我要评论【opencv】【gpu】windows10下opencv4.8.0-cuda python版本源码编译教程
文章目录
前言
opencv是一个开源的计算机视觉库，包含了核心模块和扩展模块，提供了基础的图像处理和计算机视觉算法，以及一些机器学习工具。而opencv contrib是opencv社区贡献的一组扩展模块之一，包含了一些较为新颖和实用的算法和工具函数，提供了一些高级的图像处理和计算机视觉算法。这些功能和算法可能不适合所有用户或者还处于实验性阶段。opencv contrib模块中的代码由社区贡献者开发和维护，它们提供了一些在opencv核心库中尚未包含的新特性和实验性功能。
准备工具
cmake、vs2019、opencv4.8.0、opencv_contrib-4.8.0、anaconda、cuda、cudnn
anaconda/cuda/cudnn
安装cuda、cudnn可以参考此前博主的【】，因为对于新手来说，需要注意的细节比较多，这里不浪费篇幅重复讲述了。
anaconda创建环境(选做)
为了将cuda版本的opencv安装到虚拟环境中，安装到默认环境(base)不需要执行此步骤。
# 搭建opencv环境
conda create -n opencv_onnx_gpu python=3.10.9 -y
# 激活环境
activate opencv_onnx_gpu
虚拟环境中需要安装numpy，后续的编译过程中需要。
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
安装原生python(选做)
在使用 cmake 为 anaconda 新建的虚拟环境安装 opencv 时，需要在主机上安装一个与虚拟环境中的 python 版本一致的原生环境，这是由于cmake 需要在构建过程中使用与虚拟环境中的 python 版本一致的 python 解释器来生成适用于该版本的 python 绑定。
博主在anaconda创建的虚拟环境python为3.10，因此需要安装了python3.10原生版本，否则即使通过编译但始终无法使用opencv-python。
原生python官网下载地址，选择windows版本。
这里通过激活虚拟环境查看安装对应的版本，博主不确定这种微小版本的差异会不会影响后续编译测试，所以最好都保持一致。
勾选加入系统环境后直接安装。
配置环境变量，这里可能出现cmd使用的python版本还是使用anaconda的base环境的情况，这是因为在环境变量path中anaconda的顺序排在原生python的前面，调整原生python的路径在anaconda的base之前即可。
cmake
cmake官方下载地址，下载cmake-3.27.7-windows-x86_64.msi。
添加到环境和安装路径博主根据自身情况作出了修改，其他都是默认安装。
出现以下界面安装成功。
opencv4.8.0
opencv官方下载地址，下载opencv – 4.8.0 sources，下载解压opencv-4.8.0.zip。
opencv_contrib
opencv_contrib官方下载地址，选择opencv对应的contrib版本，例如opencv4.8.0对应就是opencv_contrib-4.8.0.zip。下载后直接解压。
cmake编译
- 打开cmake，where is the source code是opencv sources(博主是opencv-4.8.0)的文件夹位置，where to build the binaries是编译opencv保存的文件夹位置(自定义)，在左下角第一次点击configure。
- 选择对应vs的版本(博主是vs2019)，系统选择x64，最后点右下角finish，显示configuring done。
- 安装到默认环境(base)不需要执行此步骤，该步骤步骤的目的是安装cuda版本opencv到用户自定义的虚拟环境中，分别将路径指向自定义虚拟环境的对应位置 : python3_executable、python3_include_dir、python3_library、python3_numpy_include_dirs(需要安装numpy)、python3_packages_path。
4.在search搜索框搜索带cuda的关键字，全部勾选。
- search搜索框搜索opencv_extra_modules_path，添加解压的opencv_contrib中的modules的路径，再搜索并勾选opencv_enable_nonfree选项。
- build_opencv_world可以将所有opencv的库都打包编译在一起，但是具体的工程又不建议这种模式。
- 对于java、js、tests相关选项的选择，用search搜索框分别搜索“java”，“js”，“tests”，根据需要选中和取消相关选项，默认都是选中，博主都取消了，必须勾选build_opencv_python3，决定了能否在python中使用gpu加速，第二次点击configure。
- 显示configuring done后，将cuda_arch_bin显卡算力内容改成自己显卡的算力。官网查看显卡算力地址，删除小于自己显卡算力的部分，再搜索并勾选enable_fast_math选项，第三次点击configure。
- 显示configuring done后，点击generate，显示generating done，成功完成cmake编译，在输出的opencv保存文件夹位置中存在就生成了opencv.sln文件。
cmake编译过程是会从githup上下载数据，但是一般都会出现下载失败的情况，这里建议读者先跳到【可能出现的问题】这一小节，来确认是不是自己也出现了下载失败的情况。
vs2019编译
- 确保在解决方案的bindings这个目录下有opencv_python3，否则即使编译成功仍然不能使用cuda加速。
- 使用vs2019 (以管理员方式运行) 打开刚刚编译工程opencv.sln，在release|x64模式下，在解决方案资源管理器—>cmaketargets—>右键点击all_build–>生成。
- 同样在release|x64模式下，在解决方案资源管理器—>cmaketargets—>右键点击install–>生成。
没有任何报错信息就是编译完成，在xxx\lib\python3\release文件夹下可以看到cv2.cpxxx-win_amd64.pyd文件。
同时，在虚拟环境中，可以在路径lib\site-packages下看到cv2文件夹
进入cv2目录打开config.py可以看到虚拟环境opencv_onnx_gpu依赖于cmake编译的opencv(where to build the binaries)。
博主将依赖的opencv拷贝到了虚拟环境中，并修改了依赖的路基。
可能出现的问题
cmake编译过程中可能出现的问题
cmake编译出现download failed的问题。
在where to build the binaries位置里面有个cmakedownloadlog.txt，将里面下载链接复制到浏览器进行下载，
将其和where is the source code里面的.cache文件夹里面内容相对应，下图是下载失败时候，文件大小是0kb，手动下载完成后进行替换。
对于部分文件则需要将网页以另存为的方式进行替换，注意一定不要以复制网页内容粘贴到空文件的方式进行替换，这是无效的的。
将整个.cache都用同样的方式进行处理。
强调一点，出现这种问题，可以暂时先走完cmake编译过程，因为每一次configuring都会有新的下载内容，然后再一次性将.cache的内容进行完整的替换，最后进行configuring和generate。
这里博主提供自己的【.cache百度云 ，提取码:ctl6 】
vs2019编译过程中可能出现的问题
通常是对于部分资源，vs2019没有管理员操作权限，因此只需要用管理员身份重新打开进行操作即可。
测试使用gpu
这里用一段简单的python代码验证安装完成的opencv是否支持gpu设备。
import cv2
# 检查是否支持cuda
if cv2.cuda.getcudaenableddevicecount():
print("检测到支持cuda的设备数量:", cv2.cuda.getcudaenableddevicecount())
else:
print("未检测到支持cuda的设备")
验证成功，oepncv-cuda版本源码编译成功。
总结
尽可能简单、详细的介绍windows10下python版本opencv4.8.0-cuda版本用源码进行编译的详细流程。
发表评论