如何查看cmake项目的编译选项,并使OpenCV4支持CUDA. How to building OpenCV 4 with CUDA10

Automake如何查看编译选项

最初我们使用automake的时候,里面会有一个configure文件,我们通过 ./configure --help这个命令,就可以查看这个项目的编译选项,最常见的就是--enable-xxx或者--disable-xxx就像点餐那样,任意的添加或减少,最终编译出你最需要的版本来.

Cmake如何查看编译选项

通过GUI配置

现在来个最简单的吧,cmake-gui.哈哈原来Linux也有带GUI的cmake工具,我使用的是cmake-qt-gui.使sudo apt-get install camke-qt-gui安装一下就可以了.
在这里插入图片描述
就这样我们就可以通过带图形界面的配置OpenCV了.我这里是通过OpenCV测试的.其他的项目如何使用了cmake道理是一样的.

通过命令行配置

对于Linux的使用还是命令行的方式比较方便,因为我们太喜欢使用命令行了. 那就使用cmake -LH这个命令.使用的位置在opencv-4.1.0/buildbuild目录是我们刚刚创建的.

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV 4 开源库包含了许多功能和模块,其中包括了 contribute、cmakecuda 和 dnn.h。下面我来逐一解释它们的含义和作用。 1. Contribute: contribute 是 OpenCV 中的一个特殊模块,主要用于收集和整合开发者贡献的特性和算法。它提供了一种方式让开发者可以将自己的代码整合到 OpenCV 中,以便更广泛地被使用和测试。 2. CMake: CMake 是一个跨平台、开源的构建系统工具,用于管理软件项目的构建过程。在 OpenCV 中,CMake 被用于配置项目以生成对应平台的构建文件。它简化了构建过程,使得开发者可以更方便地编译和部署 OpenCV。 3. CUDA: CUDA 是 NVIDIA 公司推出的并行计算平台和编程模型。在 OpenCV 中,CUDA 被用于加速计算密集型任务,如图像处理和机器学习算法。通过利用 GPU 的并行能力,CUDA 可以显著提升 OpenCV 在处理大规模数据时的性能和效率。 4. dnn.h: dnn.h 是 OpenCV 中的一个头文件,它提供了深度神经网络相关的函数和类。通过 dnn.h,开发者可以使用 OpenCV 提供的深度学习模块来构建和训练自己的神经网络模型,并将其应用于图像处理、物体识别等任务中。 总结来说,OpenCV 4 中的 contribute 模块使得开发者可以更方便地贡献自己的代码;CMake 简化了 OpenCV 的构建过程;CUDA 利用 GPU 提升了 OpenCV 的性能;dnn.h 提供了深度学习相关的功能。这些模块和功能都使得 OpenCV 在计算机视觉和图像处理领域有更广泛的应用和更高的性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值