windows使用CMake编译opencv(cv2)使用GPU加速

编译前的一些准备

一、前期准备下载CMake以及VS

CMake链接：https://cmake.org/download/
 VS链接：https://visualstudio.microsoft.com/zh-hans/vs/

过程简单这里不多做赘述

二、下载opencv源码以及opencv_contrib源码

注意！下载的opencv以及opencv_contrib版本号需一致

下载好直接解压到自己指定的位置，得到两个文件夹opencv-4.9.0和opencv_contrib-4.9.0

在opencv-4.9.0里面创建一个build文件夹

CMake编译会碰到的一些问题

在编译过程中在信息窗口会时不时出现一些红色的字，比如：

CMake Warning at cmake/OpenCVDownload.cmake:248 (message):IPPICV: Download failed: 6;"Couldn't resolve host name"

For details please refer to the download log file:

D:/opencv/opencv-4.9.0/opencv-4.9.0/build/CMakeDownloadLog.txt

Call Stack (most recent call first):3rdparty/ippicv/ippicv.cmake:37 (ocv_download)   cmake/OpenCVFindIPP.cmake:259 (download_ippicv)cmake/OpenCVFindLibsPerf.cmake:12 (include)   CMakeLists.txt:812 (include)

这些是因为网络问题无法下载导致的，这也会导致后期使用VS编译时候出现报错

如果有遇到可以跳转至：解决CMake编译opencv时ffmpeg为NO问题

CMake编译

打开CMake，红框放解压出来的opencv-4.9.0的路径，蓝框放刚刚创建的build路径

点击Configure，跳出下面这个窗口按我这样配置然后点击Finish

等待配置之后会出现一大堆红色信息

搜索框搜索PYTHON3，Value的值是你python的路径，我这边用的是anaconda3创建的虚拟环境

PYTHON3_NUMPY_INCLUDE_DIRS的路径是numpy库的路径，我的路径为：

E:/anaconda3/envs/factory/Lib/site-packages/numpy/core/include

再次点击Configure

再搜索modules，选择opencv_contrib-4.9.0下面的modules路径

再次点击Configure

Configure完成后搜索栏搜cuda，全部打勾，然后继续Configure

等待结束后继续搜索OPENCV_DNN_CUDA、WITH_CUDA 、ENABLE_FAST_MATH

三个全部打钩，再次Configure

接着搜索

              UILD_opencv_python3

              OPENCV_ENABLE_NONFREE

              BUILD_opencv_world

全部打勾

这边要注意：BUILD_opencv_python3是必须打勾的，如果搜索不到的话那回到前面的步骤一步一步看着重新来，不然到后面VS编译的时候会有问题

接着Configure

完成后搜索CUDA_ARCH_BIN填写自己显卡的算力

查询链接：https://developer.nvidia.com/cuda-gpus

我的是2060显卡所以是7.5

CUDA_FAST_MATH也打勾，加快运算

最后一次点击Configure等待出现Configuring done字眼之后点击Generate，完成后如下图

VS编译

点击Open Project应该会自动打开VS，如果没有自动打开的可以打开前面创建的build的路径，直接双击OpenCV.sln即可打开VS

将Debug模式改为Release

查看解决方案，点击打开bindings里面有一个opencv_python3，右键点击属性，如下图点击编辑

勾选从父级或项目默认设置继承后点击确定

打开CMakeTargets里面有一个ALL_BUILD,右键-->生成

进入漫长的等待

结果大概长这样，只要没有报错就可以了

最后一步！解决方案中选中INSTALL--右键--生成，等待完成结果和上图一样，没报错就成功了

最后测试一下

import cv2

print(cv2.cuda.getCudaEnabledDeviceCount())

输出不是0就编译成功啦！