opencv+opencv_contrib+cuda和VS2022编译

本文介绍使用OpenCV和OpenCV_Contrib源码及Cuda进行编译的过程，编译过程中会用到OpenCV、OpenCV_Contrib、CUDA Toolkit、cuDNN、Cmake、VS2022等工具，最终编译OpenCV的Cuda版本。

一、OpenCV下载地址

OpenCV官网下载地址:https://opencv.org/releases/#，选择一个版本下载，下载之后解压或者提取；

OpenCV Gihthub下载地址:https://github.com/opencv/opencv；也可以在Github选择一个版本下载，下载之后解压；

注：从官网使用下载器下载的OpenCV解压后会多一个build文件夹，是已经编译的opencv文件，直接从Github下载的没有这个文件夹，因为需要自己编译Cuda版本的opencv，所以不会用到这个build文件夹，有没有都不影响；

图中左侧opencv4.11.0文件夹就是右侧的sources文件夹（下图）

二、OpenCV_contrib下载地址

OpenCV Gihthub下载地址:https://github.com/opencv/opencv_contrib，和下载OpenCV相同的方式进行下载，注意OpenCV_contrib的版本要与下载的OpenCV的版本一致。下载后解压；

下图中的cuda开头的文件夹就是与cuda相关的文件，

三、Cmake下载

下载Cmake:https://cmake.org/download/，我使用的Cmake4.0.1;

四、Cuda Toolkit下载

1.查看CUDA最高支持版本

在命令窗口中使用nvidia-smi查看电脑的显卡支持的CUDA Toolkit版本(如果nvidia-smi不可用，可能是命令行输错了或者没安装显卡驱动，检查命令行或者下载驱动：https://www.nvidia.cn/drivers/lookup/)，下图中CUDA Version12.6代表最高支持CUDA Toolkit12.6的版本；

2.下载CudaToolkit

下载地址：https://developer.nvidia.com/cuda-downloads，下载完成后，进行安装，安装后
在C:\Program Files会有NVIDIA GPU Computing Toolkit文件夹；

3.环境变量配置

安装完成后，系统环境变量中会有以下两个路径；

在环境变量Path中，需要添加以下路径（前两个是安装后自动添加的，所以只需要添加最后一个x64的路径就行）：

4.检查CUDA Toolkit版本

在命令窗口输入 nvcc -V(中间有空格)会显示电脑安装的CUDA Toolkit的版本号；

五、cuDNN下载

下载地址：https://developer.nvidia.com/cudnn，下载完成后，将其中的bin文件，lib文件夹，include文件夹，三个文件夹中的文件复制到对应的cuda文件夹中，即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2文件夹的对应目录中(v12.2是CUDA的版本号，我下载的是12.2）,如果不使用cuDNN可以跳过此步骤；

六、编译

1.opencv编译

1.打开Cmake，首先编译opencv，选择Opencv源码文件夹，之后选择新的build文件夹，如下图新建一个build文件夹，我的build文件夹名字为cudaopencv1：

点击左下角的Configure，会弹出以下界面，选择generator，我需要使用的是VS2022,所以我选择的是Visual Studio 17 2022(根据自己的需求选择)，之后点击Finish：

2.Configure完成后会有以下界面，Configure过程中会显示warning，提示你cmake版本要求或者文件未找到，可以一个一个查看，不是自己需编译的文件就不用管(也可以直接取消勾选，不进行编译)；

3.点击Generate,下方会显示Generating done.

4.至此build文件夹（我的build文件夹名为cudaopencv1）中会出现以下文件：

2.OpenCV生成

1.双击打开生成的OpenCV.sln，

2.在VS中设置编译环境Debug或者Release，之后在解决方案管理器中找到CmakeTargerts，右键点击其中的ALL_BUILD，点击生成；

3.在自己的build文件夹中会生成lib文件夹，如下所示

lib文件夹中的内容是刚刚生成的文件，如果是在Debug模式下生成就会有Debug文件夹，如果是Release模式就会有Release文件夹，两种模式都生成，两个文件夹都有；

文件夹中是生成的库文件：

3.编译contrib及CUDA

1.在Cmake中找到OPENCV_EXTRA_MODULES_PATH，设置文件夹为opencv_contrib文件中的modules文件夹路径，我的opencv_contrib路径为：D:/OpenCV4.11/opencv_contrib-4.11.0/modules，如下图：

2.在cmake的search中输入cuda，设置BUILD中的BUILD_CUDA_STUBS为勾选状态，设置WITH中的WITH_CUDA为勾选状态；

3.设置完成后，点击下方的Configure，最下方显示Configuring done.

4.完成Generate之后设置显卡算力参数，在Cmake的Search中搜索ARCH，设置CUDA_ARCH_BIN参数为自己的显卡算力，我的显卡算力为8.6，具体自己的显卡算力可以在Nvidia网站查询：https://developer.nvidia.com/cuda-gpus；

注意：在未点击Generate时搜索不到这个参数，完成一次Generate后才可以搜到这个参数，如果不设置这个参数会导致后边的cudaopencv编译失败；

5.设置CUDA_FAST_MATH为勾选状态：

点击Configure，显示Configuring done后，点击Generate，Generating done

6.检查是否编译成功
a.在Camke的白色区域中，Build中会显示以下目录：

b.在自己的build文件夹中的modules文件夹中(我的build文件夹名字为cudaopencv1)，会有以下文件，

至此opencv cuda版本的build完成。

4.使用VS进行生成

打开build文件夹（cudaopencv1），找到OpenCV.sln，双击打开；

在CmakeTargets中找到ALL_BUILD，右键点击生成(此过程比较长，我用了18分钟)，

生成完成后，查看自己的build文件夹的lib文件夹，发现与之前相比会多出contrib中的内容

之后点击INSTALL中的仅用于项目的仅生成INSTALL，点击后会在build文件夹中生成一个install文件夹，文件夹中的内容就是编译的全部内容。


install文件夹中的内容：

这里边都是debug模式下编译的库文件，如果需要release模式，在ALL_BUILD生成时，在VS中选择Release，然后再生成INSTALL。

至此，opencv +contrib+cuda编译全部完成。

七、配置及使用

1.配置环境变量

在此电脑->属性->高级系统设置->环境变量->系统变量->Path中增加编译的bin文件夹；

2.配置项目属性

首先配置项目包含目录，在包含目录中添加：D:\OpenCV4.11\cudaopencv1\install\include 和 D:\OpenCV4.11\cudaopencv1\install\include\opencv2；

在库目录中，配置D:\OpenCV4.11\cudaopencv1\install\x64\vc17\lib

在链接器->输入->附加依赖项中，加入build文件夹中所有lib文件名称，文件名很多，所以可以使用命令行一次性全部转换为文本，然后直接复制（详见3.获取所有lib文件名称）

3.获取所有lib文件名称

在命令窗口中输入：dir /b “文件路径”>生成的文本路径；
例如以下截图，会将lib文件夹中的所有文件名字存放到C盘的name文本中；

4.验证是否可用

使用以下代码可以获取编译信息及电脑的GPU数量，则可以正常使用；

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/cudafilters.hpp>
#include <opencv2/cudaimgproc.hpp>
int main() 
{std::cout << "OpenCV built with CUDA: " << cv::getBuildInformation() << std::endl;//获取编译信息，如下图int num_devices = cv::cuda::getCudaEnabledDeviceCount();//获取电脑显卡数量std::cout << "Number of CUDA devices: " << num_devices << std::endl;return 0;
}

如果编译正常，使用getBuildInformation()函数可以看到NVIDIA CDUA的状态为YES，而且可以看到显卡的计算能力；
使用cuda::getCudaEnabledDeviceCount()可以获取到电脑的显卡数量（如下图，电脑只有一个显卡，获取的结果也是1）；

八、汇总

使用的编译工具及版本如下，如果有需要编译完成的文件，可以在评论区留下邮箱；

九、编译过程中可能遇到的问题

1.所有步骤均按照以上过程操作，但是在VS生成过程中，显示：

27>D:\OpenCV4.5.5\opencv\sources\modules\core\include\opencv2/core/cuda/common.hpp(99,27): error C4430: 缺少类型说明符 - 假定为 int。注意: C++ 不支持默认 int (编译源文件D:\OpenCV4.5.5\opencv\cudaopencv\modules\core\arithm.sse4_1.cpp)

产生这个问题大概率是由于cuda版本与opencv版本的兼容问题，我最开始使用OpenCV4.5.5和CUDA 12.2版本，出现这个问题，后来换成OpenCV4.11和CUDA12.2,编译成功

2.在Cmake过程中出现以下错误，显示：

CMake Error at cmake/OpenCVDetectCUDAUtils.cmake:297 (list):
list GET given empty list
Call Stack (most recent call first):
cmake/OpenCVDetectCUDA.cmake:76 (ocv_set_cuda_arch_bin_and_ptx)
cmake/OpenCVFindLibsPerf.cmake:46 (include)
CMakeLists.txt:800 (include)

cmake检测CUDA架构时未能正确识别电脑GPU的计算能力，如果出现这个问题，在cmake中设置CUDA_ARCH_BIN的值，GPU计算能力查询https://developer.nvidia.com/cuda-gpus