Windows10下vs2019+OpenCV4.5.1+OpenCV_contribute4.5.1+CUDA11.4.1环境配置及安装

Windows10下vs2019+OpenCV4.5.1+OpenCV_contribute4.5.1+CUDA11.4.1环境配置及安装

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

一，vs2019配置安装

这个大家都很熟练了，网上有很多介绍，选择C++以及扩展就行
在这里我选择的是visual studio 2019 community版本

二，QT5.12.2（不用可忽略）

新建一个项目，然后扩展

安装qt visual studio tools
安装后关闭vs，退出

点击modify进行安装

三，CUDA配置安装

3.1，安装流程

3.2，验证流程

方法一：打开cmd，进入目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite，输入nvcc -V:
方法二：运行测试demo，打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite，运行deviceQuery.exe：

若显示Result = PASS，说明安装成功。
顺便看一下算力是多少，像我随便找了个k420的板子，算力就是3.0，这个值也可以在https://developer.nvidia.com/zh-cn/cuda-gpus#compute 上找到，但是还是安装以后再看比较准。

四，CUDNN配置安装（照着前人的做吧）

https://blog.csdn.net/stjuliet/article/details/107812875

照着上面这个做，能够正确配置，首先要配置好vs2019,cuda和cudnn，然后安装opencv，opencv_contribute，最后再进行cmake，然后再进行编译，才能够全部成功

一些问题汇总：

1.cmake期间缺失、无法下载、报错等：

如：

• boostdesc_bgm.i
• boostdesc_bgm_bi.i
• boostdesc_bgm_hd.i
• boostdesc_lbgm.i
• boostdesc_binboost_064.i
• boostdesc_binboost_128.i
• boostdesc_binboost_256.i
• vgg_generated_120.i
• vgg_generated_64.i
• vgg_generated_80.i
• vgg_generated_48.i
• face_landmark_model.dat

等等，可以用前人的方法：
https://blog.csdn.net/sazass/article/details/108406518
https://blog.csdn.net/pzb19841116/article/details/115519158

2.opencv生成期间的问题

https://blog.csdn.net/weixin_45645281/article/details/114937793

后面顺便把tests相关都取消掉了

五，环境变量配置

C:\Qt\5.15.2\msvc2019_64\bin
C:\Qt\Tools\CMake_64\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\libnvvp
C:\Program Files\NVIDIA Corporation\Nsight Compute 2021.2.1
C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\x64
D:\work\OpenCV\opencv\contrib_new\install\x64\vc16\bin

六，配置属性配置表

配置好包含目录和库目录
如下图，建议新建两个opencv的属性表，分别配置debug和release的属性

下面是release的包含目录和库目录配置。选择的是install里面的指定目录，链接器用的是不带d的库lib。

七，测试

#include 
#include 

using namespace std;
using namespace cv;
using namespace cv::cuda;

int main()
{
	/*-------------------------以下四种验证方式任意选取一种即可-------------------------*/
	//获取显卡简单信息
	cuda::printShortCudaDeviceInfo(cuda::getDevice());  //有显卡信息表示GPU模块配置成功

	//获取显卡详细信息
	cuda::printCudaDeviceInfo(cuda::getDevice());  //有显卡信息表示GPU模块配置成功

	//获取显卡设备数量
	int Device_Num = cuda::getCudaEnabledDeviceCount();
	cout << Device_Num << endl;  //返回值大于0表示GPU模块配置成功

	//获取显卡设备状态
	cuda::DeviceInfo Device_State;
	bool Device_OK = Device_State.isCompatible();
	cout << "Device_State: " << Device_OK << endl;  //返回值大于0表示GPU模块配置成功

	system("pause");
	return 0;
}

测试出结果

#include 
#include 
#include 

#include 

using namespace cv;
using namespace std;

bool stop = false;
void sigIntHandler(int signal)
{
	stop = true;
	cout << "Honestly, you are out!" << endl;
}

int main()
{
	Mat img_1 = imread("opencv-logo-white.png");
	Mat img_2 = imread("pic5.png");
	if (!img_1.data || !img_2.data)
	{
		cout << "error reading images " << endl;
		return -1;
	}
	int times = 0;
	double startime = cv::getTickCount();
	signal(SIGINT, sigIntHandler);

	int64 start, end;
	double time;

	vector recognized;
	vector scene;

	for (times = 0; !stop; times++)
	{
		start = getTickCount();

		recognized.resize(500);
		scene.resize(500);

		Mat d_srcL, d_srcR;
		Mat img_matches, des_L, des_R;
		cvtColor(img_1, d_srcL, COLOR_BGR2GRAY);
		cvtColor(img_2, d_srcR, COLOR_BGR2GRAY);

		Ptr d_orb = ORB::create(500, 1.2f, 6, 31, 0, 2);
		Mat d_descriptorsL, d_descriptorsR, d_descriptorsL_32F, d_descriptorsR_32F;

		vector keyPoints_1, keyPoints_2;

		Ptr d_matcher = DescriptorMatcher::create(cv::DescriptorMatcher::MatcherType::BRUTEFORCE_HAMMING); //cv::DescriptorMatcher::MatcherType:://NORM_L2); MatcherType

		std::vector matches;
		std::vector good_matches;

		d_orb->detectAndCompute(d_srcL, Mat(), keyPoints_1, d_descriptorsL);
		d_orb->detectAndCompute(d_srcR, Mat(), keyPoints_2, d_descriptorsR);
		d_matcher->match(d_descriptorsL, d_descriptorsR, matches);

		int sz = matches.size();
		double max_dist = 0; double min_dist = 100;

		for (int i = 0; i < sz; i++)
		{
			double dist = matches[i].distance;
			if (dist < min_dist) min_dist = dist;
			if (dist > max_dist) max_dist = dist;
		}

		cout << "\n-- Max dist : " << max_dist << endl;
		cout << "\n-- Min dist : " << min_dist << endl;

		for (int i = 0; i < sz; i++)
		{
			if (matches[i].distance < 0.6 * max_dist)
			{
				good_matches.push_back(matches[i]);
			}
		}

		for (size_t i = 0; i < good_matches.size(); ++i)
		{
			scene.push_back(keyPoints_2[good_matches[i].trainIdx].pt);
		}

		for (unsigned int j = 0; j < scene.size(); j++)
			cv::circle(img_2, scene[j], 2, cv::Scalar(0, 255, 0), 2);

		imshow("img_2", img_2);
		waitKey(1);

		end = getTickCount();
		time = (double)(end - start) * 1000 / getTickFrequency();
		cout << "Total time : " << time << " ms" << endl;

		if (times == 1000)
		{
			double maxvalue = (cv::getTickCount() - startime) / cv::getTickFrequency();
			cout << "zhenshu " << times / maxvalue << "  zhen" << endl;
		}
		cout << "The number of frame is :  " << times << endl;
	}
	return 0;
}

#include 
#include
#include
#include
#include
using namespace std;
using namespace cv;
int main(int argc, char* argv[])
{
	try {
		cv::Mat src_host = cv::imread("pic5.png", cv::IMREAD_GRAYSCALE); //LOAD_IMAGE_GRAYSCALE);//这里使用自己的测试图片
		cv::cuda::GpuMat dst, src;
		src.upload(src_host);
		cv::cuda::threshold(src, dst, 128.0, 255.0, cv::THRESH_BINARY);
		cv::Mat result_host;
		dst.download(result_host);
		cv::imshow("Result", result_host);
		cv::waitKey();
	}
	catch (const cv::Exception& ex)
	{
		std::cout << "Error:" << ex.what() << std::endl;
	}
	std::cin.get(); 
	return 0;
}

八，补充

1.大概需要如下文件，基本上就能够正常安装完成从官网下，如果下不下来，换个网络

2.新建一个工程的方式，补充在这里：

1.新建一个qt widgets application

2.按照流程走

后面点快了，忘记保存了，就一直下一步基本上就可以，除非中间有需要修改的，比如是否要把所有大写都变成小写等等。