OpenCV 다운로드

http://opencv.org/downloads.html

 

- OpenCV for Windows 선택~

  이중 Alpha나 Beta는 불안정할 수 있으므로 Lastest 버전 중 정식 배포판을 선택~

  ( 현재 opencv-2.4.10 이 최신이므로 여기에서는 2.4.10 버전으로 진행합니다. )

 

다운로드 시 약 350MB 정도 크기가 됩니다.

참고로 위 사이트 opencv.org는 항상 기억하고 계세요. 레퍼런스나 가이드 이용을 위해 수시로 드나들어야 할 겁니다.

 

□ OpenCV 설치 (OpenCV Setup)

설치는 참 간단합니다. 클릭 몇 번으로 가능하죠.

2.4.10에서는 Setup과 동시에 아래처럼 생성할 디렉토리를 물어봅니다.

oencv 디렉토리는 자동으로 생성되므로 설치할 디렉토리만 지정하면 됩니다.


1. 설치 시작 ... 압축 풀기

 

 

 

2. 진행화면 ... ^^;

 

 

 

 

□ Path 설정 ( Windows Path Setting )

진행 후 반드시 Path 지정을 하는 것을 권합니다.

OpenCV를 사용하며 필요한 dll을 매번 실행파일이 있는 디렉토리로 복사할 수는 없겠지요.

아래부터는 Path 설정에 대한 지리한 화면들입니다.


3. Path 설정

 

 

 

 

 

 

 

Path 설정시 주의사항!!! 이 있는데요.


PATH 세팅. x64가 아닌 x86선택~


아직까지는 32bit, 64bit 운영체제 사용을 떠나서 x86으로 사용해야 자잘한 버그가 없습니다.

OpenCV가 설치된 디렉토리를 찾아서 아래처럼


C:\...\opencv\build\x86\vc10\bin


bin 디렉토리까지 정확히 Path 경로로 정해 주어야 합니다.

아래는 Path 설정 창의 예시 그림입니다. 변수값 뒤에 추가해 주세요.


4. Path 설정시 주의사항과 경로 지정

 

 

 

□ Compiler 환경 구성 ( OpenCV 개발 환경 구성 )

OpenCV 개발환경 구성과 제대로 설치되었는지 확인을 위해 솔루션과 Project를 하나 생성합니다.

다음에 아래와 같이 솔루션 탐색기에서 해당 프로젝트명에서 마우스 오른쪽 메뉴의 속성을 지정합니다.

( 솔루션 탐색기가 안보인다고요? GG ^^; 상단 보기 메뉴에서 솔루션 탐색기를 나타나게 할 수 있습니다. )


5. Compiler 환경 구성

 

 

 

C/C++ 환경 구성도 수행합니다.

속성 페이지에서

C/C++ - 일반  - 추가 포함 디렉토리 ( C/C++  - General  - Additional Include directory )

를 선택합니다.

추가 포함 디렉토리.. 번역이 참 다가오지 않습니다. 표준 include 디렉토링 외에 

지정이 필요한 별도 include 파일 위치를 지정하는  것인데, OpenCV include 파일들의 위치를 지정해 주어야   합니다.

UNIX 등 Console 환경에서 C 컴파일러 -I 옵션과 같은 역할을 해줍니다.


6. C/C++ 환경 구성

 

 

 

추가 버튼을 누르고 openCV가 설치된 디엑토리의 bulid/include 디렉토리를 정해 주세요.

아래처럼 

C:\...\opencv\build\include 


OpenCV가 설치된 디렉토리 내에서 include까지 정확히 선택해 주세요.


7. include 환경 구성 

 

 

 

 

Linker 환경 구성 ( OpenCV 개발 환경 구성 )


컴파일러 환경 구성이 끝나면 링커 환경 구성을 합니다.

우선 사용할 라이브러리들이 위치하는 디렉토리 정보부터 설정합니다.

링커 - 일반 - 추가 라이브러리


의미는 include의 경우와 동일합니다. 실제 라이브러리 위치를 지정해서 사용할 수 있도록 해주는 것이죠.

단, 위치를 알려주는 것으로 필요한 실제 라이브러리의 연결은 추가 종속성에서 설정해 주어야 합니다.

2010 이후 설정이 필요한 것으로 2008 이하 버전에서는 자동으로 설정되던 부분입니다.


8. Linker 환경 구성

 

 

 

include에서와 같이 추가버튼을 누르고 openCV 설치 디렉토리 밑에 build/x86/vc10\lib 디렉토리를 선택합니다.

역시 OpenCV가 설치된 디렉토리에서 lib까지 선택해 줍니다.


C:\...\opencv\build\x86\vc10\lib


9. 추가 라이브러리 디렉토리 환경 구성

 

 

 

실제 중요한 추가 종속성 설정입니다.

사용되는 외부 라이브러리들을 지정하는 곳으로 실제 사용하려는 라이브러리들을 지정합니다.

추가 종속성에서 지정된 라이브러리들은 추가 라이브러리 디렉토리에서 설정된 디렉토리 밑에 존재하는 라이브러리들입니다.

둘은 일치하여야 합니다.

2008 이하 버전에서는 추가 종속성을 지정하면 추가 라이브러리 디렉토리 설정은 필요없었습니다.

2010 버전 이후 두 가지를 모두 정확히 설정해 주도록 변경되었네요.


10. 추가 종속성 환경 구성

 

 

 

OpenCV 이용을 위해 필요한 추가 라이브러리들은

C:\...\opencv\build\x86\vc10\lib 에서 파일명 끝에 d가 붙은 것들

입니다.

단, 추가 등록해야하는 라이브러리는 OpenCV에서는 버전별로 이름이 다 틀립니다.


한 예로, calib3d 라이브러리의 경우  

2.4.09 : opencv_calib3d2409d.lib

2.4.10 : opencv_calib3d2410d.lib


와 같이 이름이 버전명으로 붙어있는 것을 볼 수 있습니다. 따라서, 아래와 같이 해당 디렉토리에서 확인 작업이 필요합니다.

 

참고) 명령프롬프트에서 penCV 라이브러리 디렉토리 이동 후 d로 끝나는 라이브러리 추출 ^^;

dir *d.lib



11. 추가 라이브러리 리스트 확인

 

 

 

해당 명령으로 구해진 라이브러리 목록을 추가합니다.

OpenCV 2.4.10 버전의 경우 아래와 같습니다. 버전이 바뀌지 않는 한 기록했다가 늘 복사해서 쓰면 됩니다.

 

opencv_calib3d2410d.lib
opencv_contrib2410d.lib
opencv_core2410d.lib
opencv_features2d2410d.lib
opencv_flann2410d.lib
opencv_gpu2410d.lib
opencv_highgui2410d.lib
opencv_imgproc2410d.lib
opencv_legacy2410d.lib
opencv_ml2410d.lib
opencv_nonfree2410d.lib
opencv_objdetect2410d.lib
opencv_ocl2410d.lib
opencv_photo2410d.lib
opencv_stitching2410d.lib
opencv_superres2410d.lib
opencv_ts2410d.lib
opencv_video2410d.lib
opencv_videostab2410d.lib

 

11. 추가 종속성 환경 구성 상세

 

 

 

 

정상적으로 끝났다면 이제 테스트를 해 봅니다.


 

#include <stdio.h>
#include <opencv/cv.h>
#include <opencv/highgui.h>


int main() {
    IplImage * img = cvLoadImage( "D:\\Temp\\test..png" );

    cvShowImage( "Test Image!", img );
    cvWaitKey( 0 );
    cvReleaseImage( &img );
    cvDestroyAllWindows();

    return 0;
}
 

 

 

 

  

Ctrl + F5 를 눌러 실행시키면 아래와 같이 결과를 볼 수 있습니다. 물론 이미지가 경로에 제대로 있어야 겠죠.

 

 

 

 

□ 기타

참고로, 환경 구성이 잘못 되었을 경우  빌드 시 링크 수행 시점에서 반드시 Error LINK2019 발생합니다.

(특히, 종송성과 라이브러리 디렉토리가 서로 다를 경우)

 

예) error LNK2019: "int __cdecl cv::_interlockedExchangeAdd(int *,int) 등

 

컴파일 시 위와 유사한 오류 메세지가 나오면 다시 한번 환경 설정을 확인하시기 바랍니다.

 

□ 참고

- OPENCV.ORG How To : Click

 

 

반응형

+ Recent posts