编译支持CUDA和cuDNN的OpenCV

最新推荐文章于 2025-03-11 14:11:27 发布

Charming Sun

最新推荐文章于 2025-03-11 14:11:27 发布

阅读量3.2k

点赞数 1

本文链接：https://blog.youkuaiyun.com/CharmingSun/article/details/124161059

版权

OpenCV 同时被 2 个专栏收录

3 篇文章

订阅专栏

CUDA

2 篇文章

订阅专栏

本文介绍了如何在Windows环境下，利用Visual Studio 2017或2019编译带有CUDA和cuDNN支持的OpenCV。步骤包括安装Visual Studio、CUDA和cuDNN，配置CUDA路径，下载opencv和opencv_contrib源码，使用CMake进行配置和生成项目，解决编译过程中可能出现的问题，最后设置环境变量和项目属性，确保能成功运行包含OpenCV的程序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装Visual Studio，最好安装2017或者2019版本的（或之间的版本），否则后续编译的时候可能报错；
安装好CUDA和对应版本的cuDNN；
将C:\Program Files\NVIDIA\CUDNN\v8.3\bin目录下的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin目录下，将C:\Program Files\NVIDIA\CUDNN\v8.3\include目录下的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\include目录下，将C:\Program Files\NVIDIA\CUDNN\v8.3\lib\x64目录下的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\lib\x64目录下，记得根据自己安装的版本而更改路径；
opencv和opencv_contrib的源码都不要直接git clone，记得先点tags，下载对应版本相同的源码包，比如opencv-4.5.5.zip和opencv_contrib-4.5.5.zip，然后解压；
新建build目录，打开CMake；
选择好源码路径（opencv目录）和编译路径（build路径）；
点击Configure按钮；
此时日志栏可能会提示说无法下载依赖的库，打开build/CMakeDownloadLog.txt文件，根据日志手动下载文件并放至OPENCV_DOWNLOAD_PATH选项指定目录的对应子目录内，并将文件名更改为子目录内已有空文件的文件名；
如果某些位于raw.githubusercontent.com网站的文件无法下载，那么可以根据链接里的commit id直接访问github上的那次提交的版本的文件，如https://raw.githubusercontent.com/opencv/opencv_3rdparty/4d348507d156ec797a88a887cfa7f9129a35afac/ffmpeg/ffmpeg_version.cmake对应链接https://github.com/opencv/opencv_3rdparty/blob/4d348507d156ec797a88a887cfa7f9129a35afac/ffmpeg/ffmpeg_version.cmake，也可以通过更改hosts文件的方式来解决无法复制github上文件原内容的问题，比如在C:\Windows\System32\drivers\etc\hosts文件的末尾添加一行185.199.108.133 raw.githubusercontent.com再重新点一次Configure按钮，raw.githubusercontent.com的IP地址可以去www.ipaddress.com网站上查；
勾选上WITH_CUDA选项和OPENCV_DNN_CUDA选项；
设置OPENCV_EXTRRA_MODULES_PATH选项的值为opencv_contrib-4.5.5\modules目录；
再次点击Configure按钮；
没有错误后点击Generate按钮生成扩展名为.sln的Visual Studio工程；
打开build\OpenCV.sln文件；
点击Visual Studio上方界面的复选框，选择仅编译release版本；
将鼠标移至界面右侧解决方案资源管理器中的CMakeTargets目录下的All Build上右键单击”生成“，开始编译OpenCV；
编译可能会出现一些错误，比如测试程序的错误，但只要库编译出来了就行；
再将鼠标移至CMakeTargets目录下的INSTALL上右键单击”生成“，安装编译好的OpenCV库；
安装好的OpenCV库位于build\install目录下；
将D:\OpenCV\build\install\x64\vc16\bin添加到系统的PATH环境变量内（请根据自己创建的build目录的位置更改该路径），因为执行OpenCV应用程序的时候需要调用该目录下的动态库；
使用Visual Studio新建一个控制台应用；
将D:\OpenCV\build\install\include添加到项目的”附加包含目录“设置项中；
将D:\OpenCV\build\install\x64\vc16\lib添加到项目的”附加库目录“设置项中；
在D:\OpenCV\build\install\x64\vc16\lib目录下执行dir /b | find ".lib"命令，如果是PowerShell，就先执行cmd命令将PowerShell窗口转为命令行窗口；
将上面那条命令的输出复制粘贴到项目的”附加依赖项“设置项中；

编译运行如下代码，需要在项目目录放一张名为file.png的图片，该测试程序会将file.png二值化后显示在屏幕上，记得”解决方案配置“和”解决方案平台“要和刚刚设置项目属性的配置保持一致，”解决方案平台“与编译的OpenCV库一致、选择"x64"。

#include <iostream>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/cudaarithm.hpp>
#include <opencv2/cudaimgproc.hpp>

int main()
{
	try
	{
		cv::Mat src_host = cv::imread("file.png", cv::IMREAD_GRAYSCALE);
		cv::cuda::GpuMat dst, src;
		src.upload(src_host);

		cv::cuda::threshold(src, dst, 128.0, 255.0, cv::THRESH_BINARY);

		cv::Mat result_host;
		dst.download(result_host);

		cv::imshow("Result", result_host);
		cv::waitKey();
	}
	catch (const cv::Exception& ex)
	{
		std::cout << "Error: " << ex.what() << std::endl;
	}
	return 0;
}