此文档记录opencv的GPU加速的准备工作的操作流程。本电脑的软硬件配置如下：win7的64位系统、opencv2.4.9、cuda6.5、vs2013、cmake3.80、显卡GT1050。转自本人的新浪博客。
准备阶段：
安装vs跟opencv就不说了。安装cuda6.5：
先用鲁大师之类的软件看看是什么显卡，然后在网上看看你的显卡是否支持cuda（https://developer.nvidia.com/cuda-gpus），其实一般的英伟达显卡都支持的了。再去下载cuda安装包（https://developer.nvidia.com/cuda-toolkit-archive），至于下载那个版本，这个不好说，我安装过9.0的，安装的时候没警告提示，安装好之后进行后面的操作时就没法正常操作，但我安装6.5的，安装时有警告，但后面的操作正常，最后就用了6.5的。当然了，版本越高就功能越完善。安装cuda时，一开始时可能有个叹号的警告的，这个不用管，直接下一步，后面有一个选择安装方式的（大概意思是选择推荐安装或者自定义安装），这里选择自定义，全部勾上就行，其他的方面，就一直按照默认来点下一步（包括路径）。
安装cmake：
直接百度找找就有了，可以安装在d盘，至于版本，我试过3.4和3.8,都行。
下载tbb：
百度云盘下载（http://pan.1hqeUYMC 密码：u4es），解压放在d盘的一个你记得的位置。
配置阶段：
解压tbb，并将其bin目录添加到环境变量中。添加环境变量之后记得要重启电脑。例如目录：D：tfilestbb41_20130613oss\bin\intel64\vc12，每个人电脑的目录都不同。
剩下的步骤按这个来http://blog.csdn.net/xuhang0910/article/details/45601035
注意：减少首次运行时间长问题：http://blog.sina.com.cn/s/blog_b1e24f1d0102wsdr.html
这一步在Generate 前加入显卡加速能力值，可以用CUDA_Z软件来检测出你的显卡计算能力值是多少。
测试：
可以把测试代码换成这个，用来比较有没有GPU加速的用时：
#include
//#include
//#include
#include
#include
int main()
{
cv::gpu::GpuMata(10, 10, CV_8U);
int64 begintime, endtime;
int num_devices = cv::gpu::getCudaEnabledDeviceCount();
if (num_devices <=0)
{
std::cerr << "There is no devoce" << std::endl;
system("pause");
return -1;
}
int enable_device_id = -1;
for (int i = 0; i <<b> num_devices; i++)
{
cv::gpu::DeviceInfodev_info(i);
if (dev_info.isCompatible())
{
enable_device_id =i;
}
}
if (enable_device_id <<b> 0)
{
std::cerr << "GPU module isn't built for GPU"<< std::endl;
system("pause");
return -1;
}
cv::gpu::setDevice(enable_device_id);
cv::Mat src_image= cv::imread("test.jpg");
cv::imshow("0.0",src_image);
cv::Mat dst_image;
begintime =cv::getTickCount();
cv::gpu::GpuMatd_src_img;// (src_image);//upload src image to gpu
d_src_img.upload(src_image);
cv::gpu::GpuMatd_dst_img;
cv::gpu::cvtColor(d_src_img, d_dst_img, CV_BGR2GRAY);//////////////////canny
d_dst_img.download(dst_image);//download dst image to cpu
// cv::cvtColor(src_image, dst_image, CV_BGR2GRAY);
endtime =cv::getTickCount();
cv::imshow("test",dst_image);
std::cerr << 1000*(endtime - begintime) / cv::getTickFrequency() << std::endl;
cv::waitKey(0);
return 0;
}}}}
采用GPU加速的时候，同样的操作（还加上了上下载）用时为7点几ms，而用常规方法，用时为27点几ms。有一个问题是，一般使用GPU加速的话，第一次调用GPU，会很慢很慢，一条简单的语句都用了10多秒左右。治标不治本的解决方法是在程序的开头加上一句cv::gpu::GpuMata(10, 10, CV_8U);，这样会令耗时的操作放在一开头，不那么影响后面的操作时间（即使加了计算能力值，也是会第一步慢点）。弄好之后，可以把opencv.sln工程清除解决方案，就可以把这个工程的大小压缩一半而不影响功能（通常是差不多10G变成5G左右）。
在其他电脑上面把重编译的文件移植到自己电脑里面：
这不需要重编译了，要做的是配置。首先自己的电脑要安装上同样版本的cuda，要有tbb文件，cmake就不需要用到了，显卡最好是同样的型号的（我移植的时候是同样的型号，不同型号不知道行不行，我觉得理论上是可以的）。
加入以下的路径到环境变量的path里面：
D：tfilestbb41_20130613oss\bin\intel64\vc12
D:\tfiles\tbb43_20150424oss\include
D:\tfiles\tbb43_20150424oss/lib/intel64
D:\tfiles\opencv-2.4.9\build-vs2013\install\x64\vc12\bin
然后把你电脑环境变量原来的opencv路径删掉，或者放到新opencv路径后面。以上需要注意的是，上面那里路径是我电脑的，你添加是根据你自己电脑的安装位置来灵活处理；你要用vs的32位编译平台，那上面那些64位路径就相应的改成32位，打开电脑的环境变量path，看看cuda那些路径有没有64的，有就改成相应的32路径（不是说直接把64改成32，而是这个路径相应的改一下），64位编译平台亦然；搞完这些环境变量，就重启电脑，开始测试有没有移植成功。参照http://blog.csdn.net/xuhang0910/article/details/45601035的cuda项目opencv配置环境下面的测试步骤。
备注：
减少首次运行时间长问题：http://blog.sina.com.cn/s/blog_b1e24f1d0102wsdr.html
在一些大的工程里面，单单添加包含GPU头文件的语句，就会出错，如图：
解决方法：在前面添加两句话，如图。
http://www.aiuxian.com/article/p-1679180.html