在Windows上使用Visual C++和Visual Studio编译安装OpenCV CUDA Python

获取OpenCV源代码

首先，正如标题所示，我们需要用GitHub克隆下来对应的源代码。一共分为两个源代码仓库，一个是opencv/opencv，一个是opencv/opencv_contrib
这里我就不放出官方的Github仓库了，大家可以对应自己的需要的版本，在tags中进行选择，对应进行克隆即可，这里我以我的4.5.2版本进行演示。因为涉及到要进行编译与生成，因此我们还需要创建一个build文件

因此，现在我们的文件树应该是这个样子的：

    目录: E:\opencvTest


Mode                 LastWriteTime         Length Name
----                 -------------         ------ ----
d-----          2022/8/9     22:46                build
d-----          2022/8/9     22:44                opencv
d-----          2022/8/9     22:46                opencv_contrib

安装CMake

下载CMake

我们访问CMake官网来下载CMake Windows安装包

点击Download Latest Release进入到下载页面

在这里我偷了个懒，选择.msi安装文件

安装CMake

下载好后我们双击运行CMake安装包

《祖传同意协议》…
点击Next之后，CMake安装工具会询问我们是否将CMake添加到$PATH当中，即环境变量当中，这里我们选择Add CMake to the system PATH for all users

指定安装路径

验证安装

在CMD或者PowerShell中输入cmake --version，将会返回我们安装的CMake版本

PS C:\Users\98246> cmake --version
cmake version 3.24.0

CMake suite maintained and supported by Kitware (kitware.com/cmake).
PS C:\Users\98246>

使用CMake GUI进行预编译准备

安装好CMake后，我们将会得到cmake cli和cmake gui两个工具
由于我并没有学习过如何编写CMakeList.txt，因此我们这里直接使用傻瓜式工具：CMake GUI，在Windows的搜索栏中输入：CMake GUI即可打开。

打开之后我们得到了如下的界面

这里有几个重要的功能

• where is the source code：字面意思，源代码在哪儿，因此你需要将OpenCV的源代码位置指定出来
• where to build the binaries：也是字面意思，在哪里构建二进制文件，这也是为什么刚才创建了build文件夹
• Configure：配置按钮，这个按钮并不会实际生成CMake配置文件，而是CMake帮你测试你的编译选项是否可以正常编译
• Generate：在build中生成CMake配置项

在本案中，我们的路径配置是如下的情况，你需要将其改变为你OpenCV源代码和OpenCV Contrib的路径

那么现在我们点击Configure按钮，但是这时CMake并不会先进性Debug，因为我们没有指定我们的编译工具，在Windows平台上，CMake默认的编译工具是MSVC，因此当我们第一时间点击Configure按钮的情况是这样的

是的，CMake需要我们指定编译引擎，由于我现在目前使用的是Visual Studio 2022，因此在编译完成后，CMake将生成一个标准的Visual Studio 2022项目文件
第二项是编译平台的架构，这里我们选择X64进行编译，并且下面使用默认的编译器
因此我们这次的参数是这样的

可以看到CMake的编译结果如下：

CMake正确的识别到了我们Anaconda的环境，另外值得一提的是，如果你的Python不可用，请升级Numpy==1.20.3后重试。
处理好后，我们发现得到了如下这么多的编译选项：

但这些参数并不都是我们需要使用的，首先我们需要让OpenCV支持CUDA，那么我们先修改WITH_CUDA为True。

其次我们需要让OpenCV支持cuDNN加速，因此我们在Search搜索框中接着输入：dnn，并保证如下选项被勾选

另外勾选ENABLE_FAST_MATH和BUILD_opencv_world


最后我们修改OPENCV_EXTRA_MOUDLES_PATH来在编译时加载我们OpenCV的扩展库，也就是我们的contrib所在的路径

确认好这些选项被勾选后，我们点击Configure来使得配置测试并生效

请注意，该步骤如果出现域名无法解析时，则证明你需要开启科学上网并重新启动CMake

可以看到CMake的执行结果返回了我们要看到结果：CUDA yes，版本11.7，以及该版本CUDA驱动支持的GPU计算能力（Cpmputbility）。
cuDNN也是yes，并且正确的读取到了版本号8.4.1

在接下来最终的修改时，我们需要明确自己的CUDA GPU的计算能力，这里大家可以通过维基百科进行查询
这里我使用的是RTX2060，因此我对应的GPU Compubility是7.5，那么对应的，我在使用NVCC进行CUDA程序编译时需要将-arch参数设置为75。
同理，我们的最终参数也是去修改编译.cu时文件时GPU架构型号的参数，因此我们在搜素框中输入：arch，找到CUDA_ARCH_BIN选项，将其只保留你电脑中对应GPU的计算能力即可，例如在我的情况中，我只需要保存7.5即可。对于大部分基于图灵（NVIDA Turing）的GPU，例如RTX2060-RTX2080Ti，可以使用7.5作为参数，而针对全行的安培架构的GPU，我们则需要将其设置为8.0。

另外我们需要指定CMake的配置类型，是Debug还是Release，在本例中我们只需要将CMAKE_CONFIGURATION_TYPES保留Release即可。

好了我们在点击Configure按钮使其生效

确认没有问题后点击Generate生成配置文件，由于这里我已经生成了，因此不再赘述了。

进行生成编译与安装C标准库和Python库

在执行上述Generate后我们得到了完整的build路径，打开这个路径我们发现有一个OpenCV.sln的Visual Studio解决方案文件，使用Visual Studio双击打开它

通过Visual Studio的解决方案资源管理器我们看到这个解决方案下的文件结构，那么对于我们而言，我们这里需要使用的文件是：ALL_BUILD，INSTALL和opencv_python3。
请一定按照这个顺序，如果你问为什么要这样，理由很简单：编译生成->安装C标准库->绑定到Python3环境。
按照这个顺序，我们右键这些cpp文件，点击生成按钮分别执行。这里我就不演示编译执行的过程了，毕竟我不想再让我的电脑冒一次烟…

验证Python

首先我们先确认OpenCV是否被成功绑定

In [1]: import cv2

In [2]: cv2.__version__
Out[2]: '4.5.2'

可以看到版本正确4.5.2
那么我们测试CUDA GPU是否可用，这里防止终端被沾满，因此使用cuda.printShortCudaDeviceInfo()函数打印粗略信息，该函数接收一个GPU设备索引ID，由于我的电脑上只有一张GPU，因此输入0即可。

In [1]: from cv2 import cuda

In [2]: cuda.printShortCudaDeviceInfo()
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-2-9a7c711519df> in <module>
----> 1 cuda.printShortCudaDeviceInfo()

TypeError: printShortCudaDeviceInfo() missing required argument 'device' (pos 1)

In [3]: cuda.printShortCudaDeviceInfo(0)
Device 0:  "NVIDIA GeForce RTX 2060"  6144Mb, sm_75, Driver/Runtime ver.11.70/11.70

写在最后

为什么会有想安装OpenCV CUDA的念头呢，因为之前自己尝试学习OpenCV时，发现帧数很低，因此希望图像能够由GPU进行渲染，以及使用GPU进行识别（说白了就是笔者没圆子买Jetson罢了）。
如果你觉得这篇文章有用，请三连再走，我们下篇文章再见！