OpenCV2.4.7+VS2008+Win7环境配置

以下为OpenCV2.4.7+VS2008+Win7 32位环境配置

1.下载OpenCV2.4.7,安装到C盘下,安装后的目录结构如图1

图1.

 

2.配置环境变量PATH:C:\opencv\build\x86\vc10\bin;结果如图2.配置完这一项后重启或者注销下电脑才能生效.

图2.

3.新建VS2008工程,类型为win32控制台应用进行如下配置:

3.1工程->选项->项目和解决方案->VC++目录,在包含文件中包含以下目录:C:\opencv\build\include\和C:\opencv\build\include\opencv,库文件包含目录:C:\opencv\build\x86\vc10\lib

效果如图3和4:

图3.库文件包含目录

图4.包含文件包含的目录

3.2新建一个CPP文件,代码如下附在最后

然后配置项目属性:项目->属性->配置属性->连接器->输入->附加依赖项,添加如下内容:
注意:这个只是针对Debug版本的配置,release版本用到的lib不一样.

 opencv_calib3d247d.lib
opencv_contrib247d.lib
opencv_core247d.lib
opencv_features2d247d.lib
opencv_flann247d.lib
opencv_gpu247d.lib
opencv_highgui247d.lib
opencv_imgproc247d.lib
opencv_legacy247d.lib
opencv_ml247d.lib
opencv_objdetect247d.lib
opencv_ts247d.lib
opencv_video247d.lib

效果如图5:

 

4.项目的运行目录下放一个名字为girl.jpg的图片 测试是否配置成功
配置成功的额话这个Demo会读取并显示一幅图像


5.可能遇到问题:缺少MSVCP100.dll,MSVCR100.dll,下载个这样的库房到system32下即可

.CPP代码:

 

#include "opencv2\opencv.hpp" #include <iostream> #include <string> using namespace cv; using namespace std; int main() {   const char *name="girl.jpg"; cout<<name<<endl; IplImage * pImg=cvLoadImage(name,1); if( pImg!=0 ) { cvNamedWindow( "girl", 1 ); // 创建窗口 cvShowImage( "girl", pImg ); // 显示图像 cvWaitKey(0);     // 等待按键 cvDestroyWindow( "girl" );  // 销毁窗口 cvReleaseImage( &pImg );  // 释放图像 return 0; } cout<<"说好的结果呢"<<endl; return -1; } 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: OpenCV是一个开源的计算机视觉和机器学习库,可以方便地处理图像和视频。而CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算架构,可以加速图形处理器(GPU)上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本,它提供了丰富的功能和算法,用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用,并且可以与Visual Studio 2017集成,提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本,它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码,以加速计算密集型任务。例如,在图像处理中,可以使用CUDA加速OpenCV算法,从而提高计算性能。 而cuDNN(CUDA Deep Neural Network library)是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法,可以与CUDA和OpenCV结合使用。 综上所述,OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速,可以提高计算性能,而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2: OpenCV 4.5.1是一个计算机视觉库,用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境(IDE),用于Windows操作系统上的软件开发。CUDA(Compute Unified Device Architecture)是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库,用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1,并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性,并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库,可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境,它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速,可以进一步提高图像和视频处理的速度和效率。 总结来说,使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速,特别是在需要处理大量图像和视频、进行深度学习任务的情况下。

“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 2
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