本文介紹使用OpenCV和OpenCV_Contrib源碼及Cuda進行編譯的過程，編譯過程中會用到OpenCV、OpenCV_Contrib、Toolkit、Cmake、VS2022等工具，最終編譯OpenCV的Cuda版本。

一、OpenCV下載地址

OpenCV官網下載地址:https://opencv.org/releases/#，選擇一個版本下載，下載之后解壓或者提取；

OpenCV Gihthub下載地址:https://github.com/opencv/opencv；也可以在Github選擇一個版本下載，下載之后解壓；

注：從官網使用下載器下載的OpenCV解壓后會多一個build文件夾，是已經編譯的opencv文件，直接從Github下載的沒有這個文件夾，因為需要自己編譯Cuda版本的opencv，所以不會用到這個build文件夾，有沒有都不影響；

圖中左側opencv4.11.0文件夾就是右側的sources文件夾（下圖）

二、OpenCV_contrib下載地址

OpenCV Gihthub下載地址:https://github.com/opencv/opencv_contrib，和下載OpenCV相同的方式進行下載，注意OpenCV_contrib的版本要與下載的OpenCV的版本一致。下載后解壓；

下圖中的cuda開頭的文件夾就是與cuda相關的文件，

三、Cmake下載

下載Cmake:https://cmake.org/download/，我使用的Cmake4.0.1;

四、Cuda Toolkit下載

1.查看CUDA最高支持版本

在命令窗口中使用nvidia-smi查看電腦的顯卡支持的CUDA Toolkit版本(如果nvidia-smi不可用，可能是命令行輸錯了或者沒安裝顯卡驅動，檢查命令行或者下載驅動：https://www.nvidia.cn/drivers/lookup/)，下圖中CUDA Version12.6代表最高支持CUDA Toolkit12.6的版本；

2.下載CudaToolkit

下載地址：https://developer.nvidia.com/cuda-downloads，下載完成后，進行安裝，安裝后
在C:\Program Files會有NVIDIA GPU Computing Toolkit文件夾；

3.環境變量配置

安裝完成后，系統環境變量中會有以下兩個路徑；

在環境變量Path中，需要添加以下路徑（前兩個是安裝后自動添加的，所以只需要添加最后一個x64的路徑就行）：

4.檢查CUDA Toolkit版本

在命令窗口輸入 nvcc -V(中間有空格)會顯示電腦安裝的CUDA Toolkit的版本號；

五、cuDNN下載

下載地址：https://developer.nvidia.com/cudnn，下載完成后，將其中的bin文件，lib文件夾，include文件夾，三個文件夾中的文件復制到對應的cuda文件夾中，即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2文件夾的對應目錄中(v12.2是CUDA的版本號，我下載的是12.2）,如果不使用cuDNN可以跳過此步驟；

六、編譯

1.opencv編譯

1.打開Cmake，首先編譯opencv，選擇Opencv源碼文件夾，之后選擇新的build文件夾，如下圖新建一個build文件夾，我的build文件夾名字為cudaopencv1：

點擊左下角的Configure，會彈出以下界面，選擇generator，我的需要使用的VS2022,所以我選擇的是Visual Studio 17 2022(根據自己的需求選擇)，之后點擊Finish：

2.Configure完成后會有以下界面，Configure過程中會顯示warning，提示你版本cmake版本要求或者文件未找到，可以一個一個查看，不是自己需編譯的文件就不用管(也可以直接取消勾選，不進行編譯)；

3.點擊Generate,下方會顯示Generating done.

4.至此build文件夾（我的build文件夾名為cudaopencv1）中會出現以下文件：

2.OpenCV生成

1.雙擊打開生成的OpenCV.sln，

2.在VS中設置編譯環境Debug或者Release，之后在解決方案管理器中找打CmakeTargerts，右鍵點擊其中的ALL_BUILD，點擊生成；

3.在自己的build文件夾中會生成lib文件夾，如下所示

lib文件夾中的內容是剛剛生成的文件，如果是在Debug模式下生成就會有Debug文件夾，如果是Release模式就會有Release文件夾，兩種模式都生成，兩個文件夾都有；

文件夾中是生成的庫文件：

3.編譯contrib及CUDA

1.在Cmake中找到OPENCV_EXTRA_MODULES_PATH，設置文件夾為opencv_contrib文件中的modules文件夾路徑，我的opencv_contrib路徑為：D:/OpenCV4.11/opencv_contrib-4.11.0/modules，如下圖：

2.在cmake的search中輸入cuda，設置BUILD中的BUILD_CUDA_STUBS為勾選狀態，設置WITH中的WITH_CUDA為勾選狀態；

3.設置完成后，點擊下方的Configure，最下方顯示Configuring done.

4.完成Generate之后設置顯卡算力參數，在Cmake的Search中搜索ARCH，設置CUDA_ARCH_BIN參數為自己的顯卡算力，我的顯卡算力為8.6，具體自己的顯卡算力可以在Nvidia網站查詢：https://developer.nvidia.com/cuda-gpus；

注意：在未點擊Generate時搜索不到這個參數，完成一次Generate后才可以搜到這個參數，如果不設置這個參數會導致后邊的cudaopencv編譯失敗；

5.設置CUDA_FAST_MATH為勾選狀態：

點擊Configure，顯示Configuring done后，點擊Generate，Generating done

6.檢查是否編譯成功
a.在Camke的白色區域中，Build中會顯示以下目錄：

b.在自己的build文件夾中的modules文件夾中(我的build文件夾名字為cudaopencv1)，會有以下文件，

至此opencv cuda版本的build完成。

4.使用VS進行生成

打開build文件夾（cudaopencv1），找到OpenCV.sln，雙擊打開；

在CmakeTargets中找到ALL_BUILD，右鍵點擊生成(此過程比較長，我用了18分鐘)，

生成完成后，查看自己的build文件夾的lib文件夾，發現與之前相比會多出contrib中的內容

之后點擊INSTALL中的僅用于項目的僅生成INSTALL，點擊后會在build文件夾中生成一個install文件夾，文件夾中的內容就是編譯的全部內容。


install文件夾中的內容：

這里邊都是debug模式下編譯的庫文件，如果需要release模式，在ALL_BUILD生成時，在VS中選擇Release，然后再生成INSTALL。

至此，opencv +contrib+cuda編譯全部完成。

七、配置及使用

1.配置環境變量

在此電腦->屬性->高級系統設置->環境變量->系統變量->Path中增加編譯的bin文件夾；

2.配置項目屬性

首先配置項目包含目錄，在包含目錄中添加：D:\OpenCV4.11\cudaopencv1\install\include 和 D:\OpenCV4.11\cudaopencv1\install\include\opencv2；

在庫目錄中，配置D:\OpenCV4.11\cudaopencv1\install\x64\vc17\lib

在鏈接器->輸入->附加依賴項中，加入build文件夾中所有lib文件名稱，文件名很多，所以可以使用命令行一次性全部轉換為文本，然后直接復制（詳見3.獲取所有lib文件名稱）

3.獲取所有lib文件名稱

在命令窗口中輸入：dir /b “文件路徑”>生成的文本路徑；
例如以下截圖，會將lib文件夾中的所有文件名字存放到C盤的name文本中；

4.驗證是否可用

使用以下代碼可以獲取編譯信息及電腦的GPU數量，則可以正常使用；

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/cudafilters.hpp>
#include <opencv2/cudaimgproc.hpp>
int main() 
{std::cout << "OpenCV built with CUDA: " << cv::getBuildInformation() << std::endl;//獲取編譯信息，如下圖int num_devices = cv::cuda::getCudaEnabledDeviceCount();std::cout << "Number of CUDA devices: " << num_devices << std::endl;return 0;
}

如果編譯正常，使用getBuildInformation()函數可以看到NVIDIA CDUA的狀態為YES，而且可以看到顯卡的計算能力；
使用cuda::getCudaEnabledDeviceCount()可以獲取到電腦的顯卡數量（如下圖，電腦只有一個顯卡，獲取的結果也是1）；

八、匯總

使用的編譯工具及版本如下，如果有需要編譯完成的文件，可以在評論區留下郵箱；

九、編譯過程中可能遇到的問題

1.所有步驟均按照以上過程操作，但是在VS生成過程中，顯示：

27>D:\OpenCV4.5.5\opencv\sources\modules\core\include\opencv2/core/cuda/common.hpp(99,27): error C4430: 缺少類型說明符 - 假定為 int。注意: C++ 不支持默認 int (編譯源文件D:\OpenCV4.5.5\opencv\cudaopencv\modules\core\arithm.sse4_1.cpp)

產生這個問題大概率是由于cuda版本與opencv版本的兼容問題，我最開始使用OpenCV4.5.5和CUDA 12.2版本，出現這個問題，后來換成OpenCV4.11和CUDA12.2,編譯成功

2.在Cmake過程中出現以下錯誤，顯示：

CMake Error at cmake/OpenCVDetectCUDAUtils.cmake:297 (list):
list GET given empty list
Call Stack (most recent call first):
cmake/OpenCVDetectCUDA.cmake:76 (ocv_set_cuda_arch_bin_and_ptx)
cmake/OpenCVFindLibsPerf.cmake:46 (include)
CMakeLists.txt:800 (include)

cmake檢測CUDA架構時未能正確識別電腦GPU的計算能力，如果出現這個問題，在cmake中設置CUDA_ARCH_BIN的值，GPU計算能力查詢https://developer.nvidia.com/cuda-gpus