Windows 上编译 OpenCV 以启用 CUDA 加速：综合指南

人工智能

2023-09-09 21:52:06

Windows 上编译 OpenCV 启用 CUDA 加速

前提条件

Windows 10 64 位操作系统
NVIDIA CUDA 10.2 或更高版本
Microsoft Visual Studio 2019 或更高版本
CMake 3.14 或更高版本

步骤

1. 安装 CUDA 工具包

从 NVIDIA 网站下载并安装 CUDA 工具包。
设置 CUDA_PATH 环境变量以指向 CUDA 安装目录。

2. 克隆 OpenCV 源代码仓库

在终端或命令提示符中，使用以下命令克隆 OpenCV 存储库：

git clone https://github.com/opencv/opencv.git

3. 切换到开发分支

cd opencv
git checkout dev

4. 应用 CUDA 补丁

要启用 CUDA 支持，需要应用 OpenCV 存储库中的 CUDA 补丁：

git apply opencv_contrib/modules/cuda/patches/cuda_add_opencv_extra.patch

5. 生成 CMake 缓存

使用 CMake 配置构建：

mkdir build
cd build
cmake -DOPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules -DOPENCV_ENABLE_CUDA=ON -DBUILD_CUDA_STUBS=OFF ..

6. 构建并安装 OpenCV

构建 OpenCV：

cmake --build . --config Release

安装 OpenCV：

cmake --install .

测试 CUDA 加速

要测试 CUDA 加速是否成功启用，请运行以下代码：

#include <opencv2/opencv.hpp>

int main() {
  cv::Mat image = cv::imread("image.jpg");

  // 检查 CUDA 设备是否可用
  if (cv::cuda::getCudaEnabledDeviceCount() > 0) {
    // 将图像上传到 GPU
    cv::cuda::GpuMat gpu_image(image);

    // 在 GPU 上执行图像处理
    cv::cuda::cvtColor(gpu_image, gpu_image, cv::COLOR_BGR2GRAY);

    // 将处理后的图像从 GPU 下载到 CPU
    cv::Mat processed_image(gpu_image);

    // 显示图像
    cv::imshow("Processed Image", processed_image);
    cv::waitKey();
  }

  return 0;
}