【opencv】windows10下opencv4.8.0-cuda Python版本源碼編譯教程

提示:博主取舍了很多大佬的博文并親測有效,分享筆記邀大家共同學習討論

---

前言

OpenCV是一個開源的計算機視覺庫，包含了核心模塊和擴展模塊，提供了基礎的圖像處理和計算機視覺算法，以及一些機器學習工具。而OpenCV Contrib是OpenCV社區(qū)貢獻的一組擴展模塊之一，包含了一些較為新穎和實用的算法和工具函數(shù)，提供了一些高級的圖像處理和計算機視覺算法。這些功能和算法可能不適合所有用戶或者還處于實驗性階段。OpenCV Contrib模塊中的代碼由社區(qū)貢獻者開發(fā)和維護，它們提供了一些在OpenCV核心庫中尚未包含的新特性和實驗性功能。

---

準備工具

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

anaconda/cuda/cudnn

安裝cuda、cudnn可以參考此前博主的【深度學習windows10環(huán)境配置詳細教程】，因為對于新手來說，需要注意的細節(jié)比較多，這里不浪費篇幅重復講述了。

anaconda創(chuàng)建環(huán)境(選做)

為了將CUDA版本的opencv安裝到虛擬環(huán)境中，安裝到默認環(huán)境(base)不需要執(zhí)行此步驟。

# 搭建opencv環(huán)境
conda create -n opencv_onnx_gpu python=3.10.9 -y
# 激活環(huán)境
activate opencv_onnx_gpu

虛擬環(huán)境中需要安裝numpy，后續(xù)的編譯過程中需要。

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

安裝原生python(選做)

在使用 CMake 為 Anaconda 新建的虛擬環(huán)境安裝 OpenCV 時，需要在主機上安裝一個與虛擬環(huán)境中的 Python 版本一致的原生環(huán)境，這是由于CMake 需要在構(gòu)建過程中使用與虛擬環(huán)境中的 Python 版本一致的 Python 解釋器來生成適用于該版本的 Python 綁定。
博主在anaconda創(chuàng)建的虛擬環(huán)境python為3.10，因此需要安裝了python3.10原生版本，否則即使通過編譯但始終無法使用opencv-python。

原生python官網(wǎng)下載地址，選擇Windows版本。

這里通過激活虛擬環(huán)境查看安裝對應的版本，博主不確定這種微小版本的差異會不會影響后續(xù)編譯測試，所以最好都保持一致。

勾選加入系統(tǒng)環(huán)境后直接安裝。

配置環(huán)境變量，這里可能出現(xiàn)cmd使用的python版本還是使用anaconda的base環(huán)境的情況，這是因為在環(huán)境變量Path中anaconda的順序排在原生Python的前面，調(diào)整原生python的路徑在anaconda的base之前即可。

cmake

CMake官方下載地址，下載cmake-3.27.7-windows-x86_64.msi。

添加到環(huán)境和安裝路徑博主根據(jù)自身情況作出了修改，其他都是默認安裝。

出現(xiàn)以下界面安裝成功。

opencv4.8.0

Opencv官方下載地址，下載OpenCV – 4.8.0 Sources，下載解壓opencv-4.8.0.zip。

opencv_contrib

opencv_contrib官方下載地址，選擇opencv對應的contrib版本，例如opencv4.8.0對應就是opencv_contrib-4.8.0.zip。下載后直接解壓。

---

CMake編譯

1. 打開CMake，where is the source code是Opencv sources(博主是opencv-4.8.0)的文件夾位置，where to build the binaries是編譯opencv保存的文件夾位置(自定義)，在左下角第一次點擊Configure。
   
2. 選擇對應vs的版本(博主是vs2019)，系統(tǒng)選擇x64，最后點右下角Finish，顯示Configuring done。
3. 安裝到默認環(huán)境(base)不需要執(zhí)行此步驟，該步驟步驟的目的是安裝cuda版本opencv到用戶自定義的虛擬環(huán)境中，分別將路徑指向自定義虛擬環(huán)境的對應位置 : PYTHON3_EXECUTABLE、PYTHON3_INCLUDE_DIR、PYTHON3_LIBRARY、PYTHON3_NUMPY_INCLUDE_DIRS(需要安裝numpy)、PYTHON3_PACKAGES_PATH。
   4.在Search搜索框搜索帶cuda的關(guān)鍵字，全部勾選。
   
4. Search搜索框搜索OPENCV_EXTRA_MODULES_PATH，添加解壓的opencv_contrib中的modules的路徑，再搜索并勾選OPENCV_ENABLE_NONFREE選項。
   
5. 將build_opencv_world選上，這可以將所有opencv的庫都編譯在一起，不需要自己手動選擇添加每個小模塊，但是具體的工程又不建議這種全家桶。
6. 對于java、js、tests相關(guān)選項的選擇，用Search搜索框分別搜索“java”，“js”，“tests”，根據(jù)需要選中和取消相關(guān)選項，默認都是選中，博主都取消了，必須勾選BUILD_opencv_python3，決定了能否在python中使用GPU加速，第二次點擊Configure。
7. 顯示Configuring done后，將CUDA_ARCH_BIN顯卡算力內(nèi)容改成自己顯卡的算力。官網(wǎng)查看顯卡算力地址，刪除小于自己顯卡算力的部分，再搜索并勾選ENABLE_FAST_MATH選項，第三次點擊Configure。
   
8. 顯示Configuring done后，點擊generate，顯示generating done，成功完成cmake編譯，在輸出的opencv保存文件夾位置中存在就生成了OpenCV.sln文件。
   

cmake編譯過程是會從githup上下載數(shù)據(jù)，但是一般都會出現(xiàn)下載失敗的情況，這里建議讀者先跳到【可能出現(xiàn)的問題】這一小節(jié)，來確認是不是自己也出現(xiàn)了下載失敗的情況。

---

VS2019編譯

1. 確保在解決方案的bindings這個目錄下有opencv_python3，否則即使編譯成功仍然不能使用CUDA加速。
2. 使用VS2019 (以管理員方式運行) 打開剛剛編譯工程OpenCV.sln，在release|x64模式下，在解決方案資源管理器—>CMakeTargets—>右鍵點擊ALL_BUILD–>生成。
3. 同樣在release|x64模式下，在解決方案資源管理器—>CMakeTargets—>右鍵點擊INSTALL–>生成。
   

沒有任何報錯信息就是編譯完成，在XXX\lib\python3\Release文件夾下可以看到cv2.cpxxx-win_amd64.pyd文件。

XXX是編譯opencv保存的文件夾位置(博主是opencv-4.8.0-vs2019-64)，cpxx是python版本(博主是cp310)

同時，在虛擬環(huán)境中，可以在路徑Lib\site-packages下看到cv2文件夾

進入cv2目錄打開config.py可以看到虛擬環(huán)境opencv_onnx_gpu依賴于cmake編譯的opencv(where to build the binaries)。

博主將依賴的opencv拷貝到了虛擬環(huán)境中，并修改了依賴的路基。

---

可能出現(xiàn)的問題

cmake編譯過程中可能出現(xiàn)的問題

cmake編譯出現(xiàn)Download failed的問題。

在where to build the binaries位置里面有個CMakeDownloadLog.txt，將里面下載鏈接復制到瀏覽器進行下載，

將其和where is the source code里面的.cache文件夾里面內(nèi)容相對應，下圖是下載失敗時候，文件大小是0KB，手動下載完成后進行替換。

注意用來替換的文件的名稱要與對應空文件的名稱保持一致。

對于部分文件則需要將網(wǎng)頁以另存為的方式進行替換，注意一定不要以復制網(wǎng)頁內(nèi)容粘貼到空文件的方式進行替換，這是無效的的。

將整個.cache都用同樣的方式進行處理。

強調(diào)一點，出現(xiàn)這種問題，可以暫時先走完CMake編譯過程，因為每一次Configuring都會有新的下載內(nèi)容，然后再一次性將.cache的內(nèi)容進行完整的替換，最后進行Configuring和Generate。

VS2019編譯過程中可能出現(xiàn)的問題

通常是對于部分資源，vs2019沒有管理員操作權(quán)限，因此只需要用管理員身份重新打開進行操作即可。

---

測試使用GPU

這里用一段簡單的python代碼驗證安裝完成的opencv是否支持gpu設備。

import cv2
# 檢查是否支持CUDA
if cv2.cuda.getCudaEnabledDeviceCount():print("檢測到支持CUDA的設備數(shù)量:", cv2.cuda.getCudaEnabledDeviceCount())
else:print("未檢測到支持CUDA的設備")

驗證成功，oepncv-cuda版本源碼編譯成功。

---

總結(jié)

盡可能簡單、詳細的介紹windows10下Python版本opencv4.8.0-cuda版本用源碼進行編譯的詳細流程。