基于QT5.14.2的OPENCV4.8.0的cuda11.4开发环境搭建和源码编译

Jieeeee`

已于 2023-07-26 10:23:33 修改

阅读量2.4k

点赞数 6

分类专栏：机器视觉 cuda开发文章标签： opencv qt 计算机视觉

于 2023-07-25 14:33:02 首次发布

本文链接：https://blog.csdn.net/u010396127/article/details/131916898

版权

机器视觉同时被 2 个专栏收录

9 篇文章 1 订阅

订阅专栏

cuda开发

7 篇文章 0 订阅

订阅专栏

1.安装显卡驱动、cuda、cudnn

2.安装QT5.14.2

3.安装visual studio 2019

4.安装Cmake

5.下载OPENCV4.8和opencv_contrib-4.x

为了在WINDOWS环境中可以运行OPNECV CUDA程序，所以对OPENCV源码进行编译，增加QT和CUDA适配，并增加外部库编译。

本文还包括了CUDA驱动和CUDNN的环境配置过程。

硬件平台GTX1050TI 算力6.1

cuda版本11.4 cudnn版本为11.x

QT版本5.14.2

vs2019

1.安装显卡驱动、cuda、cudnn

显卡驱动是自带的，选常规驱动安装软件就行（360驱动大师）

通过上图看到显卡适配的cuda最大版本，注意是最大，一般别用最新的版本，我选择是11.4

到下方网站下载cuda驱动，选WIN10 选本地下载

得到 cudnn-windows-x86_64-8.9.2.26_cuda11-archive.zip

https://developer.nvidia.com/cuda-toolkit-archive

解压安装，选自定义安装，组件全选

安装完成后在shell里输入ncvv -V得到如下结果

接下来下载cudnn 需要账号选择cuda11.x对应版本

下载好后解压

把里面三个文件夹的内容分别复制到

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin

然后添加系统变量 path 以下内容，最后一项意义不大可以不添加

配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwidthTest.exe：

首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe（进到目录后需要直接输“bandwidthTest.exe”和“deviceQuery.exe”）,应该得到下图:

2.安装QT5.14.2

这个略过，教程太多

记得MINGW MSVC都要装选64位就行

3.安装visual studio 2019

这个也略过，安装的时候记得把C++选上

4.安装Cmake

Windows下CMake安装使用_cmake window_Word哥的博客-CSDN博客

5.下载OPENCV4.8和opencv_contrib-4.x

opencv去官网下载，点source下载，别下windows的

Releases - OpenCV

opencv_contrib-4.x.zip 去github下载

https://github.com/opencv/opencv_contrib

分别解压成两个文件夹放在opencv目录下，再新建一个new_build文件夹

6.配置Cmake，进行编译

添加源码目录，打勾advance

点configure，选vs2019 x64

点finish等待生成

进行设置

search输入关键词找到设置选型

首先是mo，设置外部库目录

然后是cuda全打勾

QT打勾

然后是py force_lib打开

var 取消

然后再点configure

搜cuda 设置算力这个值去网上搜你手里显卡的算力

我这里1050是6.1

然后搜QT 设置目录如下

搜math 打勾两个

搜world 打勾

搜free 打勾不然SIFT用不了

搜opengl 打勾

再点一次 configure

然后搜CVV 取消不然编译过不了 world和CVV这俩东西只能二选一

然后再点一下 configure

去D:\opencv\new_build\ 打开CMakeDownloadLog.txt 检查下载项是否都下载完成，这部分很难通过脚本下载，我是科学上网用浏览器一个一个复制链接下载的，全放在D:\opencv\opencv-4.8.0\.cache文件夹下，还好文件不多，累死人

下面这篇文章有办法直接下载，但我没试

Cmake 编译opencv缺少出现下载ffmpeg_ffmpeg_version.cmake_大海3004的博客-CSDN博客

有需要可以联系我提供这部分文件

全部文件识别没错是这样

然后看cmake 下方的日志

确认python是否被识别

确认cuda cudnn是否被识别

点击generate，无报错

配置完成，点击generate

点击open project打开VS工程

核心就这两个

首先右键ALL-BUILD 选生成，这个过程挺长而且容易报错，VS环境只能选2017-2019

再右键INSTALL选生成，这个很快，可以看看具体拉取了什么

编译和安装结束，核心文件都在new_builed/install里

新增WIN系统环境变量

重启计算机，适配新增变量

7.使用测试

使用VS2019进行测试

新建工程选择空白工程即可，新建main.cpp

#include <opencv2/opencv.hpp>
#include <opencv2/core.hpp>
#include <opencv2/cudaarithm.hpp>
#include <iostream>

using namespace std;
using namespace cv;
using namespace cv::cuda;

int main()
{
    // OpenCV版本号
    cout << "OpenCV_Version: " << CV_VERSION << endl;
    // CUDA
    int num_devices = getCudaEnabledDeviceCount();
    if (num_devices)
        cout << "CUDA is available, num_devices:" << num_devices << endl;
    else
        cout << "CUDA is not available." << endl;
    //读取图片
    Mat img = imread("D:/CUDA_ARCH_BIN.png");

    imshow("picture", img);
    waitKey(0);
    return 0;
}

设置项目属性-VC++目录里新增包含目录和库目录

设置编译器附加库目录