OpenCV4.8 GPU版本CMake编译详细步骤与CUDA代码演示

文摘   科技   2024-11-11 07:45   重庆  

点击下方卡片,关注“ OpenCV与AI深度学习

视觉/图像重干货,第一时间送达!

导  读

    本文将详细介绍如何使用CMake编译OpenCV4.8 CUDA版本并给出Demo演示,方便大家学习使用。


      

CMake编译详细步骤

    废话不多说,直接进入正题!

  【1】我使用的工具版本VS2017 + CMake3.18.2 + OpenCV4.8.0 + CUDA11.2

   一般情况下VS版本≥VS2017均可,CMake版本≥3.18.2,OpenCV4.8.0目前最新,CUDA版本保持一致或更高。

  【2】OpenCV源码下载与CUDA安装

   首先下载OpenCV4.8.0源码和Contrib部分源码:

https://github.com/opencv/opencvhttps://github.com/opencv/opencv_contrib

  下载后解压到指定目录:

  在opencv-4.8.0文件夹下新建一个build文件夹用于保存编译文件:

  自己安装CUDA相关依赖项,包括CUDA和CUDNN:

  【3】CMake配置选项设置

   CMake配置选项设置需要注意的地方如下:

   ① 根据自己的VS版本选择编译什么版本,此处VS2017 64位

   ② 配置源码路径与生成文件路径:

   ③ 配置contrib源码目录:

  ④ CUDA路径不用配置,会自动识别并填入,还有下面几个需要勾选的选项记得勾选:

  ⑤ 其他需要勾选的选项:

  【4】CMake Config与问题解决

   正常步骤接下来就是点击Configure和Generate,就可以生成OpenCV.sln项目。但是经常会出警告或者错误,大部分是因为一些依赖文件下载失败导致的:

  虽然是警告,但是一定要解决,否则在后面编译OpenCV.sln项目的时候还是会失败!

  解决方法:按照提示,打开对应的CMakeDownloadLog.txt,然后把对应的文件下载下来放到指定目录,里面都有写,如下图所示:

文件下载成功且匹配会有下面对应的提示:

    文件下载成功后,再点击Configure就不会有红色警告提示了。然后点击Generate,生成OpenCV.sln项目。

  【5】VS编译生成依赖项

   打开OpenCV.sln,编译INSTALL,然后右键仅用于项目--仅生成INSTALL

    下面是生成后的文件,opencv_world480.dll文件1.06G正常:


      

OpenCV CUDA编程实例

    当使用C++ OpenCV和CUDA编写代码时,一般的步骤如下:

  【1】包含必要的头文件:首先,包含相关的头文件,以便使用OpenCV和CUDA库。

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

  【2】加载图像或视频:使用OpenCV的函数加载输入图像或视频。例如,可以使用cv::imread()加载图像或cv::VideoCapture加载视频。

cv::Mat image = cv::imread("image.jpg");// 或者cv::VideoCapture video("video.mp4");

  【3】分配GPU内存并将数据复制到设备内存:如果计划在CUDA上执行加速操作,则需要在GPU上为图像或视频分配内存,并将数据从主机内存复制到设备内存。

cv::cuda::GpuMat gpuImage;gpuImage.upload(image);// 或者cv::cuda::GpuMat gpuVideo;cv::Mat frame;video.read(frame);gpuVideo.upload(frame);

  【4】执行CUDA加速操作:调用适当的OpenCV CUDA函数,在GPU上执行CUDA加速操作。

cv::cuda::cvtColor(gpuImage, gpuImage, cv::COLOR_BGR2GRAY);// 或者cv::cuda::blur(gpuVideo, gpuVideo, cv::Size(33));

  【5】将结果从设备内存复制到主机内存:使用download()方法将结果从设备内存复制到主机内存。

cv::Mat result;gpuImage.download(result);// 或者cv::cuda::GpuMat result;cv::cuda::bitwise_not(gpuImage, result);cv::Mat result_host;result.download(result_host);

  【6】显示结果:使用OpenCV的函数在屏幕上显示结果图像或视频帧。

cv::imshow("Result", result);cv::waitKey(0);cv::destroyAllWindows();

    这些是一般的步骤,具体的代码实现和操作可能会根据需要有所不同。请确保安装和配置了正确版本的OpenCV和CUDA,并根据您的需求进行适当的调整。

    至于加速效果还要根据实际情况分析,下面是官方给的个别方法加速对比:

—THE END—

下载1:Pytorch常用函数手册

在「OpenCV与AI深度学习公众号后台回复:Pytorch函数手册即可下载学习全网第一份Pytorch函数常用手册,包括Tensors介绍、基础函数介绍、数据处理函数、优化函数、CUDA编程、多处理等十四章内容。

下载2:145个OpenCV实例应用代码
在「OpenCV与AI深度学习」公众号后台回复:OpenCV145即可下载学习145个OpenCV实例应用代码(Python和C++双语言实现)。

欢迎加入CV学习交流微信

觉得有用,记得点个赞和在看 

OpenCV与AI深度学习
专注计算机视觉、深度学习和人工智能领域干货、应用、行业资讯的分享交流!
 最新文章