WSL的Ubuntu22.04安装opencv with cuda，并且在conda中使用

在wsl使用的过程中，opencv默认安装的都是不带cuda加速，对cpu的要求比较高，我们通过编译with cuda可以大大加速opencv的图像性能，鉴于我们的环境使用的都是conda，所以在conda中能够进行cuda操作也很关键。
首先我们先安装一下依赖：
 

sudo apt-get install -y \
        build-essential \
        cmake \
        git \
        gfortran \
        libatlas-base-dev \
        libavcodec-dev \
        libavformat-dev \
        libavresample-dev \
        libcanberra-gtk3-module \
        libdc1394-22-dev \
        libeigen3-dev \
        libglew-dev \
        libgstreamer-plugins-base1.0-dev \
        libgstreamer-plugins-good1.0-dev \
        libgstreamer1.0-dev \
        libgtk-3-dev \
        libjpeg-dev \
        libjpeg8-dev \
        libjpeg-turbo8-dev \
        liblapack-dev \
        liblapacke-dev \
        libopenblas-dev \
        libpng-dev \
        libpostproc-dev \
        libswscale-dev \
        libtbb-dev \
        libtbb2 \
        libtesseract-dev \
        libtiff-dev \
        libv4l-dev \
        libxine2-dev \
        libxvidcore-dev \
        libx264-dev \
        pkg-config \
        python-dev \
        python-numpy \
        python3-dev \
        python3-numpy \
        python3-matplotlib \
        qv4l2 \
        v4l-utils \
        zlib1g-dev

之后，我们去github下载对应的版本，这里以opencv 4.8.0版本为例：
https://github.com/opencv/opencv/archive/refs/tags/4.8.0.zip
https://github.com/opencv/opencv_contrib/archive/refs/tags/4.8.0.zip
下载好以后，找一个自己喜欢的文件夹解压一下，在这里我的路径为

~/Documents:

解压以后能看到2个文件夹，分别为opencv-4.8.0 和 opencv_contrib-4.8.0

接下来我们

cd opencv-4.8.0/
mkdir build
cd build

进行cmake环境配置，这里有几个前提条件，首先得确定自己的显卡ARCH版本，不懂的小伙伴可以从英伟达官网查询：CUDA GPUs - Compute Capability | NVIDIA Developer
例如我的显卡是4090，经查询版本为8.9
接下来我们在build 目录下执行

sudo cmake \
-D WITH_CUDA=ON \
-D WITH_CUDNN=ON \
-D WITH_CUBLAS=1 \
-D WITH_CUFFT=ON  \
-D WITH_CUBLAS=1 \
-D WITH_NVCUVID=OFF  \
-D WITH_OPENMP=ON  \
-D WITH_TBB=ON \
-D WITH_V4L=ON \
-D WITH_QT=ON \
-D WITH_OPENGL=ON \
-D WITH_GSTREAMER=ON \
-D OPENCV_DNN_CUDA=0N \
-D CUDA_ARCH_BIN=8.9 \
-D CUDA_ARCH_PTX=8.9 \
-D OPENCV_EXTRA_MODULES_PATH=/home/dai/Documents/opencv_contrib-4.8.0/modules \
-D BUILD_opencv_python2=OFF \
-D BUILD_opencv_python3=ON \
-D CMAKE_INSTALL_PREFIX=/usr/local ..

 需要注意的地方CUDA_ARCH_BIN配置成上述查询的代号，OPENCV_EXTRA_MODULES_PATH配置成你实际的路径

接下来就只需要运行

sudo make -j16

sudo make install

等待编译完成即可，最后执行完毕以后，即可在默认的环境中进行测试，
运行

那么我们发现在conda环境中无法使用cv2，或者以前安装过opencv，需要通过conda或者pip删除，我们可以通过创建软连接来使得虚拟环境中能查找到cv2的packet,我使用以下代码创建链接以后，就可以在conda环境中正确import cv2了

ln -s /usr/local/lib/python3.10/dist-packages/cv2 ~/miniconda3/envs/pytorch/lib/python3.10/site-packages/cv2