Cmake、VS2019、C++、openGLopenCV環境安裝

在 CMake 和 Visual Studio 2019 環境下安裝和配置 OpenGL、OpenCV 以及 CUDA 可能會有些復雜，因為涉及的組件多且相互依賴。以下是一個詳細的指南，幫助您逐步完成安裝和配置。

1. 前提條件

在開始之前，請確保您已安裝以下軟件：

Visual Studio 2019： 安裝時請選擇“使用 C++ 的桌面開發”工作負載。如果您計劃進行更廣泛的圖形編程，也可以考慮包含“使用 C++ 的游戲開發”工作負載，因為它包含了一些 OpenGL 相關組件。
C++ 編譯器： Visual Studio 2019 自帶 MSVC，我們將使用它。

2. 安裝 OpenGL

OpenGL 本身是一個規范，而不是一個傳統意義上的庫。您通常會使用 GLAD（OpenGL 加載器）來管理函數指針，并使用 GLFW（圖形庫框架）來處理窗口和輸入。
在這里插入圖片描述

a. GLFW 安裝

下載 GLFW： 訪問 GLFW 官網，下載適用于 Visual Studio 2019 的預編譯二進制文件（例如：“64-bit Windows binaries”）。
解壓： 將下載的 ZIP 文件解壓到一個方便的位置，例如 C:\Libraries\glfw-3.3.8。
結構： 解壓后的文件夾中會包含 include（用于頭文件）和 lib（用于庫文件）。

b. GLAD 安裝

在這里插入圖片描述

訪問 GLAD 官網： 前往 GLAD 官網。
選擇選項：
- 語言： C/C++
- 規范： OpenGL
- API： 選擇一個版本（例如 4.6）。請務必選擇“Core”配置文件。
- 擴展： 基本設置無需選擇任何特定擴展。
- 加載器： 勾選“Generate a loader”。
生成： 點擊“Generate”并下載 ZIP 文件。
解壓： 解壓 ZIP 文件的內容。您會發現一個 include 文件夾，其中包含 KHR、glad 和 GLFW 相關的頭文件。
復制頭文件： 將解壓后的 include 目錄中的 glad 和 KHR 文件夾復制到您的項目 include 目錄中，或者一個公共的 include 目錄（例如 C:\Libraries\glad\include）。

3. 安裝 CUDA Toolkit

CUDA 對于利用 NVIDIA GPU 進行加速計算至關重要。

檢查 GPU 兼容性： 確保您的 NVIDIA GPU 支持 CUDA。您可以在 NVIDIA CUDA GPU 頁面上查看。
下載 CUDA Toolkit： 訪問 NVIDIA CUDA Toolkit 下載頁面。
- 選擇您的操作系統（Windows）、架構（x86_64）和 Visual Studio 版本（VS2019 對應 10.0）。
- 選擇“local”安裝程序進行完整下載。
運行安裝程序： 執行下載的安裝程序。
- 在安裝過程中，選擇自定義安裝。
- 重要提示： 如果安裝程序試圖安裝比您當前 Visual Studio 版本更舊的集成，請取消選擇 Visual Studio 集成。您需要最新的集成，這應該隨您的 VS2019 安裝提供，或者由 Visual Studio 自身更新。通常，讓 CUDA 安裝程序處理核心 CUDA 組件和驅動程序更安全。
- 按照屏幕上的提示完成安裝。
驗證安裝：
- 打開命令提示符，輸入 nvcc -V。您應該會看到 CUDA 編譯器版本信息。
- 檢查您的系統 PATH 環境變量。您應該能看到類似 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.Y\bin 和 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.Y\libnvvp 的條目。

set(CUDA_DIR "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2")

4. 安裝 OpenCV

OpenCV（開源計算機視覺庫）可能會更復雜一些，尤其是與 CUDA 集成時。我們將使用 CMake 從源代碼構建它。
在這里插入圖片描述

a. 下載 OpenCV 源代碼

下載 OpenCV： 訪問 GitHub 上的 OpenCV 發布頁面，下載最新穩定版本的源代碼（例如 opencv-4.x.x.zip）。
下載 OpenCV Contrib： 如果您需要額外的模塊（如 SIFT、SURF 等，這些模塊因專利問題已移至 contrib），也請從 OpenCV Contrib 發布頁面下載相應的 opencv_contrib-4.x.x.zip。
解壓： 創建一個文件夾，例如 C:\Libraries\opencv。將 opencv-4.x.x.zip 解壓到 C:\Libraries\opencv\opencv-4.x.x，并將 opencv_contrib-4.x.x.zip 解壓到 C:\Libraries\opencv\opencv_contrib-4.x.x。

b. 使用 CMake 和 Visual Studio 2019 構建 OpenCV

安裝 CMake： 如果您尚未安裝，請從 CMake 官網下載并安裝 CMake。選擇 Windows 安裝程序。
創建構建目錄： 在您的 C:\Libraries\opencv\opencv-4.x.x 文件夾中，創建一個新的空文件夾，命名為 build。因此路徑將是 C:\Libraries\opencv\opencv-4.x.x\build。
打開 CMake-GUI： 啟動 CMake 圖形用戶界面（CMake-GUI）。
- 源代碼路徑： 瀏覽到 C:\Libraries\opencv\opencv-4.x.x。
- 構建二進制文件路徑： 瀏覽到 C:\Libraries\opencv\opencv-4.x.x\build。
配置：
- 點擊 Configure。
- 選擇您的生成器：選擇 Visual Studio 16 2019。
- 選擇平臺：選擇 x64。
- 點擊 Finish。
設置 CMake 選項： 配置完成后，會出現一個選項列表。以下是 CUDA 和 contrib 的關鍵選項：
- BUILD_opencv_world：（可選，但推薦）勾選此項以構建單個 opencv_world 庫。
- OPENCV_EXTRA_MODULES_PATH：勾選此項并提供您的 opencv_contrib 模塊路徑，例如 C:\Libraries\opencv\opencv_contrib-4.x.x\modules。
- WITH_CUDA：勾選此選項。 CMake 應該會自動檢測您的 CUDA 安裝。如果未檢測到，您可能需要手動將 CUDA_TOOLKIT_ROOT_DIR 設置為您的 CUDA 安裝路徑（例如 C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/vX.Y）。
- CUDA_ARCH_BIN：這很重要。在此處查找您 GPU 的計算能力。例如，如果您的 GPU 計算能力為 7.5，則輸入 7.5（或 75）。您可以輸入用分號分隔的多個計算能力（例如 6.1;7.5;8.6）。
- WITH_OPENGL：勾選此選項。
- INSTALL_C_EXAMPLES：（可選）勾選以構建 C 示例。
- INSTALL_PYTHON_EXAMPLES：（可選）如果不需 Python 示例，則取消勾選。
- BUILD_EXAMPLES：（可選）勾選以構建示例。
- BUILD_SHARED_LIBS：保持勾選以構建 DLL（動態庫）。如果您更喜歡靜態鏈接，請取消勾選。
- BUILD_TESTS：（可選）取消勾選以加快構建速度。
重新配置并生成：
- 再次點擊 Configure，確保所有選項都已正確設置。紅色條目應該會消失。
- 點擊 Generate。這將在您的 build 目錄中生成 Visual Studio 解決方案文件。
在 Visual Studio 中構建：
- 在 Visual Studio 2019 中打開 C:\Libraries\opencv\opencv-4.x.x\build\OpenCV.sln。
- 在“解決方案資源管理器”中，右鍵單擊 ALL_BUILD 項目，然后選擇生成。這將編譯所有 OpenCV 模塊。這可能需要很長時間。
- ALL_BUILD 完成后，右鍵單擊 INSTALL 項目，然后選擇生成。這會將編譯好的庫、頭文件和 DLL 復制到 C:\Libraries\opencv\opencv-4.x.x\build\install 目錄（或您在 CMake 配置期間指定為 CMAKE_INSTALL_PREFIX 的路徑）。

5. 設置 Visual Studio 2019 項目

現在所有組件都已安裝，讓我們在 Visual Studio 中創建一個新項目并鏈接到這些庫。

創建新項目：
- 打開 Visual Studio 2019。
- 點擊“創建新項目”。
- 選擇“控制臺應用”（適用于 C++）。
- 為您的項目命名并選擇位置。
配置項目屬性：
- 在“解決方案資源管理器”中，右鍵單擊您的項目，然后選擇屬性。
- 確保將配置設置為 所有配置，平臺設置為 x64。

a. 包含目錄（Include Directories）

轉到 VC++ 目錄 > 包含目錄。
添加以下路徑：
- C:\Libraries\glfw-3.3.8\include
- C:\Libraries\glad\include（或您放置 GLAD 頭文件的位置）
- C:\Libraries\opencv\opencv-4.x.x\build\install\include
- C:\Libraries\opencv\opencv-4.x.x\build\install\include\opencv2
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.Y\include（將 vX.Y 替換為您的 CUDA 版本）

b. 庫目錄（Library Directories）

轉到 VC++ 目錄 > 庫目錄。
添加以下路徑：
- C:\Libraries\glfw-3.3.8\lib-vc2019（或 GLFW 下載中與您 VS 版本對應的 lib-vcXXXX）
- C:\Libraries\opencv\opencv-4.x.x\build\install\x64\vc16\lib（或與您 VS 版本對應的 vcXX）
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.Y\lib\x64

c. 鏈接器 > 輸入 > 附加依賴項（Linker > Input > Additional Dependencies）

轉到 鏈接器 > 輸入 > 附加依賴項。
添加以下 .lib 文件：
- glfw3.lib
- opengl32.lib（標準 Windows OpenGL 庫）
- opencv_world4xx.lib（或調試版本 opencv_world4xxd.lib，將 4xx 替換為您的 OpenCV 版本，例如 opencv_world460.lib）

d. 復制 DLL 文件（重要）

對于動態鏈接，您還需要確保相關的 DLL 文件在可執行文件旁邊或系統 PATH 中。

OpenCV DLLs： 將 C:\Libraries\opencv\opencv-4.x.x\build\install\x64\vc16\bin 目錄下的所有 DLL 文件復制到您項目可執行文件（.exe）所在的目錄（通常是 Debug 或 Release 文件夾）。
CUDA DLLs： 通常 CUDA DLLs 已經添加到系統 PATH 中，但如果沒有，您可能需要將 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.Y\bin 添加到系統 PATH，或者將其中的 DLLs 復制到項目可執行文件目錄。
GLFW DLLs： 將 C:\Libraries\glfw-3.3.8\lib-vc2019 目錄下的 glfw3.dll 復制到您項目可執行文件所在的目錄。

6. 示例代碼（測試）

現在您可以編寫一些簡單的代碼來測試您的安裝了。

OpenGL 和 GLFW 示例

#include <glad/glad.h>
#include <GLFW/glfw3.h>
#include <iostream>void framebuffer_size_callback(GLFWwindow* window, int width, int height);
void processInput(GLFWwindow *window);const unsigned int SCR_WIDTH = 800;
const unsigned int SCR_HEIGHT = 600;int main()
{glfwInit();glfwWindowHint(GLFW_CONTEXT_VERSION_MAJOR, 3);glfwWindowHint(GLFW_CONTEXT_VERSION_MINOR, 3);glfwWindowHint(GLFW_OPENGL_PROFILE, GLFW_OPENGL_CORE_PROFILE);#ifdef __APPLE__glfwWindowHint(GLFW_OPENGL_FORWARD_COMPAT, GL_TRUE);
#endifGLFWwindow* window = glfwCreateWindow(SCR_WIDTH, SCR_HEIGHT, "LearnOpenGL", NULL, NULL);if (window == NULL){std::cout << "Failed to create GLFW window" << std::endl;glfwTerminate();return -1;}glfwMakeContextCurrent(window);glfwSetFramebufferSizeCallback(window, framebuffer_size_callback);if (!gladLoadGLLoader((GLADloadproc)glfwGetProcAddress)){std::cout << "Failed to initialize GLAD" << std::endl;return -1;}while (!glfwWindowShouldClose(window)){processInput(window);glClearColor(0.2f, 0.3f, 0.3f, 1.0f);glClear(GL_COLOR_BUFFER_BIT);glfwSwapBuffers(window);glfwPollEvents();}glfwTerminate();return 0;
}void processInput(GLFWwindow *window)
{if (glfwGetKey(window, GLFW_KEY_ESCAPE) == GLFW_PRESS)glfwSetWindowShouldClose(window, true);
}void framebuffer_size_callback(GLFWwindow* window, int width, int height)
{glViewport(0, 0, width, height);
}

OpenCV 和 CUDA 示例

#include <opencv2/opencv.hpp>
#include <opencv2/cudaimgproc.hpp> // For CUDA-accelerated image processing
#include <iostream>int main() {// Check if CUDA is availableif (cv::cuda::getCudaEnabledDeviceCount() > 0) {std::cout << "CUDA is available!" << std::endl;// Print device propertiescv::cuda::DeviceInfo info;std::cout << "GPU Device Name: " << info.name() << std::endl;std::cout << "Total Memory: " << info.totalGlobalMem() / (1024.0 * 1024.0) << " MB" << std::endl;// Example: Upload an image to GPU, convert to grayscale, download backcv::Mat hostImage = cv::imread("path/to/your/image.jpg", cv::IMREAD_COLOR); // Replace with a valid image pathif (hostImage.empty()) {std::cerr << "Error: Could not open or find the image!" << std::endl;return -1;}cv::cuda::GpuMat gpuImage;gpuImage.upload(hostImage); // Upload to GPUcv::cuda::GpuMat gpuGrayImage;cv::cuda::cvtColor(gpuImage, gpuGrayImage, cv::COLOR_BGR2GRAY); // Convert to grayscale on GPUcv::Mat hostGrayImage;gpuGrayImage.download(hostGrayImage); // Download back to CPUcv::imshow("Original Image", hostImage);cv::imshow("Grayscale Image (CUDA)", hostGrayImage);cv::waitKey(0);} else {std::cout << "CUDA is NOT available. Running CPU-only OpenCV." << std::endl;cv::Mat hostImage = cv::imread("path/to/your/image.jpg", cv::IMREAD_COLOR); // Replace with a valid image pathif (hostImage.empty()) {std::cerr << "Error: Could not open or find the image!" << std::endl;return -1;}cv::Mat hostGrayImage;cv::cvtColor(hostImage, hostGrayImage, cv::COLOR_BGR2GRAY);cv::imshow("Original Image", hostImage);cv::imshow("Grayscale Image (CPU)", hostGrayImage);cv::waitKey(0);}return 0;
}