opencv-python使用GPU资源--虚拟环境安装与编译opencv源码

• Windows10系统
• Visual Studio 2019：Visual Studio Community 2019
• Cmake：cmake-3.20.0-rc3-windows-x86_64.msi
• OpenCV 4.51：opencv-4.5.1.tar.gz
• OpenCV_contrib 4.5.1：opencv_contrib-4.5.1.tar.gz

选择适当的驱动和CUDA版本以及对应版本的cudnn，安装win10环境。

下载链接

下载链接

opencv下载链接
opencv_contrib

百度云下载
提取码：lujx

注：点击左上角的Tag，选择4.5.4版本，opencv和opencv_contrib选择同样的版本

创建opencv_cuda文件夹，将opencv和opencv_contrib解压到此文件夹中，并在opencv同级目录创建build文件夹。至此准备工作完成。
目录结构大致如下：

|-opencv_cuda
	|--build
	|--opencv_contrib_4.5.4
	|--opencv_4.5.4
		 |---.cache
		 |---其他原有的解压的子文件
	

为避免在首次编译过程中因文件下载失败导致编译不成功，需要将.cache文件夹复制到解压后的opencv源码文件夹中

1. 打开cmake-gui软件，分别将where is the source code和where to build the binaries添加为opencv源码文件夹和build文件夹
2. 第一次点击 configure, 选择vs 2019和x64架构，点击finish，开始第一次编译
3. 编译过程需要下载各种依赖，大概率会因为网络问题会卡住，直接复制.cache文件夹，可省去此烦恼
4. (此步选做) 创建虚拟环境，建议使用anaconda,并在虚拟环境中安装numpy(编译时需要),执行此步骤是为了将CUDA版本的opencv安装到虚拟环境中，只安装到宿主机环境不需要执行此步骤
5. (此步骤选做，但执行此步骤的前提是必须执行上一个步骤) 更换一下几个变量，分别将路径指向虚拟环境的对应位置 : PYTHON3_EXECUTABLE、PYTHON3_INCLUDE_DIR、PYTHON3_LIBRARY、PYTHON3_NUMPY_INCLUDE_DIRS、PYTHON3_PACKAGES_PATH
6. 编译完成后，在Search框内输入CUDA和fast，勾选三个配置 : WITH_CUDA、OPENCV_DNN_CUDA、ENABLE_FAST_MATH
7. Search框搜world，将build_opencv_world打勾，将所有opencv的库都编译在一起不需要自己一一添加每个小模块。
8. Search框搜BUILD，勾选BUILD_opencv_python3
9. search框搜MODULES，在OPENCV_EXTRA_MODULES_RATH一项，添加opencv_contrib4.5.1中的modules目录
10. search框搜NON，把OPENCV_ENABLE_NONFREE打勾
11. 第二次点击configure，等待下方日志显示configure done
12. 搜索框输入cuda，勾选CUDA_FAST_MATH，CUDA_ARCH_BIN中将显卡的算力内容改成自己显卡的算力，对应算力与显卡型号如第一章图片所示，如，显卡型号为 GTX 1050所对应的算力为6.1，则删除其他的算力版本，仅保留6.1即可
13. 再次点击configure，这次的Configuring done终于OK，然后点击Generate，稍等片刻出现Generating done！
14. 点击Open Project，它会启动你的Visual Studio。

1. VS2019打开刚刚编译工程后，会反应一段时间，一定要等待左下角显示的项全部加载完毕才可以继续操作

2. 选择Release ``x64，接着找到CmakeTargets下的ALL_BUILD，右键→“生成”，然后开始漫长的等待……（笔记本 i7-9750H编译约65分钟，仅供参考）

3. 解决方案资源管理器—>CMakeTargets—>INSTALL—>生成”然后又是等，好在这次时间很短。此时opencv_cudabuildlibpython3Release文件夹下可以看到cv2.cp36-win_amd64.pyd文件(不同的python版本，名称会略有差异)

4. 同时，在虚拟环境或者宿主机环境中，可以在路径Libsite-packages下看到cv2文件夹

使用命令行进入python环境,执行一下代码即可验证:

c:usersadministrator> python
>>> import cv2
>>> cv2.cuda.getCudaEnabledDeviceCount()
1 # 得到GPU设备数量，即表示opencv的GPU版本已经安装成功