导  读

    本文将详细介绍如何使用CMake编译OpenCV4.8 CUDA版本并给出Demo演示，方便大家学习使用。

CMake编译详细步骤

    废话不多说，直接进入正题！

  【1】我使用的工具版本VS2017 + CMake3.18.2 + OpenCV4.8.0 + CUDA11.2

   一般情况下VS版本≥VS2017均可，CMake版本≥3.18.2，OpenCV4.8.0目前最新，CUDA版本保持一致或更高。

  【2】OpenCV源码下载与CUDA安装

   首先下载OpenCV4.8.0源码和Contrib部分源码：

https://github.com/opencv/opencvhttps://github.com/opencv/opencv_contrib

  下载后解压到指定目录：

  在opencv-4.8.0文件夹下新建一个build文件夹用于保存编译文件：

  自己安装CUDA相关依赖项，包括CUDA和CUDNN：

  【3】CMake配置选项设置

   CMake配置选项设置需要注意的地方如下：

   ① 根据自己的VS版本选择编译什么版本，此处VS2017 64位

   ② 配置源码路径与生成文件路径：

   ③ 配置contrib源码目录：

  ④ CUDA路径不用配置，会自动识别并填入，还有下面几个需要勾选的选项记得勾选：

  ⑤ 其他需要勾选的选项：

  【4】CMake Config与问题解决

   正常步骤接下来就是点击Configure和Generate，就可以生成OpenCV.sln项目。但是经常会出警告或者错误，大部分是因为一些依赖文件下载失败导致的：

  虽然是警告，但是一定要解决，否则在后面编译OpenCV.sln项目的时候还是会失败！

  解决方法：按照提示，打开对应的CMakeDownloadLog.txt，然后把对应的文件下载下来放到指定目录，里面都有写，如下图所示：

文件下载成功且匹配会有下面对应的提示：

    文件下载成功后，再点击Configure就不会有红色警告提示了。然后点击Generate，生成OpenCV.sln项目。

  【5】VS编译生成依赖项

   打开OpenCV.sln，编译INSTALL，然后右键仅用于项目--仅生成INSTALL

    下面是生成后的文件，opencv_world480.dll文件1.06G正常：

      

OpenCV CUDA编程实例

    当使用C++ OpenCV和CUDA编写代码时，一般的步骤如下：

  【1】包含必要的头文件：首先，包含相关的头文件，以便使用OpenCV和CUDA库。​​​​​​​

#include <opencv2/opencv.hpp>#include <opencv2/cudaimgproc.hpp>

  【2】加载图像或视频：使用OpenCV的函数加载输入图像或视频。例如，可以使用cv::imread()加载图像或cv::VideoCapture加载视频。​​​​​​​

cv::Mat image = cv::imread("image.jpg");// 或者cv::VideoCapture video("video.mp4");

  【3】分配GPU内存并将数据复制到设备内存：如果计划在CUDA上执行加速操作，则需要在GPU上为图像或视频分配内存，并将数据从主机内存复制到设备内存。​​​​​​​

cv::cuda::GpuMat gpuImage;gpuImage.upload(image);// 或者cv::cuda::GpuMat gpuVideo;cv::Mat frame;video.read(frame);gpuVideo.upload(frame);

  【4】执行CUDA加速操作：调用适当的OpenCV CUDA函数，在GPU上执行CUDA加速操作。​​​​​​​

cv::cuda::cvtColor(gpuImage, gpuImage, cv::COLOR_BGR2GRAY);// 或者cv::cuda::blur(gpuVideo, gpuVideo, cv::Size(3, 3));

  【5】将结果从设备内存复制到主机内存：使用download()方法将结果从设备内存复制到主机内存。​​​​​​​

cv::Mat result;gpuImage.download(result);// 或者cv::cuda::GpuMat result;cv::cuda::bitwise_not(gpuImage, result);cv::Mat result_host;result.download(result_host);

  【6】显示结果：使用OpenCV的函数在屏幕上显示结果图像或视频帧。​​​​​​​

cv::imshow("Result", result);cv::waitKey(0);cv::destroyAllWindows();

    这些是一般的步骤，具体的代码实现和操作可能会根据需要有所不同。请确保安装和配置了正确版本的OpenCV和CUDA，并根据您的需求进行适当的调整。

    至于加速效果还要根据实际情况分析，下面是官方给的个别方法加速对比：