cmake编译opencv： Win10+cmake3.14.4+cuda10.0+cudnn7.6+opencv-4.0.0+contrib+vs2015

Win10+cmake3.14.4+cuda10.0+cudnn7.6+opencv-4.0.0+contrib+vs2015)

参考资料：

• windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速;
• Win10 下Cmake编译配置 Opencv3.1 + Cuda7.5 + VS2013;
• WIN10 + OpenCV3.4 + CUDA8.0 + Cmake3.9.0 + TBB + VS2015配置/重编译;
• Win10安装CUDA10和cuDNN;
• OpenCV 3.1.0 重编译——支持CUDA8.0;
• opencv+cuda编译出现LNK2019 cv::__termination错误;
• 图像质量评价方法PSNR+SSIM&&评估指标SROCC,PLCC.

---------------------- 超长文多图预警!!! ----------------------

安装所需软件/库

• Anaconda3;
• cmake 3.14;
• CUDA 10.0;
• cuDNN 7.6;
• opencv-4.0.0;
• opencv_contrib-4.0.0;
• TBB 2019.

我下载的软件和库如下图所示：

Step1. 下载安装Anaconda3

点击链接：Anaconda3，进入下载页面，注意先选择Windows系统，再点击Download进行下载，如下图所示：

下载完成开始安装软件。其他步骤可以选择默认，直接点击Next>。安装路径也可以使用默认的安装位置（C盘），这里我改在了D盘， 可根据个人喜好选择。

路径选好后，下面这一步，记得把红框部分都勾选上，然后点击Install，等待安装：

安装完成之后，打开cmd命令窗口，输入

python -V

出现

Python 3.7.3 :: Anaconda, Inc.

证明安装成功。
下图我自己安装了3.7.2的版本，所以显示结果稍有差别。

Anaconda3下载安装完毕！

Step2. 下载安装cmake 3.14

进入cmake 3.14下载页。选择适合个人操作系统的 .msi 文件进行下载，比如我个人的电脑是64位操作系统，选择 cmake-3.14.5-win64-x64.msi ，如下图所示；如果是32位，则选择 cmake-3.14.5-win32-x86.msi 。

下载完成，先把之前安装的旧版本cmake卸载掉，才可安装新版本cmake。（如果电脑已安装cmake，也可尝试不安装新版本，使用旧版本cmake进行编译，也许同样能编译成功）

安装进入下图界面注意选择第三项，添加cmake到系统路径，下面是否创建桌面图标根据个人喜好勾选，选好后点击Next进入下一步。

安装路径根据个人喜好修改，这里我把C盘改成了D盘。如不愿意修改，也可以安装到默认路径C:\Program Files\CMake\。路径修改好后，直接点击Next进入下一步，开始软件安装。

安装完成后出现以下画面，点击Finish，结束安装。

cmake安装完毕！

Step3. 下载安装CUDA 10.0

进入CUDA 10.0下载页。Win10操作系统，可按照下图深绿色部分进行选择；如果非Win10，则根据个人操作系统选择合适的选项。选好后点击下图红色框内的Download进行下载。

下载完成后，打开安装程序。提示将CUDA的安装文件提取到临时文件夹中，提取路径可选择默认（提取到C盘）或自定义，然后点击OK。

等待文件提取：

提取结束，出现NVIDIA程序安装界面：

出现以下画面，AGREE AND CONTINUE点起来。

选择Custom(Advanced)，然后NEXT。

这里，全都要，然后NEXT。

这里进入关键一步，选择安装位置，可选择默认或自定义。这些路径在后面配置环境变量的时候需要用到，一定要注意保持一致。比如在这里我都安装在了D盘，之后环境变量也要写D盘的路径。都选好后点击NEXT，开始安装。

等待安装：

安装完成后，NEXT。

然后CLOSE，结束安装。

安装完成，配置系统环境变量。首先确认是否下图的两项环境变量：

将刚才CUDA安装路径添下的相应文件夹添加到Path中，如下图：

验证CUDA是否安装成功。cmd或是PowerShell中输入：

nvcc -V

如正确安装，则会出现以下输出结果：

CUDA安装、配置完成！

Step4. 下载安装cuDNN 7.6

点击此链接：cuDNN 7.6，进入下载页。下载前必须登陆NVIDIA账号，如果已有NVIDIA账号，点击Login，进入登陆界面；如果没有账号，则需要注册以后登陆。

登陆界面如下，输入注册好的账号和密码，点击Login进入下载页。

进入下载页面后先勾选同意条款 I Agree To… ，然后选择与cuda版本对应的cuDNN库，我们这里选择第一个 … for CUDA 10.0 ，然后Win10系统选择 cuDNN Library for Windows 10 ，开始下载cuDNN库。

下载完成后解压文件，解压出来的cuda目录下包含如下内容：

接着，我们将以上文件夹中的文件，复制到已安装的cuda文件夹的相应位置下：

• 将bin中的 cudnn64_7.dll ，复制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin；
• 将include中的 cudnn.h ，复制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include；
• 将lib\x64中的 cudnn.lib ，复制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64.

请根据个人安装cuda的路径，找到文件复制的位置。如果之前cuda的安装路径为默认路径，则把上面的路径的盘符D:都改为C:即可找到相应路径。

以上文件都复制完以后，将库路径D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64，添加到环境变量中。（同样地，路径需要根据个人情况做相应修改）

点击右下角的Environment Variables环境变量按钮：

双击Path行进入编辑环境变量界面：

右边点击New新建按钮，添加红色方框内的路径：

cuDNN安装、配置完毕！

Step5. 使用VS和CUDA编译测试文件

进入D:\Program Files\NVIDIA Corporation\CUDA Samples\v10.0文件夹，打开Samples_vs2015.sln这个工程：

编译生成1_Utilities中所有的文件。注意红框部分选择Release和x64。

如果编译成功，则可以看到下图提示：

在D:\Program Files\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Release中会生成一些应用程序和库文件，我们只需要deviceQuery.exe和bandwidthTest.exe进行验证。

在文件夹空白处Shift+鼠标右键，选择Open PowerShell window here，打开PowerShell
窗口，运行deviceQuery.exe。窗口输入：

.\deviceQuery.exe

显示Result = Pass，表示安装测试成功。

接下来运行bandwidthTest.exe，窗口输入：

.\bandwidthTest.exe

同样的，显示Result = Pass，表示安装测试成功。

VS和CUDA编译测试完毕！

Step6. 下载安装TBB

点此链接下载TBB 2019, 下载页面如下图所示：

下载后，根据个人喜好，可将文件解压到任意路径，这里解压到了D:\Program Files目录下，如下图所示：

然后设置环境变量，将D:\Program Files\tbb2019_20190410oss_win\tbb2019_20190410oss\bin\intel64\vc14添加到Path中：

TBB安装、配置完成！

Step7. 下载编译opencv-4.0.0和contrib

点击以下链接进行下载：

• opencv-4.0.0;
• opencv_contrib-4.0.0.

新建一个文件夹，用来存放提取出来的opencv和contrib源码文件，方便后续编译查找和添加路径，这里我们命名为opencv400_source（可根据个人喜好命名）：

再新建一个文件夹，作为目标文件夹，编译后的opencv文件将会生成到该目录下，命名为opencv400_CUDA：

打开D:\opencv400_source\opencv_contrib-4.0.0\modules\cudev路径下的CMakeLists.txt文件：

在

set(the_description “CUDA device layer”)

下一行增加

set(OPENCV_SKIP_DLLMAIN_GENERATION ON)

这么做是为了避免后续使用VS2015生成opencv库文件时，出现LNK2019 cv::__termination错误。

打开cmake，设置源码路径D:\opencv400_source\opencv-4.0.0\sources和目标路径D:\opencv400_CUDA，然后点击Configure：

弹出编译环境选择界面，选择Visual Studio 14 2015和x64，然后点击Finish：
接下来进行编译配置：

• 添加contrib路径：D:\opencv400_source\opencv_contrib-4.0.0\modules；
• 勾选OPENCV_ENABLE_NONFREE；
• 勾选WITH_CUDA；
• 勾选WITH_TBB。

然后点击Configure。

这时还会出现红色部分，继续进行相应配置：

• 添加TBB相关路径；
• 去掉勾选WITH_MATLAB。

TBB路径可对照下图进行相应添加。去掉勾选WITH_MATLAB，是为了在之后VS2015编译过程中，避免出现 Error: MEXEXT: Unsupported platform 形式的错误。配置完成点击Configure。

之后出现TBB_VER_FILE的路径配置，已自动填写，检查确认无误，直接点击Configure。

表单全白，说明配置没有问题，点击Generate。

显示Generating done，说明cmake编译opencv顺利完成！

编译生成的文件在目标文件夹D:\opencv400_CUDA下，用VS2015打开OpenCV.sln工程：

先不要急着ALL_BUILD，先生成opencv_core和opencv_cudacodec。如果这两个项目能够通过，我们再全部生成；如果报错，说明之前的cmake编译有问题，根据错误提示进行相应的查找和分析，这样可以节省大量的时间。
生成顺序如下图所示：

opencv_core生成成功：

opencv_cudacodec生成成功：

接下来开始ALL_BUILD，生成过程相当漫长，可以该干嘛干嘛去。完事回来，蹦出以下错误：

该错误提示链接失败，无法打开opencv_cudabgsegm和opencv_cudaobjdetect的库文件。接下来我们单独对这两个项目重新生成：

喜闻乐见，opencv_cudabgsegm生成成功：

opencv_cudaobjdetect也同样生成成功：

这时，我们可以在D:\opencv400_CUDA\lib\Debug目录下，确认生成相应的.lib文件：

重新ALL_BUILD，坐等结果。。。

编译的过程中可能出现一下三个问题：

1. 如果遇到boostdesc和vgg的问题，可参考
   fatal error: boostdesc_bgm.i: vgg_generated_80. vgg_generated_120.i没有那个文件或目录文章中提到的办法解决。所需文件下载地址：boostdesc，vgg。
   将解压缩后的文件放到opencv_contrib/modules/xfeatures2d/src目录下，用Cmake重新配置一遍，然后重复以上操作即可。

2. 如果遇到 “features2d/test/test_detectors_regression.impl.hpp”: No such file or directory的问题，可参考VS2015+OpenCV4.1.1拓展模块配置主要错误解决方案中提到的方法解决。

3. 如果遇到 error LNK1104: 无法打开文件“python37_d.lib” 的问题，可参考编译OpenCV缺少python27_d.lib的解决方法的方法来解决。

生成成功！没有报错！
这就预示着之后生成INSTALL项目一路坦途一马平川，该填的坑都填平了，可以哼着小曲小嗨一会儿。

鼠标轻轻一抖，INSTALL生成起来。果不其然，生成得舒心又顺畅：

install文件夹下，出现了相当亲切的文件目录：bin、include和x64\vc14\lib，接下来大家知道该怎么做了。

配置编译好的opencv。
首先配置环境变量，在Path中添加D:\opencv400_CUDA\install\x64\vc14\bin，注销或重启电脑使其生效：

接下来配置VS项目属性。
新建一个控制台应用程序，在项目名称上右键，然后点击 Properties（属性）：
在 VC++ Directories 中添加 Include Directories 和 Library Directories：

Include Directories 中添加以下两个路径：

D:\opencv400_CUDA\install\include\opencv2
D:\opencv400_CUDA\install\include

Library Directories中添加以下路径：

D:\opencv400_CUDA\install\x64\vc14\lib

接下来要输入附加依赖项，就是在 Linker – Input – Additional Dependencies 里面，把生成的所有 .lib的文件名都写上。

下面是一个比较便捷的操作，以生成debug的库名称为例。在 D:\opencv400_CUDA\install\x64\vc14\lib 文件夹空白处Shift+鼠标右键，点击 Open PowerShell window here，打开PowerShell命令窗口。

输入以下命令行：

dir *d.lib -Name >debug_lib.txt

在文件夹中会生成一个名为 debug_lib.txt 的文本文件，里面包含了所有debug版本的库文件名，如下图所示：

Ctrl+A选中全部文本，将所有文件名复制粘贴到 Additional Dependencies 的文本框中，点击OK：

到这里，opencv配置完成！

接下来要做的就是测试刚才编译生成的opencv库，看看是否可以正常使用GPU加速。
找到 D:\opencv400_source\opencv-4.0.0\sources\samples\cpp\tutorial_code\gpu\gpu-basics-similarity 文件夹下的 gpu-basics-similarity.cpp 文件：

把该文件中的内容复制到刚才配置好opencv的测试工程中，注意选择x64的Debug版本，然后在项目名称上右键，点击Build（生成）：

项目顺利生成：

到此，opencv编译和测试全部完成！！！
用GPU尽情加速吧，少年！！！

支线任务

如果你想把这个例程跑起来，就需要对上面的代码做一定的修改。不难，有兴趣的朋友可以自己尝试。
将下图作为输入图像：

将原图缩小5分之一再放大回原尺寸的图像，作为待测图像，如下图所示：

运行结束，将会得到CPU和GPU运算时间对比，以及图像质量评价结果，如下图所示：

Mission completed! Well done, Boy!