出于稳定性考虑，Opencv3官方一直没有加入Opencv2中存在的模块，比如像feature2d模块，其中包含了SURF、SIFT这些经典的图像算法。如果想要在Opencv3中使用这些算法，要自己动手从Opencv_contrib模块中编译生成库使用。而今天想要说的重点是用Opencv3.4与Opencv_contrib模块联合编译，生成能够使用CUDA加速的GPU模块，也就是俗称的Opencv GPU版。
做图像这方面工作的小伙伴应该都会有一个困扰，当需要用稍复杂一点的算法处理实时性要求非常高的图像的时候，比如处理高清数字视频流，就经常会出现卡顿，处理跟不上播放速度。按理说这样专业的应用应该用专门DSP平台完成，但是毕竟不是每个PC平台的工程师都懂DSP的啊~所以采用能够使用CUDA加速的GPU模块在一定程度上能够解决这种尴尬的局面。当然也不是说GPU版的Opencv 就一定快，它的使用还有很多门道，使用不当可能速度还不如cpu版的呢。使用什么的现在先不说了，现在先来看怎样把GPU版的opencv变得可用。
准备工具：
编译神器CMake，这个建议下一个GUI版的，好操作，我这里用的是CMake 3.11
IDE平台VS2015，或者VS2013,VS2017都可以
CUDA9.0或者8.0都可以，正确安装好
opencv的源码，就是opencv文件夹下的source文件夹，还有opencv_contrib源码，建议从github上获取，注意版本的对应，这里我用的是opencv3.4，所以opencv_contrib也是3.4的。下载网址：https://github.com/opencv
第一阶段：使用CMake编译
选好opencv的源码，就是那个source文件夹的位置，再选好你想把这个库编译到哪里，我直接把它放到了D:/opencv_contrib3.4，这个随个人习惯。选好之后点configure，如果这个文件夹不存在它会提示你新建，确定。
接下来是关键的一步，选你的VS版本，这里一定要选对是哪一版，2015还是2017，32位还是64位，不然后面会出现奇奇怪怪的错误。我这里用的是64位的VS2015。建议都使用64位的，好像官方的opencv3都不支持32位的，从来没有见过。
点Finished，等读条，生成工程。完成后可以检查一下窗口下部的框，如果正确安装好了CUDA，会有CUDA detected+版本号的信息。
然后添加OPENCV_EXTRA_MODULES_PATH的信息，这个路径就是你下载的opencv_contrib源码解压后存放的文件夹中的modules文件夹路径。我把它放到了D:\opencv_contrib_3.4.0，所以在CMake中的OPENCV_EXTRA_MODULES_PATH中就填写D:/opencv_contrib_3.4.0/modules。文件路径一定要注意“ / ”和 “\” ，CMake是Linux风格，它只认 “/”。
确认好之后再次configure，等一会读条完了会看到configuring done，之后再点generate，都完了之后会有Configuring done和Generating done两行。如下图：
至此，第一阶段使用CMake的工作结束。
第二阶段：使用VS生成lib库
关掉CMake，在第一阶段开始指定的编译存放文件夹D:/opencv_contrib3.4中找到CMake为我们生成的VS解决方案OpenCv.sln文件,双击用VS2015打开。点生成->重新生成解决方案，然后就是漫长的等待。根据PC不同的配置，从2、3个小时到7、8个小时不等。。。
编译好后，找到解决方案目录里的CMakeTargets项展开的INSTALL项，右键->仅用于项目->仅生成INSTALL。这时在D:\opencv_contrib3.4\install\x64\vc14生成了编译好的库（默认生成debug的库，修改为release编译生成release的库）。
到此，第二阶段用VS生成lib库的工作完成。
第三阶段：配置opencv GPU模块
在想使用opencv GPU模块时，要特别设置项目属性的VC++目录，就是一开始设置的那个存放库的 文件夹的install文件夹中的内容
首先添加path环境变量：D:\opencv_contrib3.4\install\x64\vc14\bin，这里有运行所需的dll文件
包含目录：
D:\opencv_contrib3.4\install\include\opencv;
D:\opencv_contrib3.4\install\include\opencv2;
D:\opencv_contrib3.4\install\include;
库目录：
D:\opencv_contrib3.4\install\x64\vc14\lib
然后，链接器->输入->附加依赖项 中输入
opencv_aruco340d.lib
opencv_bgsegm340d.lib
opencv_bioinspired340d.lib
opencv_calib3d340d.lib
opencv_ccalib340d.lib
opencv_core340d.lib
opencv_cudaarithm340d.lib
opencv_cudabgsegm340d.lib
opencv_cudacodec340d.lib
opencv_cudafeatures2d340d.lib
opencv_cudafilters340d.lib
opencv_cudaimgproc340d.lib
opencv_cudalegacy340d.lib
opencv_cudaobjdetect340d.lib
opencv_cudaoptflow340d.lib
opencv_cudastereo340d.lib
opencv_cudawarping340d.lib
opencv_cudev340d.lib
opencv_datasets340d.lib
opencv_dnn340d.lib
opencv_dpm340d.lib
opencv_face340d.lib
opencv_features2d340d.lib
opencv_flann340d.lib
opencv_fuzzy340d.lib
opencv_highgui340d.lib
opencv_img_hash340d.lib
opencv_imgcodecs340d.lib
opencv_imgproc340d.lib
opencv_line_descriptor340d.lib
opencv_ml340d.lib
opencv_objdetect340d.lib
opencv_optflow340d.lib
opencv_phase_unwrapping340d.lib
opencv_photo340d.lib
opencv_plot340d.lib
opencv_reg340d.lib
opencv_rgbd340d.lib
opencv_saliency340d.lib
opencv_shape340d.lib
opencv_stereo340d.lib
opencv_stitching340d.lib
opencv_structured_light340d.lib
opencv_superres340d.lib
opencv_surface_matching340d.lib
opencv_text340d.lib
opencv_tracking340d.lib
opencv_video340d.lib
opencv_videoio340d.lib
opencv_videostab340d.lib
opencv_xfeatures2d340d.lib
opencv_ximgproc340d.lib
opencv_xobjdetect340d.lib
opencv_xphoto340d.lib
kernel32.lib
user32.lib
gdi32.lib
winspool.lib
comdlg32.lib
advapi32.lib
shell32.lib
ole32.lib
oleaut32.lib
uuid.lib
odbc32.lib
odbccp32.lib
保存后，配置就完成了。至此Opencv3.4与Opencv_contrib联合编译，生成使用CUDA加速的Opencv GPU模块的全部工作就结束了。具体这个模块如何使用，请听下回分解~
PS：这个编译是完全编译，其实已经包括了开头所说xfeature2d等模块，使用时只需改变一下依赖的lib就可以了。还有如果觉得自己完成太花时间的话，这里附上我花了一晚上编译好的成品——include和install文件夹，可以直接用，点这里。