opencv进阶-OpenCV4.4 CUDA加速

OpenCV支持传统的图像处理的CUDA加速，从OpenCV4.2开始支持深度神经网络的CUDA加速，因此在OpenCV4.4中，CUDA是既可以加速传统的图像处理，特征与对象检测；又可以支持深度神经网络的CUDA加速。
本博客需要用到的网址汇总：
• opencv官方社区 - https://www.opencv.org/
• github官方主页 - https://github.com/opencv/opencv
• 英伟达驱动下载-https://www.nvidia.cn/Download/index.aspx?lang=cn
• CUDA下载-https://developer.nvidia.com/cuda-downloads
• 注册账号，按需求下载cudnn的安装文件：https://developer.nvidia.com/rdp/cudnn-archive
• Cmake：https://cmake.org/

OpenCV+CUDA编译与配置

全程参考：win10+vs2017+opencv4.5.0+opencv_contrib-4.5.0+cuda源码编译详细教程
在此感谢这位博主的无私分享！

一、本次安装的各个版本

参考：windows10+nvidia驱动+cuda10.1+cudnn安装教程
首先说一下系统与相关软件版本：

1.Window 10 x64

2.VS2015专业版

3.CMake 3.14.1

4.OpenCV4.4.0

5.OpenCV_contrib-4.4.0

6.CUDA11.10

7.cuDNN8.1.1

1.1安装CUDA

cuda（库达）版本是根据电脑配置的英伟达显卡来选择的，在英伟达控制面板中可以查询到本机支持最高版本的cuda，例如本机是cuda11.1。
之后注册并登录英伟达官网，下载cuda。
cuda官网下载：https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述

在这里插入图片描述
一路默认安装即可。

检查是否安装成功
cmd输入：

nvcc -V

在这里插入图片描述

1.2安装驱动

官网下载驱动：https://www.geforce.cn/drivers
在这里插入图片描述

1.3安装cudnn

选择对应的版本：https://developer.nvidia.com/rdp/cudnn-archive

1.4安装cmake和编译OpenCV CUDA

1.安装cmake

提示：这一步非常关键，关系到后面install文件生成的成败，因此这一步要解决掉所有报错后再进行generate。
cmake安装参考：opencv学习-opencv4.1编译扩展模块

2.编译OpenCV CUDA
第一次点击Configure：

选择对应vs的版本，64位系统选择Win64，默认的是Win32

第二次点击Configure：
点击Configure然后记住几个点：

1.cuda相关的全部都要勾选上；
2.test相关的全部不勾选；
3.face相关的全部不勾选；
4.添加扩展模块路径，即OPENCV_EXTRA_MODULES_RATH这一项，并且注意路径不要复制，需要通过cmake来选择路径！
5.将build_opencv_world不勾选。

第三次点击Configure：

1.cuda相关的选项生成后进行勾选，即下图中的cuda_fast_math.
2.nonfree相关的选项生成后进行勾选。
3.将cuda_arch_bin即显卡的算力内容改成自己显卡及其以上算力，低于的都删除。

查看自己N卡显卡算力网址：https://developer.nvidia.com/cuda-gpus
在这里插入图片描述

期间如果遇到某个报错最直接的做法就是取消该模块，然后再进行编译，报错就消失了。例如下面：
安装过程中出现一个报错，解决办法参考：CMake Warning at cmake/OpenCVGenSetupVars.cmake:54 (message):
在这里插入图片描述
两次生成操作：
Configure完成后点击generate，之后会提示generating done，说明cmake编译成功了。点击open project进行编译部分了。

1.选择release版本，然后如图所示点击ALL_BUILD，选择“生成”，等一段时间。如果这一步报错说明在cmake编译的时候存在问题，需要先解决编译的问题，然后再回过来进行一次生成。
2.解决方案资源管理器--------CMakeTargets----右键以下INSTALL，选择“生成”

二、CUDA加速测试

2.1检查安装

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

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

int main() {
    
    
	cuda::printCudaDeviceInfo(cuda::getDevice());
	int count = cuda::getCudaEnabledDeviceCount();
	if (count > 0) {
    
    
		printf("GPU Device Count：%d\n", count);
	}
}