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/opencv
https://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(3, 3));
【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:
本文分享自 OpenCV与AI深度学习 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!