vs2019编译opencv+contribute+gpu

1、提前准备

vs2019、opencv4.4.0、opencv-contribute4.4.0、CUDA Toolkit 11.8（不能高于自己电脑的CUDA版本）、CUDNN8.9.6

ps：先提前准备环境

1）cmd中查看：nvidia-smi查看自己的显卡信息，不存在下述信息的话则需先安装英伟达显卡驱动程序。

从下图可知，本机显卡驱动支持的cuda最高版本为12.2，那么只需要安装比12.2低或者相同的CUDA库即可。

需要注意的是，有些高版本的cuda不支持vs2022，比如cuda11.2最高只支持vs2019，而不支持vs2022。

2）安装CUDA及CUDNN

安装完CUDA后将CUDNN内的文件拷贝到CUDA安装文件夹，与文件夹内的合并。

指令：nvcc -V 

在控制台中输入bandwidthTest.exe及deviceQuery.exe的所在目录，如我的：

F:\installfile\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite

运行该程序：./bandwidthTest.exe及 ./deviceQuery.exe

出现Result = PASS信息表示成功安装CUDA及CUDNN

2、cmake配置编译选项时出现的问题

Policy CMP0148 is not set: The FindPythonInterp and FindPythonLibs modules are removed. Run "cmake --help-policy CMP0148" for policy details.

解决办法：在文件OpenCVUtils.cmake

F:\installfile\opencv4.4.0\opencv+contrib+gpu\sources\cmake\OpenCVUtils.cmake

的第一行添加

if(POLICY CMP0148) 
cmake_policy(SET CMP0148 OLD)
endif()

if(POLICY CMP0146) 
cmake_policy(SET CMP0146 OLD)
endif()

3、若用vs2022编译的话可能会在编译时出现很多报错，因此改为vs2019来配置及编译。

4、配置步骤：

1）打开cmake，输入源码路径及生成工程的路径，后

2）Configure结束后，在search框里搜索并配置一些选项：

1. 勾选 BUILD_opencv_world（它会将生成的所有库都集中在opencv_world440.lib或opencv_world440d.lib一个包中，而不是分散存放的，便于后续配置工程项目）
2. 配置 OPENCV_EXTRA_MODULES_PATH，填写contrib源码的modules文件夹的位置，如我的：

   F:\installfile\opencv4.4.0\opencv+contrib+gpu\opencv_contrib-4.4.0\modules

3. 搜索“cuda”，勾选 BUILD_CUDA_STUBS、OPENCV_DNN_CUDA、WITH_CUDA
4. 勾选 ENABLE_FAST_MATH 
5. 勾选 OPENCV_ENABLE_NONFREE
6. 取消勾选 OpenCV_GENERATE_SETUPVARS
7. 分别搜索“python”，“java”，“js”，“tests”，分别取消勾选所有已经勾选的python、java、js、tests相关选项

3）点击Configure进行第二次Configure

4）新配置以下

1. 勾选 CUDA_FAST_MATH
2. CUDA_ARCH_BIN 填写对应GPU的算力指数，如果已经有了多个值，可以把其他的值删除以加速后续编译，算力指数查询链接：CUDA GPUs - Compute Capability | NVIDIA Developer

5）再次点击Configure，同时检查一下生成信息：

没有报错的话，接着点击Generate生成工程。

6）在自己camke配置的工程目录下，打开生成的工程

1. 选择Release（或Debug）和x64平台
2. 右键ALL_BUILD工程，点击  生成
3. 右键INSTALL工程，点击  仅用于项目   点击     仅生成INSTALL

至此编译结束，编译生成的文件在上述步骤二配置cmake时指定的build文件夹下的install文件夹中。

7）配置vs的opencv工程：常规的添加库目录、包含目录以及附加依赖库，并用以下代码来检验opencv库是否具备CUDA的支持

#include <opencv2/core.hpp>
#include <opencv2/core/cuda.hpp>
#include <iostream>

int main() 
{
    std::cout << "OpenCV version: " << CV_VERSION << std::endl;

    // 检查是否有可用的 CUDA 设备
    if (cv::cuda::getCudaEnabledDeviceCount() > 0) 
    {
        std::cout << "CUDA is enabled and available devices found." << std::endl;
    } 
    else 
    {
        std::cout << "CUDA is not enabled or no CUDA devices found." << std::endl;
    }

    return 0;
}