Windows安装Opencv-GPU版本

目录

前言

方法一：下载预编译版本的Opencv

方法二：编译Opencv

前言

        这里提供两个安装Opencv的cuda版本的方法，推荐使用第一个安装预编译版本的方法，但对cuda，python的版本均有限制；第二个编译的方法博主并未成功，但也可以尝试一下。

方法一：下载预编译版本的Opencv

 1. 进入以下网站：Download pre-built OpenCV CUDA Python wheels and shared libraries.Download the latest pre-built OpenCV CUDA Python wheels and shared libarieshttps://www.jamesbowley.co.uk/qmd/downloads.html 2. 点击opencv python wheels那个链接，第二个是C++版本的

 3. 根据你的cuda和cudnn版本去下载对应的opencv，下载whl文件（若未安装cuda和cudnn可以去参考其他博客进行安装）

 4. 打开miniconda3或者annaconda，运行以下命令（在你的虚拟环境中已经安装了numpy）：

        首先激活你的环境，再移动到你下载whl文件的路径，切换盘符，最后用pip install 命令安装

conda activate egohos
cd E:\tool\opencv-gpu
e:
pip install opencv_contrib_python_rolling-4.9.0.80-cp37-abi3-win_amd64.whl

 5. 验证安装，在python中运行以下代码：

import cv2
print("OpenCV version:", cv2.__version__)
print("CUDA devices:", cv2.cuda.getCudaEnabledDeviceCount())

输出如下：

方法二：编译Opencv

1. 下载并安装Visual Studio，通过Visual Studio Installer安装C++工具集。

2. 在网站Download CMake中安装cmake

3. 在opencv/opencv: Open Source Computer Vision Library中下载Opencv源码

4.在opencv/opencv_contrib: Repository for OpenCV's extra modules下载opencv_contrib

5.打开cmake，配置编译选项

第一个路径是你的opencv的下载路径，第二个是你希望编译保存的路径，在左下角点击Configure。

选择对应vs的版本(博主是vs2022)，系统选择x64，最后点右下角Finish，显示Configuring done。

然后会出现如下界面：

若安装到默认环境（base）不需要执行以下步骤。在search框中搜索PYTHON3，将路径均改为虚拟环境的路径。

搜索cuda，全部勾选（这里就不给出参考图了）

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选项和build_opencv_world选项。

必须勾选BUILD_opencv_python3选项。完成后点Configuring。

将CUDA_ARCH_BIN显卡算力内容改成自己显卡的算力。CUDA GPUs - Compute Capability | NVIDIA Developer，删除小于自己显卡算力的部分，再搜索并勾选ENABLE_FAST_MATH选项，点击Configure。

如果报Nvidia video codec SDK的错误，取消勾选WITH_NVCUVID和WITH_NVCUVENC

6. 打开你的build目录，找到OpenCV.sln文件，用visual studio打开该文件，如下图所示设置：

点开CMakeTargets文件夹，右键ALL_BUILD文件点击生成

编译完成后，按同样的步骤编译INSTALL文件

build\lib\python3\Release文件夹下可以看到.pyd文件

在虚拟环境中，路径Lib\site-packages下找到cv2文件夹，点开config.py文件

将路径改为build中生成的install路径（注意要用正斜杠），如下图所示：

最后，在python下测试安装：

import cv2
print("OpenCV version:", cv2.__version__)
print("CUDA devices:", cv2.cuda.getCudaEnabledDeviceCount())