[转]OpenCV4.8 GPU版本CMake编译详细步骤 与CUDA代码演示

导 读
本文将详细介绍如何使用CMake编译OpenCV4.8 CUDA版本并给出Demo演示，方便大家学习使用。

CMake编译详细步骤

废话不多说，直接进入正题！

【1】我使用的工具版本VS2017 + CMake3.18.2 + OpenCV4.8.0 + CUDA11.2

一般情况下VS版本≥VS2017均可，CMake版本≥3.18.2，OpenCV4.8.0目前最新，CUDA版本保持一致或更高。

【2】OpenCV源码下载与CUDA安装

首先下载OpenCV4.8.0源码和Contrib部分源码：

https://github.com/opencv/opencv
https://github.com/opencv/opencv_contrib

下载后解压到指定目录：

在opencv-4.8.0文件夹下新建一个build文件夹用于保存编译文件：

自己安装CUDA相关依赖项，包括CUDA和CUDNN：

【3】CMake配置选项设置

CMake配置选项设置需要注意的地方如下：

① 根据自己的VS版本选择编译什么版本，此处VS2017 64位

② 配置源码路径与生成文件路径：

③ 配置contrib源码目录：

④ CUDA路径不用配置，会自动识别并填入，还有下面几个需要勾选的选项记得勾选：

⑤ 其他需要勾选的选项：

【4】CMake Config与问题解决

正常步骤接下来就是点击Configure和Generate，就可以生成OpenCV.sln项目。但是经常会出警告或者错误，大部分是因为一些依赖文件下载失败导致的：

虽然是警告，但是一定要解决，否则在后面编译OpenCV.sln项目的时候还是会失败！

解决方法：按照提示，打开对应的CMakeDownloadLog.txt，然后把对应的文件下载下来放到指定目录，里面都有写，如下图所示：

文件下载成功且匹配会有下面对应的提示：

文件下载成功后，再点击Configure就不会有红色警告提示了。然后点击Generate，生成OpenCV.sln项目。

【5】VS编译生成依赖项

打开OpenCV.sln，编译INSTALL，然后右键仅用于项目--仅生成INSTALL

下面是生成后的文件，opencv_world480.dll文件1.06G正常：

OpenCV CUDA编程实例

当使用C++ OpenCV和CUDA编写代码时，一般的步骤如下：

【1】包含必要的头文件：首先，包含相关的头文件，以便使用OpenCV和CUDA库。​​​​​​​

#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp>

【2】加载图像或视频：使用OpenCV的函数加载输入图像或视频。例如，可以使用cv::imread()加载图像或cv::VideoCapture加载视频。​​​​​​​

cv::Mat image = cv::imread("image.jpg");
// 或者
cv::VideoCapture video("video.mp4");

【3】分配GPU内存并将数据复制到设备内存：如果计划在CUDA上执行加速操作，则需要在GPU上为图像或视频分配内存，并将数据从主机内存复制到设备内存。​​​​​​​

cv::cuda::GpuMat gpuImage;
gpuImage.upload(image);
// 或者
cv::cuda::GpuMat gpuVideo;
cv::Mat frame;
video.read(frame);
gpuVideo.upload(frame);

【4】执行CUDA加速操作：调用适当的OpenCV CUDA函数，在GPU上执行CUDA加速操作。​​​​​​​

cv::cuda::cvtColor(gpuImage, gpuImage, cv::COLOR_BGR2GRAY);
// 或者
cv::cuda::blur(gpuVideo, gpuVideo, cv::Size(3, 3));

【5】将结果从设备内存复制到主机内存：使用download()方法将结果从设备内存复制到主机内存。​​​​​​​

cv::Mat result;
gpuImage.download(result);
// 或者
cv::cuda::GpuMat result;
cv::cuda::bitwise_not(gpuImage, result);
cv::Mat result_host;
result.download(result_host);

【6】显示结果：使用OpenCV的函数在屏幕上显示结果图像或视频帧。​​​​​​​

cv::imshow("Result", result);
cv::waitKey(0);
cv::destroyAllWindows();

这些是一般的步骤，具体的代码实现和操作可能会根据需要有所不同。请确保安装和配置了正确版本的OpenCV和CUDA，并根据您的需求进行适当的调整。

至于加速效果还要根据实际情况分析，下面是官方给的个别方法加速对比：
————————————————

本文为Color Space原创，未经允许禁止转载！
原文链接：https://blog.csdn.net/stq054188/article/details/132766965