OpenCV要使用GPU加速需要重新编译OpenCV。本人编译环境：win10 X64 vs2013 编译opencv-3.4.2 + contrib-3.4.2 + cuda10.0
一、环境和资源准备
1、计算机必须有支持CUDA 的NVIDIA GPU,并且装好了驱动程序。
安装CUDA toolkit,本文使用的是CUDA10.0。下载地址：https://developer.nvidia.com/cuda-downloads；
2、下载opencv-3.4.2，下载地址： http://opencv.org/releases.html 下载3.4.2 win pack版本；
3、下载opencv-contirb-3.4.2，下载地址：https://github.com/opencv/opencv_contrib/releases下载3.4.2的zip文件；
4、下载Eigen ，Eigen是用来库优化矩阵的计算的。下载地址：http://eigen.tuxfamily.org/index.php?title=Main_Page；下载最近的稳定版本即可，这里使用的是eigen-3.3.6
5、下载tbb，Intel TBB是用来优化OpenCV库函数的多核计算性能的。下载地址：https://github.com/01org/tbb/releases；我下载的是tbb2018_20180312oss_win.zip
6、下载cmake-3.17.1-win64-x64.msi安装，下载地址：https://cmake.org/download/ 二、Cmake前准备工作
1、在我的电脑右键–》属性–》高级系统设置–》环境变量–》在系统变量的Path值中加入tbb的bin目录： 我的是： D:Librarytbb2018_20180312ossbinintel64vc12；
2、设置vs2013 x64的环境变量：在开始–》所有程序–》vs2015–》vs2015 x64 本机工具命令提示符输入命令 vcvars64.bat
三、Cmake工程配置
1、打开CMAKE，输入OpenCV的sources路径，以及将要编译的结果路径(自主创建一个文件夹)，勾选择Grouped选项和Advanced选项。
2、选择编译器：选择Studio 2013 Win64，默认Use defualt native complers。
3、WITH栏配置：选中WITH_CUDA，WITH_CUBLAS，从而可以使用cuBLAS，选中WITH_EIGN，WITH_TBB。
4、点击Configure，添加目录：OPENCV_EXTRRA_MODULES_PATH: ~/opencv_contrib-3.4.2/modules
EIGEN_INCLUDE_PATH:~/ eigen-eigen-b70bf4fad467
TBB_ENV_iNCLUDE: ~/tbb2018_20180312oss/include
TBB_ENV_LIB: ~/Library/tbb2018_20180312oss/lib/intel64/vc12/tbb.lib
TBB_ENV_LIB_DEBUG: ~/Library/tbb2018_20180312oss/lib/intel64/vc12/tbb_debug.lib
TBB_VER_FILE: ~/Library/tbb2018_20180312oss/include/tbb/tbb_stddef.h
注意已上的“~”都要落实到自己的文件目录下，根据解压的位置选择。
点击Configure，如果还出现红色提示，再点击configure就行，直到没有红色的警告出现为止。
5、点击Generate，CMake就完成了。
四、VS2013编译
1、用Vs2013打开OpenCV.sln，等待项目加载就绪完成。
2、点击菜单栏中的生成，批生成。
3、选中ALL_BUILD中debug和release两个选框，以及INSTALL中的debug和release两个选框，一次性生成debug和release版本，省的debug和release两个版本分开编译。
4、等待编译完成，编译需要花费大量时间，看个人配置，一般4-8小时之间，完成之后在build路径下面会有install文件夹，将D:OpenCV_Buildinstallx64vc12bin添加到path环境变量中。
五、测试编译的OpenCV是否可用
1、新建一个空的控制台程序，配置include路径，配置lib路径，注意在这里都要选择你自己编译完的路径。在Linker->Input 中需要导入新编译好的lib，小窍门是找到刚刚生成lib的文件夹，先在搜索框中过滤*d.lib,把debug版本的lib复制到一个文件夹中，再按住shift+右键，选择在此处打开命令行窗口，输入
dir /b > debug.txt
然后在配置的debug环境中，粘贴复制即可。release环境配置类似操作即可。
2、在main函数的文件中添加下面代码，运行成功，则说明环境搭配完成：
#include <iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/cudaarithm.hpp>
#include<opencv2/cudafilters.hpp>
#include<opencv2/cudaimgproc.hpp>
usingnamespacestd;
usingnamespacecv;
intmain(intargc,char*argv[])
{
try{
cv::Mat src_host= cv::imread("D:testtest.jpg", CV_LOAD_IMAGE_GRAYSCALE);//这里使用自己的测试图片cv::cuda::GpuMat dst, src;
src.upload(src_host);
cv::cuda::threshold(src, dst,128.0,255.0, CV_THRESH_BINARY);
cv::Mat result_host;
dst.download(result_host);
cv::imshow("Result", result_host);
cv::waitKey();
}catch(constcv::Exception&ex)
{
std::cout<<"Error:"<< ex.what() <<std::endl;
}
std::cin.get();return0;
}
最后
如果觉得文章对您有帮助的话，别忘了给我个赞，谢谢！
