OpenCV 编译过程的截图。

安装一个预编译版本的OpenCV可能会导致你不能充分利用cuda硬件，而cuda硬件在GPU加速方面是非常强大的。。

本文，我们将使用带有 CUDA 和 cuDNN 的预安装环境从源代码构建 OpenCV。

1． 先决条件

1．1 CUDA 和 cuDNN

主要的先决条件是安装 NVIDIA CUDA 工具包和 NVIDIA CUDA 深度神经网络库 （cuDNN） 库。

如果你还没有安装这些，建议你按照我之前的指南安装它们

设置好后，让我们继续依赖关系。

1．2 依赖项

需要 CMake 和 GCC 来配置安装和编译项目：

＄ sudo apt install cmake

＄ sudo apt install gcc g＋＋

为了支持 Python 3 安装，我们需要 Python（大多数 Ubuntu 版本都预装了它）、Python－devel 和 Numpy：

＄ sudo apt install python3 python3－dev python3－numpy

GUI 功能、相机支持 （v4l）、媒体支持 （ffmpeg、gstreamer．．．） 等都需要 GTK：

＄ sudo apt install libavcodec－dev libavformat－dev libswscale－dev

＄ sudo apt install libgstreamer－plugins－base1．0－dev libgstreamer1．0－dev

＄ sudo apt install libgtk－3－dev

下一个依赖项是可选的，但添加了对 PNG、JPEG、JPEG2000、TIFF、WebP 等格式的最新支持：

＄ sudo apt install libpng－dev libjpeg－dev libopenexr－dev libtiff－dev libwebp－dev

现在，使用 Git 下载 OpenCV 存储库：

＄ git clone https：／／github．com／opencv／opencv．git

我们还将下载 OpenCV 的额外模块 （CMake flag －D OPENCV＿EXTRA＿MODULES＿PATH） 存储库。需要这些模块才能将 CUDA 功能与 OpenCV 一起使用。

＄ git clone https：／／github．com／opencv／opencv＿contrib．git

2．确定CUDA架构版本

CMake 需要 CUDA＿ARCH＿BIN 设置一个标志才能使用正确的 CUDA 架构编译二进制文件。如果未正确设置此标志，则二进制文件的最终使用将失败。

要正确设置标志，我们首先使用nvidia－smi －L命令确定 NVIDIA GPU 型号：

现在转到https：／／developer．nvidia．com／cuda－gpus并查找你的 GPU 型号。

就我而言，我必须去启用 CUDA 的 GeForce 和 TITAN 产品，然后找到 GeForce GTX 1050：

在型号名称旁边，你会找到 GPU 的计算能力。这是 NVIDIA GPU 架构版本，它将是 CMake 标志的值：CUDA＿ARCH＿BIN＝6．1．

3．准备使用CUDA和cuDNN支持编译

我们将使用一堆 CMake 标志来编译 OpenCV。你可以在本文末尾找到这些的详细参考。

准备构建目录：

＄ cd ～／opencv

＄ mkdir build

＄ cd build

使用以下标志运行 CMake：

cmake 

－D CMAKE＿BUILD＿TYPE＝RELEASE 

－D CMAKE＿INSTALL＿PREFIX＝／usr／local 

－D WITH＿CUDA＝ON 

－D WITH＿CUDNN＝ON 

－D WITH＿CUBLAS＝ON 

－D WITH＿TBB＝ON 

－D OPENCV＿DNN＿CUDA＝ON 

－D OPENCV＿ENABLE＿NONFREE＝ON 

－D CUDA＿ARCH＿BIN＝6．1 

－D OPENCV＿EXTRA＿MODULES＿PATH＝＄HOME／opencv＿contrib／modules 

－D BUILD＿EXAMPLES＝OFF 

－D HAVE＿opencv＿python3＝ON 

．．

你应该有一个类似于以下的输出：

．．．

－－ The CXX compiler identification is GNU 9．4．0

．．．

－－ Performing Test．．．

．．．

－－ General configuration for OpenCV 4．5．5－dev ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

．．．

－－   NVIDIA CUDA：                   YES （ver 11．6， CUFFT CUBLAS）

－－     NVIDIA GPU arch：             61

－－     NVIDIA PTX archs：

－－ 

－－   cuDNN：                         YES （ver 8．3．2）

．．．

－－ Configuring done

－－ Generating done

－－ Build files have been written to： ／home／j／opencv／build

这表明预构建是成功的。

4． 编译支持GPU加速的OpenCV

如果 CMake 没有任何错误，我们就可以编译 OpenCV。

我们只需要知道我们的 CPU 有多少个内核可用。为此，请使用以下lscpu命令：

查找CPU（s）设置，我们将在下一个命令中使用。

为了最终编译OpenCV，使用make和－j 或 －－jobs选项，该选项指定要同时运行的作业数，其值必须等于我们之前找到的内核数：

＄ make －j 8

就我而言，完全完成需要半个小时。

5． 安装 OpenCV

在通过 CUDA 和 cuDNN 编译支持 GPU 加速的 OpenCV 后，我们就可以像下载预编译包一样安装它了。

在build目录中，运行以下命令：

＄ sudo make install

然后用于ldconfig创建必要的链接并缓存到我们新安装的 OpenCV：

＄ sudo ldconfig

最后一步是为 Python 3 创建指向 OpenCV 绑定的符号链接，以供全局使用。如果你使用默认的 Ubuntu 安装，这是必需的，因为它的可执行文件会在目录中查找包dist－packages，并且默认在site－packages安装 OpenCV 。

为此，请运行以下命令：

＄ sudo ln －s ／usr／local／lib／python3．8／site－packages／cv2 ／usr／local／lib／python3．8／dist－packages／cv2

使用 python3 解释器和 cv2．cuda．printCudaDeviceInfo（0） 来验证库是否正常工作：

就是这样。

清理

安装后，有些文件我们将不再需要，可以安全删除：

＄ cd ～

＄ rm －rf opencv opencv＿contrib

使用的 CMake 标志参考

· CMAKE＿BUILD＿TYPE ＝RELEASE：禁用调试选项

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿general＿debug

· CMAKE＿INSTALL＿PREFIX ＝／usr／local： 设置生成的二进制文件的根目录

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿install＿root

· WITH＿CUDA ＝ON：启用 CUDA 支持

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿func＿hetero

· WITH＿CUDNN＝ON：（未记录）启用 cuDNN 支持

· WITH＿CUBLAS＝ON：（未记录）启用 cuBLAS 支持

· WITH＿TBB ＝ON：使用线程构建块启用并行编程

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿func＿core

· OPENCV＿DNN＿CUDA ＝ON：启用 CUDA 后端并构建dnn模块（需要 CUDA、cuDNN 和 cuBLAS）

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿dnn

· OPENCV＿ENABLE＿NONFREE ＝ON：启用受专利保护的算法

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿misc

· CUDA＿ARCH＿BIN ＝6．1：指定NVIDIA GPU架构版本（参考第3节）

    · https：／／github．com／opencv／opencv／blob／4．x／cmake／OpenCVDetectCUDA．cmake＃L217

· OPENCV＿EXTRA＿MODULES＿PATH ＝＄HOME／opencv＿contrib／modules：包含 OpenCV 的额外模块

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿general＿contrib

· BUILD＿EXAMPLES ＝OFF：禁用构建示例

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿general＿tests

· HAVE＿opencv＿python3 ＝ON：强制依赖opencv＿python3

    · https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html＃tutorial＿config＿reference＿func

来源

· 在 Ubuntu 中安装 OpenCV－Python：https：／／docs．opencv．org／4．5．5／d2／de6／tutorial＿py＿setup＿in＿ubuntu．html

· OpenCV 安装概述：https：／／docs．opencv．org／4．x／d0／d3d／tutorial＿general＿install．html

· OpenCV 配置选项参考：https：／／docs．opencv．org／4．x／db／d05／tutorial＿config＿reference．html

· OpenCV 的额外模块存储库：https：／／github．com／opencv／opencv＿contrib