一、前言
最近想撸一下基于OpenCV的机器学习算法，突然间发现官方带的OpenCV是基于CPU版的，且支持CUDA的版本只能支撑Python 2.7。同时，尽管最新的OpenCV官方版宣称支持CUDA，但是我测试了下还是没有启用。因此想要一个能支持CUDA+Python 3.7的OpenCV。注意，如果你想要的是在Python中操作CUDA，则不应该使用高于3.0版本的OpenCV或直接考虑使用PyCuda，因为最新版的OpenCV已经移除了cv.cuda等一系列和cuda操作有关的类。
二、准备工作
必须的软件环境：Windows 10 1903、Cmake 最新版、VS 2017 社区版（建议在“MSDN我告诉你”官网下载）、nVidia CUDA 10.1、对应版本的nVidia CUDnn、Python 3.7（尽量不要使用Anaconda的虚拟环境，也尽量不要同时存在多个Python环境）、OpenCV完整包（解压后包含预编译好的DLL和Source源代码文件夹）。
必须的硬件：支持CUDA的nVidia的显卡，需要查明自己显卡对应的计算能力。
三、安装顺序
3.1 安装Python 3.7
在官网上下载Python 3.7后安装，一路Next然后要勾选“把Python加入系统路径”的选项。安装完Python后要安装numpy。
3.2 安装VS2017
安装VS2017。安装过程中以下几个包必须勾选。其他的随意。
3.3 安装CUDA和CUdnn
先装CUDA，一路Next。可以更新驱动。然后注意勾选“Intergrated with Visual Studio”。安装完成后把CUdnn解压缩后的文件放到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1”下对应目录。在“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite”下用命令行模式运行bandWidthTest.exe和deviceQuery.exe。结果应该都是PASS，表示CUDA和CUDNN安装成功。
3.4 安装CMAKE
安装过程中注意以下几个勾上：
3.5 安装OpenCV
解压从官网下载的OpenCV 4.2的包。
四、配置CMAKE
右键以管理员身份运行CMAKE。首先选定即将存放生成编译文件的目标目录和OpenCV的Source目录，具体如下图步骤1-4：
然后点下“Configure”后会第一次蹦出很多红色的错误提示，注意要把以下几个地方勾选上：其中如果勾选了“BUILD_opencv-world”选项就会把所有编译的结果打包成一个xxx_world.dll文件。如果不勾选就会打包成若干个散的dll文件。
注意一定要勾选“With_CUDA”和“OPENCV_CNN_CUDA”选项：
并在“OPENCV_EXTRA_MODULES_PATH”里指定你从OpenCV安装包里解压出来的Source/opencv_contrib-4.2.0/modules文件夹（一定要指定到modules文件夹！！！）：
第二次点“Configure”按钮，会再次提示出错。仔细看下面的白色错误信息，一般是ffmpeg.dll等几个文件丢失。没关系，打开报错目录下的Log文件，找到对应的报错信息下载路径。翻墙把对应的文件下载后，根据你编译的源目标文件（在这个示例里是D:\opence_master）下有个.cache。你点进去看会发现一堆文件名形如MD5+ffmpeg.dll这样的文件，但是文件大小为0。把所有为0的文件逐一替换成你翻墙下载的文件。文件名要保持格式一致，就是形如MD5+ffmpeg.dll这样的格式。也可以直接从本篇教程文末的下载链接里下载我打包好的cache包，解压到你的源目录下。由于缺的文件因人而异，我只列出常见的缺的文件有：ade、ffmpeg、ippicv、ippiw、xfeatures2d下的一堆.i文件。
第三次点“Configure”按钮，会提示“CUDA_ARCH_BIN”的数值错误。这里会给出一大堆CUDA_ARCH_BIN。默认会有2.0 /2.1(2.0)/3.0/3.5一直到8。根据你最终要部署的机器上的显卡数值选定。这个值从nVidia官网可以查到。我的显卡是GTX1080,因此就选6.1，删掉其他的数值。
然后指定你的Python 3.7目录。注意，这里有个坑，“PYTHON3_LIBRARY”的路径下一般会有很多个.lib文件。一定要选带版本号的，例如python37.lib文件。“PYTHON3_LIBRARY_DEBUG”可以留空。
设置完成后第三次点“Configure”，还会提示错误，那么检查下面几个地方勾选状态。尽量和我下面列出的勾选状态一致，有不明白的留言讨论：
上面这些都配置完了，第四次点"Configure"，必须做到没有红色的报错，并且下面的提示栏里的“OPENCV Module： To be Build”里有Python3和CUDA，并且有如下截图红框处的字样：
最后，没有提示错误的情况下，点“Generate”按钮。大概3分钟左右就在目标文件夹下生成了需要编译的文件。先不要关闭CMAKE。
五、用VS2017编译
点击CMAKE里的“Open Project”按钮会自动启动VS 2017。将VS 2017的模式改成“Release”和“X64”。注意，这里有个坑，要把VC++目录加上OpenCV目标文件夹路径。否则会在编译过程中报出 一大堆形如“LINK : fatal error LNK1181: 无法打开输入文件“opencv_world341.lib””的错误！添加方法为右键打开ALL_BUILD的属性页，向“包含目录”和“库目录”里添加你解压OpenCV预编译好的dll文件目录。注意，一定是形如“...\X64\VC15”的路径，不是VC14!VC14是VS 2015用的！！如下图：
如果你前面没有调整为“Release”模式，那么这里就要选opencv_wordl345d.lib这样的文件！一般可以不指定链接器目录！
再次右键点“ALL_BUILD”里的生成按钮，然后你就可以去干其他事情了。整个编译过程非常漫长，大概要1小时。编译后成功的结果如下图（但不一定是81个，也可能是100多个）：
在“INSTALL”上点右键生成，然后就生成了一个INSTALL文件夹：
恭喜你！完成了编译工作！编译完成后在你的输出目录下应该有这么个结构的文件夹：
六、使用
Python调用：在你的输出目录下找到一个叫“cv2.cp37-win_amd64.pyd”和“opencv_world420.dll”的文件，拷贝到你的Python安装目录下的“\Lib\site-packages”目录中。进入Python中，执行如下代码应该有结果返回：
import cv2
import time
if __name__ == '__main__':
s = time.time()
img = cv2.imread("b1.png")
print("imread:", time.time() - s)
s2 = time.time()
img2 = cv2.resize(img, (300, 400))
print("resize:", time.time() - s2)
s3 = time.time()
img3 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print("cvtColor:", time.time() - s3)
print(cv2.getBuildInformation())
print(cv2.__version__)
cv2.imwrite("test4.png", img3)
同时如果你换一个不带CUDA的opencv的python（官方版本），那么执行上述代码的时间要比较长。图片越大，时间越长。
C#调用：新建工程后直接按dll的方式调用。如果你前面没有选择world选项，那么你可以在INSTALL目录下选择你要的dll导入。
七、附件下载地址
打包的Cache文件下载链接: https://pan.baidu.com/s/1IqVmv3eytdTrEhUSPtJZTA 提取码: qfg7
