cmake編譯opencv： Win10+cmake3.14.4+cuda10.0+cudnn7.6+opencv-4.0.0+contrib+vs2015

• 安裝所需軟體/庫
• Step1. 下載下傳安裝Anaconda3
• Step2. 下載下傳安裝cmake 3.14
• Step3. 下載下傳安裝CUDA 10.0
• Step4. 下載下傳安裝cuDNN 7.6
• Step5. 使用VS和CUDA編譯測試檔案
• Step6. 下載下傳安裝TBB
• Step7. 下載下傳編譯opencv-4.0.0和contrib
• 支線任務

Win10+cmake3.14.4+cuda10.0+cudnn7.6+opencv-4.0.0+contrib+vs2015)

參考資料：

• windows 10 64bit下安裝Tensorflow+Keras+VS2015+CUDA8.0 GPU加速;
• Win10 下Cmake編譯配置 Opencv3.1 + Cuda7.5 + VS2013;
• WIN10 + OpenCV3.4 + CUDA8.0 + Cmake3.9.0 + TBB + VS2015配置/重編譯;
• Win10安裝CUDA10和cuDNN;
• OpenCV 3.1.0 重編譯——支援CUDA8.0;
• opencv+cuda編譯出現LNK2019 cv::__termination錯誤;
• 圖像品質評價方法PSNR+SSIM&&評估名額SROCC,PLCC.

---------------------- 超長文多圖預警!!! ----------------------

安裝所需軟體/庫

•  Anaconda3;
•  cmake 3.14;
•  CUDA 10.0;
•  cuDNN 7.6;
•  opencv-4.0.0;
•  opencv_contrib-4.0.0;
•  TBB 2019.

我下載下傳的軟體和庫如下圖所示：

Step1. 下載下傳安裝Anaconda3

點選連結：Anaconda3，進入下載下傳頁面，注意先選擇Windows系統，再點選Download進行下載下傳，如下圖所示：

下載下傳完成開始安裝軟體。其他步驟可以選擇預設，直接點選Next>。安裝路徑也可以使用預設的安裝位置（C槽），這裡我改在了D盤， 可根據個人喜好選擇。

路徑選好後，下面這一步，記得把紅框部分都勾選上，然後點選Install，等待安裝：

安裝完成之後，打開cmd指令視窗，輸入

<span style="color:#000000"><code>python -V
</code></span>
           

• 1

出現

Python 3.7.3 :: Anaconda, Inc.

證明安裝成功。

下圖我自己安裝了3.7.2的版本，是以顯示結果稍有差别。

Anaconda3下載下傳安裝完畢！

Step2. 下載下傳安裝cmake 3.14

進入cmake 3.14下載下傳頁。選擇适合個人作業系統的 .msi 檔案進行下載下傳，比如我個人的電腦是64位作業系統，選擇 cmake-3.14.5-win64-x64.msi ，如下圖所示；如果是32位，則選擇 cmake-3.14.5-win32-x86.msi 。

下載下傳完成，先把之前安裝的舊版本cmake解除安裝掉，才可安裝新版本cmake。（如果電腦已安裝cmake，也可嘗試不安裝新版本，使用舊版本cmake進行編譯，也許同樣能編譯成功）

安裝進入下圖界面注意選擇第三項，添加cmake到系統路徑，下面是否建立桌面圖示根據個人喜好勾選，選好後點選Next進入下一步。

安裝路徑根據個人喜好修改，這裡我把C槽改成了D盤。如不願意修改，也可以安裝到預設路徑C:\Program Files\CMake\。路徑修改好後，直接點選Next進入下一步，開始軟體安裝。

安裝完成後出現以下畫面，點選Finish，結束安裝。

cmake安裝完畢！

Step3. 下載下傳安裝CUDA 10.0

進入CUDA 10.0下載下傳頁。Win10作業系統，可按照下圖深綠色部分進行選擇；如果非Win10，則根據個人作業系統選擇合适的選項。選好後點選下圖紅色框内的Download進行下載下傳。

下載下傳完成後，打開安裝程式。提示将CUDA的安裝檔案提取到臨時檔案夾中，提取路徑可選擇預設（提取到C槽）或自定義，然後點選OK。

等待檔案提取：

提取結束，出現NVIDIA程式安裝界面：

出現以下畫面，AGREE AND CONTINUE點起來。

選擇Custom(Advanced)，然後NEXT。

這裡，全都要，然後NEXT。

這裡進入關鍵一步，選擇安裝位置，可選擇預設或自定義。這些路徑在後面配置環境變量的時候需要用到，一定要注意保持一緻。比如在這裡我都安裝在了D盤，之後環境變量也要寫D盤的路徑。都選好後點選NEXT，開始安裝。

等待安裝：

安裝完成後，NEXT。

然後CLOSE，結束安裝。

安裝完成，配置系統環境變量。首先确認是否下圖的兩項環境變量：

将剛才CUDA安裝路徑添下的相應檔案夾添加到Path中，如下圖：

驗證CUDA是否安裝成功。cmd或是PowerShell中輸入：

nvcc -V

如正确安裝，則會出現以下輸出結果：

CUDA安裝、配置完成！

Step4. 下載下傳安裝cuDNN 7.6

點選此連結：cuDNN 7.6，進入下載下傳頁。下載下傳前必須登陸NVIDIA賬号，如果已有NVIDIA賬号，點選Login，進入登陸界面；如果沒有賬号，則需要注冊以後登陸。

登陸界面如下，輸入注冊好的賬号和密碼，點選Login進入下載下傳頁。

進入下載下傳頁面後先勾選同意條款 I Agree To… ，然後選擇與cuda版本對應的cuDNN庫，我們這裡選擇第一個 … for CUDA 10.0 ，然後Win10系統選擇 cuDNN Library for Windows 10 ，開始下載下傳cuDNN庫。

下載下傳完成後解壓檔案，解壓出來的cuda目錄下包含如下内容：

接着，我們将以上檔案夾中的檔案，複制到已安裝的cuda檔案夾的相應位置下：

• 将bin中的 cudnn64_7.dll ，複制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin；
• 将include中的 cudnn.h ，複制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include；
• 将lib\x64中的 cudnn.lib ，複制到D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64.

請根據個人安裝cuda的路徑，找到檔案複制的位置。如果之前cuda的安裝路徑為預設路徑，則把上面的路徑的盤符D:都改為C:即可找到相應路徑。

以上檔案都複制完以後，将庫路徑D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64，添加到環境變量中。（同樣地，路徑需要根據個人情況做相應修改）

點選右下角的Environment Variables環境變量按鈕：

輕按兩下Path行進入編輯環境變量界面：

右邊點選New建立按鈕，添加紅色方框内的路徑：

cuDNN安裝、配置完畢！

Step5. 使用VS和CUDA編譯測試檔案

進入D:\Program Files\NVIDIA Corporation\CUDA Samples\v10.0檔案夾，打開Samples_vs2015.sln這個工程：

編譯生成1_Utilities中所有的檔案。注意紅框部分選擇Release和x64。

如果編譯成功，則可以看到下圖提示：

在D:\Program Files\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Release中會生成一些應用程式和庫檔案，我們隻需要deviceQuery.exe和bandwidthTest.exe進行驗證。

在檔案夾空白處Shift+滑鼠右鍵，選擇Open PowerShell window here，打開PowerShell

視窗，運作deviceQuery.exe。視窗輸入：

.\deviceQuery.exe

顯示Result = Pass，表示安裝測試成功。

接下來運作bandwidthTest.exe，視窗輸入：

.\bandwidthTest.exe

同樣的，顯示Result = Pass，表示安裝測試成功。

VS和CUDA編譯測試完畢！

Step6. 下載下傳安裝TBB

點此連結下載下傳TBB 2019, 下載下傳頁面如下圖所示：

下載下傳後，根據個人喜好，可将檔案解壓到任意路徑，這裡解壓到了D:\Program Files目錄下，如下圖所示：

然後設定環境變量，将D:\Program Files\tbb2019_20190410oss_win\tbb2019_20190410oss\bin\intel64\vc14添加到Path中：

TBB安裝、配置完成！

Step7. 下載下傳編譯opencv-4.0.0和contrib

點選以下連結進行下載下傳：

• opencv-4.0.0;
• opencv_contrib-4.0.0.

建立一個檔案夾，用來存放提取出來的opencv和contrib源碼檔案，友善後續編譯查找和添加路徑，這裡我們命名為opencv400_source（可根據個人喜好命名）：

再建立一個檔案夾，作為目标檔案夾，編譯後的opencv檔案将會生成到該目錄下，命名為opencv400_CUDA：

打開D:\opencv400_source\opencv_contrib-4.0.0\modules\cudev路徑下的CMakeLists.txt檔案：

在

set(the_description “CUDA device layer”)

下一行增加

set(OPENCV_SKIP_DLLMAIN_GENERATION ON)

這麼做是為了避免後續使用VS2015生成opencv庫檔案時，出現LNK2019 cv::__termination錯誤。

打開cmake，設定源碼路徑D:\opencv400_source\opencv-4.0.0\sources和目标路徑D:\opencv400_CUDA，然後點選Configure：

彈出編譯環境選擇界面，選擇Visual Studio 14 2015和x64，然後點選Finish：

接下來進行編譯配置：

• 添加contrib路徑：D:\opencv400_source\opencv_contrib-4.0.0\modules；
• 勾選OPENCV_ENABLE_NONFREE；
• 勾選WITH_CUDA；
• 勾選WITH_TBB。

然後點選Configure。

這時還會出現紅色部分，繼續進行相應配置：

• 添加TBB相關路徑；
• 去掉勾選WITH_MATLAB。

TBB路徑可對照下圖進行相應添加。去掉勾選WITH_MATLAB，是為了在之後VS2015編譯過程中，避免出現 Error: MEXEXT: Unsupported platform 形式的錯誤。配置完成點選Configure。

之後出現TBB_VER_FILE的路徑配置，已自動填寫，檢查确認無誤，直接點選Configure。

表單全白，說明配置沒有問題，點選Generate。

顯示Generating done，說明cmake編譯opencv順利完成！

編譯生成的檔案在目标檔案夾D:\opencv400_CUDA下，用VS2015打開OpenCV.sln工程：

先不要急着ALL_BUILD，先生成opencv_core和opencv_cudacodec。如果這兩個項目能夠通過，我們再全部生成；如果報錯，說明之前的cmake編譯有問題，根據錯誤提示進行相應的查找和分析，這樣可以節省大量的時間。

生成順序如下圖所示：

opencv_core生成成功：

opencv_cudacodec生成成功：

接下來開始ALL_BUILD，生成過程相當漫長，可以該幹嘛幹嘛去。完事回來，蹦出以下錯誤：

該錯誤提示連結失敗，無法打開opencv_cudabgsegm和opencv_cudaobjdetect的庫檔案。接下來我們單獨對這兩個項目重新生成：

喜聞樂見，opencv_cudabgsegm生成成功：

opencv_cudaobjdetect也同樣生成成功：

這時，我們可以在D:\opencv400_CUDA\lib\Debug目錄下，确認生成相應的.lib檔案：

重新ALL_BUILD，坐等結果。。。

編譯的過程中可能出現一下三個問題：

1. 如果遇到boostdesc和vgg的問題，可參考

   fatal error: boostdesc_bgm.i: vgg_generated_80. vgg_generated_120.i沒有那個檔案或目錄文章中提到的辦法解決。所需檔案下載下傳位址：boostdesc，vgg。

   将解壓縮後的檔案放到opencv_contrib/modules/xfeatures2d/src目錄下，用Cmake重新配置一遍，然後重複以上操作即可。

2. 如果遇到 “features2d/test/test_detectors_regression.impl.hpp”: No such file or directory的問題，可參考VS2015+OpenCV4.1.1拓展子產品配置主要錯誤解決方案中提到的方法解決。
3. 如果遇到 error LNK1104: 無法打開檔案“python37_d.lib” 的問題，可參考編譯OpenCV缺少python27_d.lib的解決方法的方法來解決。

生成成功！沒有報錯！

這就預示着之後生成INSTALL項目一路坦途一馬平川，該填的坑都填平了，可以哼着小曲小嗨一會兒。

滑鼠輕輕一抖，INSTALL生成起來。果不其然，生成得舒心又順暢：

install檔案夾下，出現了相當親切的檔案目錄：bin、include和x64\vc14\lib，接下來大家知道該怎麼做了。

配置編譯好的opencv。

首先配置環境變量，在Path中添加D:\opencv400_CUDA\install\x64\vc14\bin，登出或重新開機電腦使其生效：

接下來配置VS項目屬性。

建立一個控制台應用程式，在項目名稱上右鍵，然後點選 Properties（屬性）：

在 VC++ Directories 中添加 Include Directories 和 Library Directories：

Include Directories 中添加以下兩個路徑：

D:\opencv400_CUDA\install\include\opencv2

D:\opencv400_CUDA\install\include

Library Directories中添加以下路徑：

D:\opencv400_CUDA\install\x64\vc14\lib

接下來要輸入附加依賴項，就是在 Linker – Input – Additional Dependencies 裡面，把生成的所有 .lib的檔案名都寫上。

下面是一個比較便捷的操作，以生成debug的庫名稱為例。在 D:\opencv400_CUDA\install\x64\vc14\lib 檔案夾空白處Shift+滑鼠右鍵，點選 Open PowerShell window here，打開PowerShell指令視窗。

輸入以下指令行：

dir *d.lib -Name >debug_lib.txt

在檔案夾中會生成一個名為 debug_lib.txt 的文本檔案，裡面包含了所有debug版本的庫檔案名，如下圖所示：

Ctrl+A選中全部文本，将所有檔案名複制粘貼到 Additional Dependencies 的文本框中，點選OK：

到這裡，opencv配置完成！

接下來要做的就是測試剛才編譯生成的opencv庫，看看是否可以正常使用GPU加速。

找到 D:\opencv400_source\opencv-4.0.0\sources\samples\cpp\tutorial_code\gpu\gpu-basics-similarity 檔案夾下的 gpu-basics-similarity.cpp 檔案：

把該檔案中的内容複制到剛才配置好opencv的測試工程中，注意選擇x64的Debug版本，然後在項目名稱上右鍵，點選Build（生成）：

項目順利生成：

到此，opencv編譯和測試全部完成！！！

用GPU盡情加速吧，少年！！！

支線任務

如果你想把這個例程跑起來，就需要對上面的代碼做一定的修改。不難，有興趣的朋友可以自己嘗試。

将下圖作為輸入圖像：

将原圖縮小5分之一再放大回原尺寸的圖像，作為待測圖像，如下圖所示：

運作結束，将會得到CPU和GPU運算時間對比，以及圖像品質評價結果，如下圖所示：