简介

因为一些功能，这里选择安装的是 OpenCV 3.x。

安装 Visual Studio 和 C++

通过更改 rel 参数 15、16、17，可以分别下载 2017、2019、2022：Thank You for Downloading Visual Studio Community Edition (microsoft.com)

下载 2017 即可。

安装选项仅需要选择一个“使用 C++ 的桌面开发”即可。

安装后将编译器目录D:\ProgramFiles\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.16.27023\bin\Hostx64\x64添加到环境变量。

安装配置 CUDA

Win + R 打开“运行”，输入devmgmt.msc打开设备管理器窗口，在显示适配器中查看 NVIDIA 显卡。

查看 NVIDIA 显卡计算能力和是否支持 CUDA：CUDA GPUs - Compute Capability | NVIDIA Developer

NVIDIA 驱动程序下载（可省略）：官方驱动 | NVIDIA

此处只需要查看版本，不需要下载，然后根据版本去看支持的 CUDA 版本：CUDA Release Notes (nvidia.com)

如果已经安装了显卡驱动，也可以命令行运行nvidia-smi查看。

因为用的是 OpenCV 3.4.x，所以下载 CUDA Toolkit 11.x：CUDA Toolkit Archive | NVIDIA Developer

等待 VS 安装完成后打开 CUDA 安装程序，按提示安装。

结束后命令行输入nvcc -V查看是否安装成功。

CMake 编译 OpenCV

下载地址：Releases - OpenCV

我这里选择的是 3 的最后一个版本，解压后可以重命名为 opencv3。

下载安装 CMake：Download | CMake，并将其 bin 目录D:\ProgramFiles\CMake\bin添加到环境变量。

:::info
后文中mingw_build的命名是因为之前用 MinGW 编译过一次，可以改成任意名称。
:::

打开 CMake 如下配置：

CMake Configure 报错解决：

解决完一个就点一次 Configure 试试。

• CMake Warning at cmake/OpenCVDownload.cmake:202

  用 Proxifier 开启全局代理，或搜索其他代理方式或手动下载。

• Found PythonInterp: D:/ProgramFiles/Python/Python311/python.exe (found suitable version "3.11.2", minimum required is "2.7")

  安装了 Python 3 且找到了，但是需要 Python 2，安装并在 CMake 中 Add Entry，name 为PYTHON2_EXECUTABLE，值为 Python 2 的安装目录D:\ProgramFiles\Python\Python27。

  Download Python | Python.org

• CONFIGURATION IS NOT SUPPORTED: validate setupvars script in install

  取消勾选OPENCV_GENERATE_SETUPVARS，作用为生成opencv_generated_setupvars.cmake文件，构建完成后配置运行时的环境变量。

勾选BUILD_opencv_world，勾选WITH_CUDA使用 CUDA。

设置CUDA_TOOLKIT_ROOT_DIR，值为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8。

还有其他选项参考如下：

• CUDA_ARCH_BIN：CUDA 算力大小，如果报红中有此项，就设置为具体的值。
• BUILD_CUDA_STUBS：允许在没有安装 CUDA 的系统上编译测试。
• ENABLE_FAST_MATH：启用更快地数学运算，但精度可能会略微丢失。
• OPENCV_ENABLE_NONFREE：启用依赖于第三方非开源代码的模块。

• OPENCV_EXTRA_MODULES_PATH：不在 OpenCV 核心库中的扩展功能，配置为 opencv/opencv_contrib: Repository for OpenCV's extra modules (github.com) 的解压目录/modules。
• OPENCV_DNN_CUDA：CUDA 是否已安装深度神经网络加速库 cuDNN。
• OPENCV_FORCE_PYTHON_LIBS：勾选会生成 cv2.pyd 文件到 Python 安装目录/Lib/site-packages 下。
• 搜索java、python、js、test，用不到可以取消勾选。

等 Configure 不报错后，点击 Generate。

Visual Studio 安装 OpenCV

VS 打开项目/解决方案，选择 Cmake 中配置的编译目录下的OpenCV.sln。

右键CMakeTargets/ALL_BUILD，选择生成。

漫长的等待之后，右键CMakeTargets/INSTALL，选择仅用于项目 - 仅生成 INSTALL。

最后D:\ProgramFiles\opencv3\mingw-build\install目录就是编译后使用的目录。

C++ 代码测试

VS 新建项目，选择 Visual C++ 中的空项目或控制台应用。

项目右键属性。

配置改成所有配置，平台改成x64。

配置属性 - VC++ 目录 - 包含目录中新增编译的 install 目录的include、include/opencv、include/opencv2、C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include，引用目录中新增编译的 install 目录的x64/vc15/lib和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64。

配置属性 - 链接器 - 输入中新增相对于引用目录下的opencv_world3416d.lib，也可以写绝对路径或通配符，比如opencv*.lib。

项目右键生成依赖项 - 生成自定义，勾选 CUDA。

新建一个 cpp 文件，并编写代码。

#include <iostream>
#include <cuda_runtime.h>

int main() {
	int count;
	cudaGetDeviceCount(&count);

	if (count == 0) {
		std::cout << "没有可用的CUDA设备" << std::endl;
	}
	else {
		std::cout << "找到" << count << "个可用的CUDA设备" << std::endl;

		for (int i = 0; i < count; ++i) {
			cudaDeviceProp prop;
			cudaGetDeviceProperties(&prop, i);

			std::cout << "设备 " << i << ": " << prop.name << std::endl;
		}
	}

	return 0;
}

工具栏中平台改成 x64，点击本地 Windows 调试器按钮运行。