保姆级教学之Ubuntu20.04上编译OpenCV+CUDA
自从发了上一期在Ubuntu20.04上配置深度学习环境的视频之后，我收到了很多小伙伴的反馈，其中有不少同学私信我表示“能不能教我怎么编译OpenCV呢”。但其实在Ubuntu上编译的教程网上已经有很多了，因此今天我们加亿点点难度，完成在Ubuntu20.04上完成OpenCV+CUDA的编译。这样后续使用OpenCV的时候，不管是传统算法也好，使用DNN模块推理深度学习算法也罢，都可以调用CUDA进行加速。
首先介绍下前置知识，如果看过我的上一期视频，那么我们已经安装过了CUDA，cuDNN和Anaconda，其路径分别为/usr/local/cuda，/usr/local/cuda，~/anaconda3/。明确之后我们就可以开始今天的教程了。
一、下载OpenCV和OpenCV Contrib的源码
-
下载OpenCV源码
- 打开GitHub，在搜索栏中搜索opencv，打开opencv的仓库后点击右侧的Releases，选择最新版（2022.6.22时最新版是4.6.0）后直接点击下载Source Code即可（下载zip包或者tar包皆可）。
-
如果没有使用一些特殊手段，那么不出意外的下载速度会非常慢，可以选择通过中国镜像进行下载。
- 打开GitCode，在搜索栏中搜索opencv/opencv（不这么搜可能找起来会有点麻烦）。点击克隆后下载源代码即可。
- 注意，如果一开始没有使用GitHub进行下载，那就务必使用中国镜像版本去使用，因为后续编译的时候还需要在GitHub上面拉几个包下来，不使用特殊手段的话是肯定下不下来的。并且GitCode这版我自己在写教程的时候发现，在右侧的发行版本中下载4.5.5版本之后出现了两个问题，第一是cmake的时候仍然是从GitHub而非镜像去拉取（即使我按照教程设置了OPENCV_DOWNLOAD_MIRROR_ID），没有特殊手段下载不了；第二是编译通过不了，从bug信息来看像是版本问题，确实有点迷惑。
-
下载OpenCV Contrib源码
- 在GitHub中搜索opencv_contrib，点击tags后下载最新版（2022.6.22最新版4.6.0），注意版本一定要与OpenCV匹配。
- 如果依然无法下载，一样的可以在GitCode上下载，直接克隆即可。
- 同时给大家提个建议，这种自行下载后本地编译的第三方库，可以像我一样在家目录或者什么目录下面创建一个文件夹
local_install，然后把库全部放在里面，方便统一管理，也方便备份。
二、安装编译所依赖的库
-
直接执行下述命令去安装相应的库即可：
sudo apt update sudo apt upgrade sudo apt install build-essential cmake unzip pkg-config sudo apt install libjpeg-dev libpng-dev libtiff-dev sudo apt install libavcodec-dev libavformat-dev libswscale-dev sudo apt install libv4l-dev libxvidcore-dev libx264-dev sudo apt install libgtk-3-dev sudo apt install libblas-dev liblapack-dev gfortran sudo apt install python3-dev注意，如果有些库没有安装，那么OpenCV在编译到某个功能模块的时候，如果当前功能模块对没有安装的库存在依赖关系，就不会编译这个模块，可能在调用这个API的时候就会报一些奇奇怪怪的bug，比如：
error: (-2) The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Carbon support. If you are on Ubuntu or Debian, install libgtk2.0-dev and pkg-config, then re-run cmake or configure script in function cvNamedWindow -
使用unzip或者tar命令解压opencv和opencv_contrib的源码，准备进行编译；
三、使用CMake进行编译规则的配置
-
cd进入opencv文件夹，使用mkdir命令创建一个叫做
build的文件夹，然后再cd进build文件夹。mkdir build cd build -
需要执行的CMake命令：
cmake \ -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D BUILD_opencv_python2=OFF \ -D OPENCV_PYTHON3_VERSION=3.9 \ -D PYTHON_EXECUTABLE=/home/ubuntu/anaconda3/envs/pt/bin/python3 \ -D PYTHON_DEFAULT_EXECUTABLE=/home/ubuntu/anaconda3/envs/pt/bin/python3 \ -D PYTHON3_EXECUTABLE=/home/ubuntu/anaconda3/envs/pt/bin/python3 \ -D PYTHON3_INCLUDE_DIR=/home/ubuntu/anaconda3/envs/pt/include/python3.9m \ -D PYTHON3_LIBRARY=/home/ubuntu/anaconda3/envs/pt/lib/libpython3.9.so \ -D PYTHON3_NUMPY_INCLUDE_DIRS=/home/ubuntu/anaconda3/envs/pt/lib/python3.9/site-packages/numpy/core/include \ -D PYTHON3_PACKAGES_PATH=/home/ubuntu/anaconda3/envs/pt/lib/python3.9/site-packages \ -D INSTALL_PYTHON_EXAMPLES=ON \ -D INSTALL_C_EXAMPLES=OFF \ -D OPENCV_ENABLE_NONFREE=ON \ -D BUILD_TIFF=ON \ -D OPENCV_EXTRA_MODULES_PATH=/home/ubuntu/local_install/opencv_contrib/modules \ -D BUILD_EXAMPLES=ON \ -D WITH_CUDA=ON \ -D WITH_CUDNN=ON \ -D OPENCV_DNN_CUDA=ON \ -D WITH_CUBLAS=ON \ -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda \ -D OpenCL_LIBRARY=/usr/local/cuda/lib64/libOpenCL.so \ -D OpenCL_INCLUDE_DIR=/usr/local/cuda/include/ \ .. # 表示CMakeLists.txt文件在上一级目录中先提一个容易出问题的点，此处家目录不能写
~，解析不了，而是要写全（如/home/ubuntu）。接下来我们对其中较为重要的变量进行解释，其中的路径需要按照自己机器的情况自行更改：-
设置Python的可执行文件路径为Anaconda中虚拟环境(envs)下的pt环境下的Python的可执行文件（二进制文件，一般放在
bin(binary)文件夹下，Linux下的二进制文件（或可执行文件）类似于Windows下的.exe文件，能够直接运行）； -
PYTHON_EXECUTABLE=/home/ubuntu/anaconda3/envs/pt/bin/python3 PYTHON_DEFAULT_EXECUTABLE=/home/ubuntu/anaconda3/envs/pt/bin/python3 \ PYTHON3_EXECUTABLE=/home/ubuntu/anaconda3/envs/pt/bin/python3 \以上部分如果是跟着上一个教程配置的Anaconda的环境，只需要改下家目录中的用户名就可以直接使用了。
-
设置Python环境中的include文件夹路径、Python的动态库路径、Python环境中NumPy环境的include文件夹路径和Python环境下的第三方库安装路径；
PYTHON3_INCLUDE_DIR=/home/ubuntu/anaconda3/envs/pt/include/python3.9m \ PYTHON3_LIBRARY=/home/ubuntu/anaconda3/envs/pt/lib/libpython3.9.so \ PYTHON3_NUMPY_INCLUDE_DIRS=/home/ubuntu/anaconda3/envs/pt/lib/python3.9/site-packages/numpy/core/include \ PYTHON3_PACKAGES_PATH=/home/ubuntu/anaconda3/envs/pt/lib/python3.9/site-packages \同上，如果是跟着上一个教程配置的Anaconda的环境，更改家目录中的用户名和Python的版本即可使用。
-
设置opencv_contrib的路径；
OPENCV_EXTRA_MODULES_PATH=/home/ubuntu/local_install/opencv_contrib/modules \ -
设置带上CUDA、cuDNN进行编译，并设置CUDA的路径（此处CUDA的路径一般不需要更改）；
WITH_CUDA=ON \ WITH_CUDNN=ON \ OPENCV_DNN_CUDA=ON \ WITH_CUBLAS=ON \ CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda \ OpenCL_LIBRARY=/usr/local/cuda/lib64/libOpenCL.so \ OpenCL_INCLUDE_DIR=/usr/local/cuda/include/ \ -
此处提出一个小技巧，如果我们直接复制了上述CMake的命令，并在终端中Ctrl+v，并在终端里面修改这些变量中的路径不是那么方便。我的建议是，先在
build文件夹中创建一个shell脚本，比如命名为build.sh，可以先用自己擅长的编辑器如vim之类的修改CMake命令中的变量，再在终端内sh ./build.sh运行这个脚本。 -
假如CMake最后出现了如下的信息，则说明在安装了Anaconda之后，它的环境遮挡住了系统的环境，编译的时候也会报各种各样稀奇古怪的问题，此时需要在对应的终端的配置文件里面将Anaconda的环境覆盖掉。覆盖的方法就是在对应的终端配置文件之中注释掉Anaconda的环境。
CMake Warning at cmake/OpenCVUtils.cmake:1547 (add_library): Cannot generate a safe runtime search path for target opencv_highgui because files in some directories may conflict with libraries in implicit directories: runtime library [libpangocairo-1.0.so.0] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib runtime library [libpango-1.0.so.0] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib runtime library [libharfbuzz.so.0] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib runtime library [libcairo-gobject.so.2] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib runtime library [libcairo.so.2] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib runtime library [libgio-2.0.so.0] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib runtime library [libgobject-2.0.so.0] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib runtime library [libgthread-2.0.so.0] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib runtime library [libglib-2.0.so.0] in /usr/lib/x86_64-linux-gnu may be hidden by files in: /home/ubuntu/anaconda3/lib Some of these libraries may not be found correctly
-
-
执行make进行编译
make -j12 # 编译，-j表示调用12个线程进行编译 sudo make install # 把编译后的头文件和库写入到指定文件夹中 sudo ldconfig # 令动态链接库能够为系统所共享
四、验证是否编译成功
- C++环境
-
我们首先验证下C++环境是否有正常编译并安装。我们创建一个叫做test的文件夹，然后我们创建一个
main.cpp的文件，尝试是否能够正常引入OpenCV的头文件。#include <opencv2/opencv.hpp> int main() { return 0; } -
然后我们再创建个
CMakeLists.txt的文件来写CMake：cmake_minimum_required(VERSION 3.16) project(opencv_test) set(CMAKE_CXX_STANDARD 14) find_package(OpenCV REQUIRED) add_executable(opencv_test main.cpp) target_link_libraries(opencv_test ${OpenCV_LIBS}) -
同样为了方便管理CMake配置的编译规则以及编译过程中产生的中间文件，我们创建一个
build文件夹，cd进去后执行cmake命令即可配置编译规则，生成一个MakeFile文件；mkdir build cd build cmake .. # 执行cmake，..表示CMakeLists.txt在上一层路径中
-
- 如果没有出现什么问题，此时直接使用
make命令就可以直接编译了，编译结束后会生成一个opencv_test的可执行文件，可以使用./opencv_test直接运行。
2189
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
