Windows下编译开启CUDA加速并集成opencv_contrib的OpenCV及在不同Python环境下的应用

OpenCV官网提供的是剔除某些算法、未开启CUDA加速的稳定版本，由于某些原因未集成进标准OpenCV的算法被封装在OpenCV-contrib模块中，想要使用这些算法或开启CUDA加速，就需要自行编译。目前Linux平台C++环境下的编译教程较多，而Windows平台Python环境下编译的教程较少，因此本教程基于Windows环境进行编译部署

1、软件版本

软件	版本
OpenCV	4.7
OpenCV-contrib	4.7
Cmake	3.26.3
Visual Studio	2022
Anaconda/Miniconda	不限

2、资源下载

2.1、OpenCV

打开OpenCV项目的github地址https://github.com/opencv/opencv

选择Releases中的OpenCV4.7.9（实际上你想选择啥版本都可以）

选择opencv-4.7.0-windows.exe

下载完成后解压到指定文件夹

2.2、OpenCV-contrib

打开OpenCV-contrib项目的github地址https://github.com/opencv/opencv_contrib

点击tags（OpenCV-contrib没有release版本）

选择与opencv-4.7.0对应的4.7.0版本

下载源码即可

下载完成后解压到指定文件夹，建议放在2.1OpenCV解压的同级文件夹

2.3、Cmake

打开Cmake下载网页https://cmake.org/download/

选择3.26.3的安装版即可

傻瓜式安装，无需多言~

2.4 Visual Studio

打开Visual Studio 下载网页https://visualstudio.microsoft.com/zh-hans/

选择你喜欢的版本

勾选[使用C++的桌面开发]即可

注意：如果当前你使用的是win10，建议勾选Windows 10 SDK，目前vs2022默认包含的是Windows 11 SDK

2.5 Anaconda/Miniconda

Anaconda下载网页https://www.anaconda.com/

Miniconda下载网页https://docs.conda.io/en/latest/miniconda.html

选择自己喜欢的版本(哪个版本都可以，因为后期会使用自己创建的虚拟环境而不是base环境的Python编译器)

Anaconda/Miniconda 是为了提供Python环境，也是傻瓜式安装~

创建一个虚拟环境为编译OpenCV做准备，

conda create -n e_name python=3.X

激活虚拟化境

conda activate e_name

查看pip安装包的位置

python -m site

如果指向虚拟环境目录下的文件夹，就需要更改

查找site.py位置

python -m site -help

修改位置

USER_SITE = “D:\miniconda3\envs\complied_opencv\Lib\site-packages”
USER_BASE = “D:\miniconda3\envs\complied_opencv\Scripts”

检测修改结果

python -m site

下载numpy–编译时需要

pip install numpy

3、目录配置

新建编译时需要用到的build文件夹，给他们统一命名方式

4、配置Cmake

4.1、选择目录

点击Configure

期间会下载一些文件，因为网络原因，可能会不能成功下载，根据下载错误提示的位置，找到下载链接，单独下载并保存在对应的位置.

错误提示在cmake的输出框或者E:\complied_opencv\opencv-build-4.7.0\CMakeDownloadLog.txt

需要注意，名称必须和未正常下载的文件的名称保持一致，因为程序会对文件进行校验

我这里描述的可能有些简单，但是这已经是全部操作了，以后有时间了会考虑把这部分的详细操作步骤记录下来

下载文件保存位置在E:\complied_opencv\opencv-4.7.0\sources.cache

目录结构如下，可能因为版本不同而有差异

4.2、配置OpenCV-contrib

搜索opencv_extra_modules_path填入E:\complied_opencv\opencv_contrib-4.7.0\modules

注意目录填到modules这一层

4.3、配置CUDA

搜索CUDA

勾选和和CUDA相关的所有选项

再次点击Configure

期间还会有一些文件下载，可能还会因为网路原因导致文件下载失败，处理方法同4,1

操作完成之后再次搜索CUDA，或出现更多的CUDA相关配置

CUDA_FAST_MATH默认是没有勾选的，这里需要给他勾选上

图上哪俩没勾选的不要勾选！！！

4.4、配置Python

Cmake默认指向的是base环境下的Python，这里需要修改到自己创建的虚拟环境下的Python版本

搜索python，修改路径即可，一般就是在/miniconda3后面添加/envs/e_name/

e_name是虚拟环境的名称

D:/miniconda3/… —> D:/miniconda3//envs/e_name/…

4.5、配置NONFREE(可选)

开启某些有版权的算法

搜索nonfree，勾选OPENCV_ENABLE_NONFREE

4.6、处理setupvars(可选)

这个报错可以忽略，不影响编译

也可以取消勾选OPENCV_GENERATE_SETUPVARS

4.7、优化编译(可选)

去掉Java、test相关选项，加快编译速度，如果你需要的话，就别取消勾选啦

4.8、生成

上述步骤完成后，再次点击Configure，注意到这里已经点击这玩意好几次啦

Configure done后，点击Generate

Generate done后，点击Open Project

至此Cmake的工作完成了，接下来的工作由vs进行

5、VS生成

切记生成方式选择Release

5.1、 生成ALL BUILD

完成后输出如下(会因版本、配置不同而有差异)

5.2、生成INSTALL

完成后输出如下(会因版本、配置不同而有差异)

6、使用编译版本

对于camke中配置的python环境，可以直接进行

import cv2
print(cv2.__version__)

# 如果编译了cuda，输出结果将大于0
print(cv2.cuda.getCudaEnabledDeviceCount())

7、迁移编译版本

编译完成后，需要保留的文件夹，install、lib、bin(可选)、python_loader(可选),其余的都可以删除

bin和python_loader是可以python_loader/setup.py进行部署，不过我不太喜欢这种方式，实际上只保留install和lib就行，甚至lib文件夹也可以不保留。

7.1、未编译CUDA

只需要将install文件夹和cmake中配置的python环境的包路径中的cv2文件夹复制到目标环境对应位置即可。

路径一般都是X:\XXX\envs\opencv\Lib\site-packages\cv2

cv2文件夹要放在目标环境的包路径下，一般是…\Lib\site-packages\cv2

install文件夹随你喜好，放在哪里都行，为了方便管理，还是建议和cv2放在一起

如果是同一个电脑上的不同环境之间的迁移，到这里就已经完事了。

下面接着说跨设备的迁移

修改config.py

这是改成你保存install文件夹的位置

修改config-3.8.py(我实在python3.8环境想编译的，同理~)

这是改成你保存cv2文件夹的位置

然后你可以使用自己编译的opencv了

7.2、编译了CUDA

步骤和7.1基本一直，在修改config.py多了一个cuda路径

特别提醒，编译CUDA版本opencv时使用的CUDA版本需要与待迁移设备的CUDA版本保持一致，否则将无法正常使用！！！

一起变强！！！