使用vscode，cmake，opencv gpu进行硬解码视频

在此之前需要基于msvc编译器来编译gpu版opencv，详细内容请查看windows下不依赖Visual Studio编译gpu版opencv，支持硬解码硬编码

1. vscode安装：这个就不赘述了，安装完vscode后需要安装cmake tools插件
2. 配置opencv的dll库路径，在电脑中将编译好的opencv的bin路径添加到环境变量中，这样后续编译好的exe才能加载opencv的动态dll库
   
3. 在开始菜单中点击x64 Native Tools Command Prompt for VS 2022打开编译器，不知道微软的msvc编译器的可以看开头的文章，在编译器中输入code来启动vscode，只有这样cmake tools才能识别出来编译器环境。也有其他方法，配置编译器环境变量，这个自行查找
4. 编写c++代码

// main.cpp
#include <iostream>
#include <vector>
#include <numeric>
#include <opencv2/cudacodec.hpp>
#include <opencv2/highgui.hpp>

int main(int argc, const char* argv[])
{
    // std::cout<<cv::getBuildInformation()<<std::endl;
    //将这个视频改成你自己的
    const std::string fname = "test.mp4";
    cv::Mat frame;
    cv::VideoCapture reader(fname);
    cv::cuda::GpuMat d_frame;
    cv::Ptr<cv::cudacodec::VideoReader> d_reader = cv::cudacodec::createVideoReader(fname);
    cv::TickMeter tm;
    std::vector<double> cpu_times;
    std::vector<double> gpu_times;

    for (int i = 0;i<200;i++)
    {
        tm.reset(); tm.start();
        if (!reader.read(frame))
            break;
        tm.stop();
        if (i>50)
        	cpu_times.push_back(tm.getTimeMilli());
		// cv::imshow('cpu',frame);
		// cv::waitKey(1);
        tm.reset(); tm.start();
        if (!d_reader->nextFrame(d_frame))
            break;
        tm.stop();
        if (i>50)
        	gpu_times.push_back(tm.getTimeMilli());
        // d_frame.download(frame);
        // cv::imshow("gpu",frame);
        // cv::waitKey(1);
    }

    if (!cpu_times.empty() && !gpu_times.empty())
    {
        std::cout << std::endl << "Results:" << std::endl;

        std::sort(cpu_times.begin(), cpu_times.end());
        std::sort(gpu_times.begin(), gpu_times.end());

        double cpu_avg = std::accumulate(cpu_times.begin(), cpu_times.end(), 0.0) / cpu_times.size();
        double gpu_avg = std::accumulate(gpu_times.begin(), gpu_times.end(), 0.0) / gpu_times.size();

        std::cout << "CPU : Avg : " << cpu_avg << " ms FPS : " << 1000.0 / cpu_avg << std::endl;
        std::cout << "GPU : Avg : " << gpu_avg << " ms FPS : " << 1000.0 / gpu_avg << std::endl;
    }

    return 0;
}

5. 编写CMakeLists.txt

cmake_minimum_required(VERSION 3.10)
project(opencv_example_project)
set(OpenCV_DIR F:/3rdparty/opencv/sources/build/install/lib) #替换你自己的lib路径
find_package(OpenCV REQUIRED)
add_executable(opencv_example main.cpp)
target_link_libraries(opencv_example PRIVATE ${OpenCV_LIBS})     

6. 生成可执行文件并执行
   
   

可以看到gpu执行的速度还是非常快的，我这里是8k的视频，gpu设备是rtx3060 laptop gpu读取速度344fps，不过这里是时间计算我感觉是有问题的，不知道gpu解码的时间有没有同步在gpu_times中，而且这里仅仅是解码的时间，如果在加上从显存到内存的时间，速度是很慢的。不过硬解码的视频本身就是为了送给ai预测的，所以没必要拷贝到内存