【opencv】windows10下opencv4.8.0-cuda Python版本源码编译教程

【opencv】windows10下opencv4.8.0-cuda Python版本源码编译教程

提示:博主取舍了很多大佬的博文并亲测有效,分享笔记邀大家共同学习讨论

文章目录

• [【opencv】windows10下opencv4.8.0-cuda Python版本源码编译教程](#【opencv】windows10下opencv4.8.0-cuda Python版本源码编译教程)
• 前言
• 准备工具
• • anaconda/cuda/cudnn
  • anaconda创建环境(选做)
  • 安装原生python(选做)
  • cmake
  • opencv4.8.0
  • opencv_contrib
• CMake编译
• VS2019编译
• 可能出现的问题
• • cmake编译过程中可能出现的问题
  • VS2019编译过程中可能出现的问题
• 测试使用GPU
• 总结

---

前言

OpenCV是一个开源的计算机视觉库，包含了核心模块和扩展模块，提供了基础的图像处理和计算机视觉算法，以及一些机器学习工具。而OpenCV Contrib是OpenCV社区贡献的一组扩展模块之一，包含了一些较为新颖和实用的算法和工具函数，提供了一些高级的图像处理和计算机视觉算法。这些功能和算法可能不适合所有用户或者还处于实验性阶段。OpenCV Contrib模块中的代码由社区贡献者开发和维护，它们提供了一些在OpenCV核心库中尚未包含的新特性和实验性功能。

---

准备工具

cmake、vs2019、opencv4.8.0、opencv_contrib-4.8.0、anaconda、cuda、cudnn

anaconda/cuda/cudnn

安装cuda、cudnn可以参考此前博主的【深度学习windows10环境配置详细教程】，因为对于新手来说，需要注意的细节比较多，这里不浪费篇幅重复讲述了。

anaconda创建环境(选做)

为了将CUDA版本的opencv安装到虚拟环境中，安装到默认环境(base)不需要执行此步骤。

# 搭建opencv环境
conda create -n opencv_onnx_gpu python=3.10.9 -y
# 激活环境
activate opencv_onnx_gpu

虚拟环境中需要安装numpy，后续的编译过程中需要。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy

安装原生python(选做)

在使用 CMake 为 Anaconda 新建的虚拟环境安装 OpenCV 时，需要在主机上安装一个与虚拟环境中的 Python 版本一致的原生环境，这是由于CMake 需要在构建过程中使用与虚拟环境中的 Python 版本一致的 Python 解释器来生成适用于该版本的 Python 绑定。

博主在anaconda创建的虚拟环境python为3.10，因此需要安装了python3.10原生版本，否则即使通过编译但始终无法使用opencv-python。

原生python官网下载地址，选择Windows版本。

这里通过激活虚拟环境查看安装对应的版本，博主不确定这种微小版本的差异会不会影响后续编译测试，所以最好都保持一致。

勾选加入系统环境后直接安装。

配置环境变量，这里可能出现cmd使用的python版本还是使用anaconda的base环境的情况，这是因为在环境变量Path中anaconda的顺序排在原生Python的前面，调整原生python的路径在anaconda的base之前即可。

cmake

CMake官方下载地址，下载cmake-3.27.7-windows-x86_64.msi。

添加到环境和安装路径博主根据自身情况作出了修改，其他都是默认安装。

出现以下界面安装成功。

opencv4.8.0

Opencv官方下载地址，下载OpenCV -- 4.8.0 Sources，下载解压opencv-4.8.0.zip。

opencv_contrib

opencv_contrib官方下载地址，选择opencv对应的contrib版本，例如opencv4.8.0对应就是opencv_contrib-4.8.0.zip。下载后直接解压。

---

CMake编译

1. 打开CMake，where is the source code是Opencv sources(博主是opencv-4.8.0)的文件夹位置，where to build the binaries是编译opencv保存的文件夹位置(自定义)，在左下角第一次点击Configure。
   
2. 选择对应vs的版本(博主是vs2019)，系统选择x64，最后点右下角Finish，显示Configuring done。
3. 安装到默认环境(base)不需要执行此步骤，该步骤步骤的目的是安装cuda版本opencv到用户自定义的虚拟环境中，分别将路径指向自定义虚拟环境的对应位置 : PYTHON3_EXECUTABLE、PYTHON3_INCLUDE_DIR、PYTHON3_LIBRARY、PYTHON3_NUMPY_INCLUDE_DIRS(需要安装numpy)、PYTHON3_PACKAGES_PATH。
   4.在Search搜索框搜索带cuda的关键字，全部勾选。
   
4. Search搜索框搜索OPENCV_EXTRA_MODULES_PATH，添加解压的opencv_contrib中的modules的路径，再搜索并勾选OPENCV_ENABLE_NONFREE选项。
   
5. 将build_opencv_world选上，这可以将所有opencv的库都编译在一起，不需要自己手动选择添加每个小模块，但是具体的工程又不建议这种全家桶。
6. 对于java、js、tests相关选项的选择，用Search搜索框分别搜索"java"，"js"，"tests"，根据需要选中和取消相关选项，默认都是选中，博主都取消了，必须勾选BUILD_opencv_python3，决定了能否在python中使用GPU加速，第二次点击Configure。
7. 显示Configuring done后，将CUDA_ARCH_BIN显卡算力内容改成自己显卡的算力。官网查看显卡算力地址，删除小于自己显卡算力的部分，再搜索并勾选ENABLE_FAST_MATH选项，第三次点击Configure。
   
8. 显示Configuring done后，点击generate，显示generating done，成功完成cmake编译，在输出的opencv保存文件夹位置中存在就生成了OpenCV.sln文件。
   

cmake编译过程是会从githup上下载数据，但是一般都会出现下载失败的情况，这里建议读者先跳到【可能出现的问题】这一小节，来确认是不是自己也出现了下载失败的情况。

---

VS2019编译

1. 确保在解决方案的bindings这个目录下有opencv_python3，否则即使编译成功仍然不能使用CUDA加速。
2. 使用VS2019 (以管理员方式运行) 打开刚刚编译工程OpenCV.sln，在release|x64模式下，在解决方案资源管理器--->CMakeTargets--->右键点击ALL_BUILD-->生成。
3. 同样在release|x64模式下，在解决方案资源管理器--->CMakeTargets--->右键点击INSTALL-->生成。
   

没有任何报错信息就是编译完成，在XXX\lib\python3\Release文件夹下可以看到cv2.cpxxx-win_amd64.pyd文件。

XXX是编译opencv保存的文件夹位置(博主是opencv-4.8.0-vs2019-64)，cpxx是python版本(博主是cp310)

同时，在虚拟环境中，可以在路径Lib\site-packages下看到cv2文件夹

进入cv2目录打开config.py可以看到虚拟环境opencv_onnx_gpu依赖于cmake编译的opencv(where to build the binaries)。

博主将依赖的opencv拷贝到了虚拟环境中，并修改了依赖的路基。

---

可能出现的问题

cmake编译过程中可能出现的问题

cmake编译出现Download failed的问题。

在where to build the binaries位置里面有个CMakeDownloadLog.txt，将里面下载链接复制到浏览器进行下载，

将其和where is the source code里面的.cache文件夹里面内容相对应，下图是下载失败时候，文件大小是0KB，手动下载完成后进行替换。

注意用来替换的文件的名称要与对应空文件的名称保持一致。

对于部分文件则需要将网页以另存为的方式进行替换，注意一定不要以复制网页内容粘贴到空文件的方式进行替换，这是无效的的。

将整个.cache都用同样的方式进行处理。

强调一点，出现这种问题，可以暂时先走完CMake编译过程，因为每一次Configuring都会有新的下载内容，然后再一次性将.cache的内容进行完整的替换，最后进行Configuring和Generate。

VS2019编译过程中可能出现的问题

通常是对于部分资源，vs2019没有管理员操作权限，因此只需要用管理员身份重新打开进行操作即可。

---

测试使用GPU

这里用一段简单的python代码验证安装完成的opencv是否支持gpu设备。

import cv2
# 检查是否支持CUDA
if cv2.cuda.getCudaEnabledDeviceCount():
    print("检测到支持CUDA的设备数量:", cv2.cuda.getCudaEnabledDeviceCount())
else:
    print("未检测到支持CUDA的设备")

验证成功，oepncv-cuda版本源码编译成功。

---

总结

尽可能简单、详细的介绍windows10下Python版本opencv4.8.0-cuda版本用源码进行编译的详细流程。