【学习OpenCV】OpenCV的GPU模块（CUDA）的配置和例程（含OpenCV 3.0的说明）

最新版本的CUDA开发包下载：点击打开链接

本文基于 VS2012，PC是win7 x64，opencv2.4.9

编译opencv源码

参考《How to Build OpenCV 2.2 with GPU (CUDA) on Windows 7》，里面有点繁琐，大家可以看下面的

1、安装CUDA Toolkit，官方说明书：点击打开链接

安装过程就像普通软件一样，最后提示有的模块没有安装成功，我们不管，只要ToolKit装了就行。上面链接里说要安装SDK、NPP什么的，可能因为是旧版本的CUDA，现在6.0都集成在安装包里了，一次搞定！

2、CMake编译OpenCV

注意三个地方，缺一不可：

（1）CUDA的路径，如图所示

第1步安装好后，Cmake会自动寻找，不用我们设置。如果CUDA_TOOLKIT_ROOT_DIR_NOFOUNDED，请回去第1步！

（2）WITH_CUDA，默认是选中的。

（3）WITH_TBB，默认没有选中，记得勾上。tbb是需要自己安装的，参考http://www.cnblogs.com/freedomshe/archive/2013/01/11/win7_vs2012_opencv_rebuild.html

最后生成一个.sln

3、VS编译install

VS打开刚刚生成的sln，找到INSTALL项，右键生成，就开始编译了！请注意，编译时间比较长，我的机器E3 1250  耗时将近2个小时，所以先准备好一杯咖啡。编译完成后，得到一个新目录install，所有include、bin、lib都在里面了。整个项目文件夹大概6G多一点，比没有CUDA的时候多了差不多2G！好吧，开始享受cuda吧！

demo

附上一个简单的例程，可以用来检验CUDA平台是否搭建成功：

#include "stdafx.h"
#include "opencv2/opencv.hpp"
#include "opencv2/gpu/gpu.hpp"

int _tmain(int argc, _TCHAR* argv[])
{
	int num_devices = cv::gpu::getCudaEnabledDeviceCount();
	
	if(num_devices <= 0)
	{
		std::cerr<<"There is no device."<

需要注意的是，在所有使用GPU模块的函数之前，最好需要调用函数gpu::getCudaEnabledDeviceCount，如果这个函数返回值为0，同时你在命令行中能够看到“CUDA is no support”的错误，说明没有编译成功，重新回到第1步开始吧

------------------------------------------------------分割线--------------------------------------------------------------

OpenCV 3.0的CUDA模块

源码编译：http://blog.csdn.net/kelvin_yan/article/details/48708227

编译的大小为8.多G

相对2.x的改动

* 不再使用cv::gpu的命名空间，改用cv::cuda

* 头文件中需要单独引用

#include "opencv2/core.hpp"
#include "opencv2/cudaarithm.hpp"
#include "opencv2/cudafilters.hpp"
...

调用不同的cuda函数需要引用对应的头文件，这些头文件的说明参考： http://blog.csdn.net/kelvin_yan/article/details/48734707

* 增加了一些函数，同时删除了一些函数，改变了某些函数的用法

例如，gpu::add、 gpu::multiply、gpu::subtract的形参有所改动，使用stream时与2.x版本是一样的

例如，滤波函数的调用方式也改变了，先要创建一个cv::Ptr的对象，作为滤波器，然后调用该对象的apply方法进行实际滤波，以下为高斯滤波的例子：

cv::Ptr gauss = cv::cuda::createGaussianFilter(CV_32F, CV_32F, Size(11, 11), 1.5, 0, cv::BORDER_DEFAULT,-1);	//创建高斯滤波器
gauss->apply(src, dst);	//高斯滤波

----------END-----------