【opencv4.8.1 源码编译】windows10 OpenCV 4.8.1源码编译并实现 CUDA 12加速-编程知识

Windows 下使用 CMake3.29.2 + Visual Studio 2022 编译 OpenCV 4.8.1 及其扩展模块+cuda12.0+teslaT4显卡
记录自己在编译时踩过的坑，避免下次再犯或者给有需要的人。
在实际使用中，如果是对处理时间要求比较高的场景，使用OpenCV处理图片数据很难满足要求，不过OpenCV支持使用CUDA进行加速，不过支持CUDA加速的依赖包需要我们自行编译才可使用，因此在本次文章中，我们将演示如何使用OpenCV源码自行编译代码文件，来实现CUDA加速。感兴趣的小伙伴，请认真向下看哦。收藏关注我哦。
Visual Studio 2022 社区版本下载安装 https://visualstudio.microsoft.com/zh-hans/vs/ 假设你已经安装了，这里跳过安装步骤。进入opencv 安装环节

1、下载opencv 源码
第一步：接下来需要下载OpenCV源码，此处需要下载两个源码，分别是opencv和opencv_contrib。下载链接为

由于我电脑pip install opencv-python 版本 4.8.1 ，为了一致性，我这里下载源码4.8.1 版本。

https://github.com/opencv/opencv/releases/tag/4.8.1
https://github.com/opencv/opencv_contrib/tags

下载完成之后，解压，会生成两个文件夹。
在这里插入图片描述

下一步我们下载cmake 工具。下载地址：

https://cmake.org/download/

最新版本为3.29.2：选择 cmake-3.29.2-windows-x86_64.msi 进行下载安装
在这里插入图片描述
2. CMake编译项目
2.1 创建cmake项目
打开CMake软件，设置项目源码路径，并在源码路径下创建一个build文件夹，并设置编译文件夹，如下图所示：

接下来点击Configure，进行第一次配置，然后回弹出编译平台选择，此处根据自己电脑的编译软件进行选择，在本文中我们使用的是Visual Studio 2022，然后选择编译平台为x64。
在这里插入图片描述
第一次配置生成后，输出如下所示：

2.2 设置编译配置
首先添加opencv_contrib模块的引用，在OPENCV_EXTRA_MODULES_PATH条目中添加该模块的路径，然后选择OPENCV_ENABLE_NONFREE，如下图所示：

接下来添加CUDA的设置，首先选择WITH_CUDA，如下图所示：
勾上就行在这里插入图片描述
然后选择OPENCV_DNN_CUDA，此处还可以选择OPENCV_DNN_OPENVINO等不同的模型部署，如下图所示：
这两个再勾上

在这里插入图片描述
三个cuda 都勾上

最后选择ENABLE_FAST_MATH.勾上
在这里插入图片描述
此处为了让生成的依赖库文件都集成在一个文件中，方便后面使用，所以此处可以选择BUILD_opencv_world，如果不选择，生成的文件将会被拆散成多个文件。
再次勾上就对了

搜索 non 也勾上这个

将CUDA_ARCH_BIN显卡算力内容改成自己显卡的算力，删除小于自己显卡算力的部分，
官方网站查看算力

在这里插入图片描述

第二次Configure后，下一步就是需要检查一下其过程是否有异常抛出
在这里插入图片描述
首先查看一下配置输出框是否抛出警告，如果有的话，一定要解决一下，不然后续编译会出错。

2.3 解决异常
2.3.1 文件下载异常
首先呢，就是ffmpeg 这个下载异常，这个从官网下载

在这里插入图片描述

点击zip 版本。解压文件夹，下载后进行解压到指定文件夹下。并添加 bin 目录到path 目录。再次验证

ffmpeg -version

在这里插入图片描述
安装ffmpeg 成功。

此时，最好看一下 CMake 的下载日志，下面的文件是 CMake 的下载日志。下载很多地方报错的，这如何是好，别着急，我们通过修改，
让它能够下载。
我主要是修改这几个地方：

a. 进入 C:/opencv-4.8.1/opencv-4.8.1/3rdparty/ippicv 目录 将 ippicv.cmake 的 https://raw.githubusercontent.com 修改为：https://raw.staticdn.netb. 进入 C:/opencv-4.8.1/opencv-4.8.1/3rdparty/fmpeg 目录 将 ffmpeg.cmake 的 https://raw.githubusercontent.com 修改为：https://raw.staticdn.netc. 进入 C:/opencv_contrib-4.8.1/opencv_contrib-4.8.1/modules/xfeatures2d/cmake 目录 将 download_boostdesc.cmake 中的https://raw.githubusercontent.com 修改为：https://raw.staticdn.netd. 进入 C:/opencv_contrib-4.8.1/opencv_contrib-4.8.1/modules/xfeatures2d/cmake 目录 将 download_vgg.cmake 中的 https://raw.githubusercontent.com 修改为：https://raw.staticdn.nete. 进入 C:/opencv_contrib-4.8.1/opencv_contrib-4.8.1/modules/face 目录 修改 CMakeLists.txt, 将https://raw.githubusercontent.com 修改为：https://raw.staticdn.net

在这里插入图片描述
有了这个加持，之后再重新"Configure"即可。

在这里插入图片描述
最后只剩下这两个错误了，
在CMakeList.txt 文件中增加一行：

if(POLICY CMP0148)cmake_policy(SET CMP0148 OLD)  # CMake 3.13+: option() honors normal variables.
endif()if(POLICY CMP0146)cmake_policy(SET CMP0146 OLD)  # CMake 3.13+: option() honors normal variables.
endif()

再次Configure，最后没有一个红色错误了，说明这一步成功了，接下来，点击"Generate"生成使用 CMake 构建的项目

在这里插入图片描述

3、接下来，点击"Generate"生成使用 CMake 构建的项目

在这里插入图片描述
最后点击"Open Project"，唤起 Visual Studio 2022 打开该项目。当然也可以去输出编译的二进制文件的目录(C:/opencv-4.8.1/newbuild) ，打开 OpenCV.sln 文件达到同样的效果。

使用VS2019 (以管理员方式运行) 打开刚刚编译工程OpenCV.sln，在release|x64模式下，在解决方案资源管理器—>CMakeTargets—>右键点击ALL_BUILD–>生成。

INSTALL 生成成功后，这次编译算是大功告成了。我们完成了OpenCV4.8.1 及其扩展模块的编译。

们可以在输出编译的二进制文件的目录(E:/software/opencv-4.8.1/build)下找到 install 文件夹

linux

git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git
cd opencv
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \-D CMAKE_INSTALL_PREFIX=/usr/local \-D INSTALL_C_EXAMPLES=ON \-D INSTALL_PYTHON_EXAMPLES=ON \-D OPENCV_GENERATE_PKGCONFIG=ON \-D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules \-D WITH_CUDA=ON \-D WITH_CUDNN=ON \-D CUDA_ARCH_BIN=7.5 \-D CUDA_ARCH_PTX=7.5 \-D WITH_TBB=ON \-D WITH_GDAL=ON \-D WITH_XINE=ON \-D BUILD_EXAMPLES=ON ..
make -j$(nproc)
sudo make install
sudo ldconfig