博主目前的环境配置为：RTX5060TI，16GB显存，cuda13.0，cudnn9.14
我的cudnn是通过deb安装包安装的
🚀 一、使用 apt 安装（推荐给新手）
这是最简单的一种方式，系统自带编译好的 OpenCV 包。
1️⃣ 更新系统
sudo apt update && sudo apt upgrade -y
2️⃣ 安装 OpenCV 及其依赖
sudo apt install -y libopencv-dev python3-opencv
⚙️ 说明：
libopencv-dev：安装 C++ 头文件、静态库和动态库。
python3-opencv：可选，安装 Python 绑定版本（你可以跳过）。
3️⃣ 验证安装
执行：
pkg-config --modversion opencv4
若输出类似：
4.5.4
说明安装成功 🎉
🧩 二、从源码编译安装（支持 CUDA / 最新版本）
这种方式适合：
-
你需要 OpenCV 的 最新版本（apt 可能是 4.5.x）
-
你想让 OpenCV 支持 CUDA / cuDNN / GPU 加速
-
你要启用额外模块（如
opencv_contrib）1️⃣ 安装依赖库
sudo apt update sudo apt install -y build-essential cmake git pkg-config \ libjpeg-dev libpng-dev libtiff-dev \ libavcodec-dev libavformat-dev libswscale-dev \ libv4l-dev libxvidcore-dev libx264-dev \ libgtk-3-dev libcanberra-gtk3-module \ libatlas-base-dev gfortran \ python3-dev python3-numpy
2️⃣ 下载源码
git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git
🏗️ 三、创建构建目录
cd opencv（跳转到git的opencv项目目录下）
mkdir -p build && cd build
⚙️ 四、CMake 配置命令（✅适配RTX 5060Ti + CUDA 12.6 + cuDNN 9.14）
请直接复制下面这一整段命令：
cmake \
-D CMAKE_BUILD_TYPE=Release \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D OPENCV_EXTRA_MODULES_PATH=/home/yf/下载/opencv_contrib/modules \
-D WITH_CUDA=ON \
-D WITH_CUDNN=ON \
-D OPENCV_DNN_CUDA=ON \
-D CUDA_ARCH_BIN=12.0 \
-D CUDA_ARCH_PTX="" \
-D WITH_CUBLAS=ON \
-D ENABLE_FAST_MATH=1 \
-D CUDA_FAST_MATH=1 \
-D WITH_CUDART=ON \
-D WITH_TBB=ON \
-D BUILD_opencv_cudacodec=ON \
-D BUILD_opencv_world=OFF \
-D BUILD_EXAMPLES=OFF \
-D BUILD_opencv_python2=OFF \
-D BUILD_opencv_python3=OFF \
-D WITH_OPENGL=ON \
-D WITH_QT=OFF \
-D WITH_GTK=ON \
-D BUILD_TESTS=OFF \
-D BUILD_PERF_TESTS=OFF \
-D CUDNN_INCLUDE_DIR=/usr/include \
-D CUDNN_LIBRARY=/usr/lib/x86_64-linux-gnu/libcudnn.so \
..🧩 五、编译与安装
建议使用所有 CPU 线程进行编译：
make -j$(nproc)
然后安装：
sudo make install
sudo ldconfig
🔍 六、验证安装
执行：
pkg-config --modversion opencv4
应该会输出版本号，比如：
4.13.0