windows 10 + vs2017 +cmake 3.17.2 编译 opencv 4.3.0 +opencv_contrib + cuda 10.2

1) 环境说明 

    操作系统： windows 10   IDE： vs 2017     编译工具： CMake  3.17.2

    原始数据：opencv 4.3.0 源码 + opencv 4.3.0 contrib + cuda 10.2

2) 原始资料准备：（默认安装 vs 2017）

    2.1 CMake 下载: https://cmake.org/download/  

   按需下载，采用cmake-3.17.2-win64-x64.zip。

    2.2 opencv 4.3 以及 contrib 4.3

    opencv -- github  资源：   https://github.com/opencv/opencv/releases

    opencv -- contrib  资源：  https://github.com/opencv/opencv_contrib/releases

    2.3 cuda 10.2 

    cuda 资源： https://developer.nvidia.com/cuda-downloads

   按照的自己电脑配置进行选择： 我的配置是win10 + x64

    2.4 tbb （一定要装，如果不装，cmake可以构建成功，但是vs构建opencv工程时，会报错。说是安装，下载资源解压到指定目录即可）【目录结构可见下方】

    tbb 资源： https://github.com/oneapi-src/oneTBB/releases

3）顺序安装：

     3.1) 默认已安装好 vs 2017

     3.2) 安装下载好的 cuda 10.2 (cuda 是仅支持NVIDIADIA 显卡)  ：

            参考 ：https://www.cnblogs.com/arxive/p/11198420.html

            自动添加cuda路径到计算机系统路径：

     3.3) cmake  3.17.2  最重要的勾选下列选项 --

            参考：https://blog.csdn.net/u011231598/article/details/80338941

     3.4 )  上述工作准备完毕  --  最重要部分： opencv + opencv_contrib + cuda 编译

           3.4.1  准备存储文件夹,为了方便构建，我放在E盘下的opencv4.3文件下，目录结构如下所示：（路径避免中文字符，可以减少很多不必要的麻烦）：

        3.4.2  cmake 打开

        source code 选择我们设置的opencv 源码路径 -- where to build the binaries 路径是我们需要构建工程的输出目录，这边我在同级目录下直接构建opencv-4.3.0-build文件夹，作为我工程的输出目录。

         这时 我们点击 左下方的 Configure 按钮，如果你没有预先构建build目录，会询问是否构建目录，选择是即可；接下来会显示选择编译器： 根据自己的本机 c++ IDE选择，我这边选择 2017版本。

        在Optional platform for generator, 我们选择x64; (因为cuda 版本我选择了x64位，否则在后续编译时，会出现contrib 模块无法连接到 target module 下的cuda文件错误。我在这里耽误了一些时间，最后在stackflow上找到原因，请选择 x64)

    点击finish 按钮，cmake 开始更新选项。

     完成后，会出现如下很多的选项，接下来按需要选择 我们所需要的选项。

从上往下，选择勾选 BUILD_EXAMPLES、取消勾选BUILD_PREF_TESTS和BUILD_TESTS、（如果需要将所有的模块打包成一个模块，勾选BUILD_opencv_world， 这边建议勾选，使用时只加载一个lib即可）、设置OPENCV_EXTRA_MODULES_PATH，选择我们防止opencv_contrib源码位置的modules文件。如下图：

  再次点击configure 看下面输出有没有报错： 这边一般会出现两种情况：

1）这11个文件下载报错。E:\opencv-4.3\opencv-4.3.0-build\CMakeFiles查看CMakeError.log 或者 build下的CMakeDownloadLog.txt查看网址，直接到github上下载放在E:\opencv-4.3\opencv-4.3.0\.cache\xfeatures2d下的对应目录下，你会发现文件夹下有对应文件，但是文件夹为0KB，你需要将自己下载的文件 重命名 覆盖文件。（命名按照0KB文件同名命名覆盖）【其他相同文件缺失也可按照此方法进行对应版本文件替换，CSDN也有资源文件，就是需要币】

2） 这个face模块下文件较大，日常下载失败，人脸模块我也用不到，故我选择不勾选该模块。

3）通过筛选，tbb，勾选 WITH_TBB，点击 configure ，设置Tbb的环境路径。

设置tbb环境路径：点击 configure 即可。

cuda 勾选， 点击 configure

可以 https://developer.nvidia.com/cuda-gpus 查看自己GPU的CUDA_ARCH_BIN 参数减少configure时间。我的是1050 ，填写 6.1 即可。

最后点击Generate生成项目，没有错误，通过Open Project 使用VS 2017 打开构建build下的OpenCV.sln项目。

生成ALL_BUILD 和 INSTALL 项目 -- 右键生成。大约 2-3小时后生成项目（with CUDA的编译特别慢）

一切顺利没有报错，可以在build的路径下找到你生成的lib文件，即可配置使用了。（有错误可以查找对应错误，重新生成）

 

 

   4） 项目测试

     需要配置一下 系统环境变量：Path （项目运行时所需要的dll文件）

   CMakeLists.txt

cmake_minimum_required (VERSION 3.0)

project (ReconStruct)

set(PROJECT_INCLUDE_DIR ${PROJECT_SOURCE_DIR}/include)
set(PROJECT_SOURCE_DIR ${PROJECT_SOURCE_DIR}/src)

#OpenCV include
set(OpenCV_INCLUDE_DIR E:/opencv-4.3/opencv-4.3.0-build/install/include)

#Eigen include
set(EIGEN_INCLUDE_DIR "E:/opencv-4.3/eigen-3.3.7/")

#CUDA  include
set(CUDA_INCLUDE_DIR "E:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v10.2/include")

include_directories(
	${PROJECT_INCLUDE_DIR}
	${OpenCV_INCLUDE_DIR}
	${EIGEN_INCLUDE_DIR}
	${CUDA_INCLUDE_DIR}
)
message("source foleder is : ${OpenCV_INCLUDE_DIR}")

#openCV lib
set(OpenCV_LinkLib_DIR E:/opencv-4.3/opencv-4.3.0-build/install/x64/vc15/lib)

#CUDA lib （使用""包含空格path）
set(CUDA_LinkLib_DIR "E:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v10.2/lib/x64")

link_directories(
	${OpenCV_LinkLib_DIR}
	${CUDA_LinkLib_DIR}
)
# opencv 的依赖库
link_libraries(opencv_world430 opencv_world430d cublas cuda cudadevrt cudart cudart_static OpenCL)
add_executable(ReconStruct src/main.cpp)

target_link_libraries(ReconStruct ${OpenCV_LinkLib_DIR})

   主函数： main.cpp

#include 
#include 
#include 
#include 
#include 
#include "cuda_runtime.h"
#include 

using namespace std;
using namespace cv;

int main()
{
	clock_t t1 = clock();
	
	Mat src_host = imread("E:/hello.png");
	imshow("src", src_host);
	cuda::GpuMat src, gray;
	cv::imshow("src", src_host);
	src.upload(src_host);
	cuda::cvtColor(src, gray, COLOR_BGR2GRAY);
	Mat gray_host;
	gray.download(gray_host);
	imshow("src", src_host);
	imshow("gray", gray_host);
	
	clock_t t2 = clock();
	std::cout << "time :" << (t2 - t1) / 1000 << "s" << endl;

	/*cv::cuda::printCudaDeviceInfo(cuda::getDevice());
	int count = cuda::getCudaEnabledDeviceCount();
	printf("GPU Device Count : %d \n", count);*/

	waitKey(0);
	return 0;
}

使用GPU进行图片颜色转灰度。

至此，opencv + cuda 环境配置完成。

感谢相关博客主：

https://blog.csdn.net/qq_37791134/article/details/80739395

https://www.cnblogs.com/asmer-stone/p/5530868.html

https://blog.csdn.net/qq_41180014/article/details/91467890