当前位置：物联沃-IOTWORD物联网 > 技术教程 > Ubuntu 20.04下OpenCV CUDA编译全程指南（Python篇）
代码收藏家代码收藏家 技术教程

Ubuntu 20.04下OpenCV CUDA编译全程指南（Python篇）

前言

在本教程中，我们将以 OpenCV-4.10.0 为例从零开始 编译 OpenCV，并确保 支持 CUDA，同时兼容 Python 和 C++ 版本。 官方提供的 python-opencv 版本不包含 CUDA 支持，因此我们需要手动编译以获得 GPU 加速能力，本教程的最初系统环境如下表所示：

软件 版本 说明
系统 Ubuntu 20.04.6 LTS 作者是 Windows11 + Ubuntu20.04 双系统
CUDA 12.1.1 NVIDIA GPU 计算框架
cuDNN 8.9.5 CUDA 深度学习加速库
Python 3.8.10 系统默认 Python 版本
C++ 9.4.0 Ubuntu 20.04 默认的 GCC 版本，直接运行sudo apt install g++安装即可
系统自带 OpenCV 4.2.0 默认安装的 python-opencv，不支持 CUDA
目标 OpenCV 4.10.0 我们将手动编译源码并启用 CUDA 加速

🚨 注意（必看）：

  • 本文需要卸载系统自带的 OpenCV 4.2.0，并替换为源码编译的 OpenCV 4.10.0 （支持 CUDA）。
  • 提前安装 NVIDIA 驱动 + CUDA + cuDNN，否则 OpenCV 无法启用 CUDA。
  • 如果你还没有安装 NVIDIA 驱动和 CUDA，可以参考我的文章：
    全网最详细教你在Ubuntu 20.04安装NVIDIA 驱动+CUDA+cuDNN（避坑版 | 图文详解）。
  • 需要科学上网，因为部分 OpenCV 组件需要从 GitHub 下载。

    • 一、下载 OpenCV 源码

    1. 创建工作目录

    mkdir ~/opencv_cuda && cd ~/opencv_cuda

    2. 下载 OpenCV 4.10.0 源码

    1. 打开 opencv-releases 版本页面 ，选择并点击OpencCV-4.10.0版本的Sources。

    2. 将下载得到的opencv-4.10.0.zip解压至~/opencv_cuda目录下：

      unzip ~/下载/opencv-4.10.0.zip -d ~/opencv_cuda

    3. 下载 OpenCV Contrib 4.10.0

    1. 打开 opencv_contrib 版本页面，点击4.10.0版本。

    2. 如图所示，点击Source code (zip)。

      3. 将下载得到的opencv_contrib-4.10.0.zip解压至~/opencv_cuda目录下：

      unzip ~/下载/opencv_contrib-4.10.0.zip -d ~/opencv_cuda

    4. 创建 build 目录

    cd ~/opencv_cuda/opencv-4.10.0
mkdir build && cd build

    5. 最终目录结构

    在完成 OpenCV 和 OpenCV Contrib 源码的下载和解压后，你的 ~/opencv_cuda/ 目录结构应如下：

    ~/opencv_cuda/
│── opencv-4.10.0/             # OpenCV 主源码目录
│   ├── build/                 # 我们创建的编译目录（之后会生成编译结果）
│   └── ...                    # 其他文件
└── opencv_contrib-4.10.0/     # OpenCV Contrib 扩展模块
	└── ...                    # 其他文件

    二、编译 OpenCV

    1. 安装必要的依赖

    sudo apt update
sudo apt install -y build-essential cmake git unzip pkg-config
sudo apt install -y libjpeg-dev libpng-dev libtiff-dev
sudo apt install -y libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt install -y libxvidcore-dev libx264-dev libx265-dev
sudo apt install -y libgtk-3-dev libcanberra-gtk3-dev
sudo apt install -y libatlas-base-dev gfortran
sudo apt install -y python3-dev python3-pip

    2. 配置 CMake

    1. 访问 NVIDIA-Your GPU Compute Capability，下滑找到CUDA-Enabled GeForce and TiTAN Products后点击并查看自己显卡算力，下一步需要填写CUDA_ARCH_BIN参数。

    2. 修改以下命令当中的CUDA_ARCH_BIN参数替换为刚才查找到的自己电脑算力（命令中是-D CUDA_ARCH_BIN="8.9" \），然后执行命令。

      cmake -D CMAKE_BUILD_TYPE=Release \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D OPENCV_EXTRA_MODULES_PATH=~/opencv_cuda/opencv_contrib-4.10.0/modules \
      -D WITH_CUDA=ON \
      -D ENABLE_FAST_MATH=ON \
      -D CUDA_FAST_MATH=ON \
      -D WITH_CUBLAS=ON \
      -D OPENCV_DNN_CUDA=ON \
      -D WITH_LIBV4L=ON \
      -D WITH_OPENGL=ON \
      -D WITH_TBB=ON \
      -D BUILD_TIFF=ON \
      -D BUILD_EXAMPLES=OFF \
      -D BUILD_opencv_python3=ON \
      -D PYTHON3_EXECUTABLE=$(which python3) \
      -D PYTHON3_INCLUDE_DIR=$(python3 -c "from sysconfig import get_paths as gp; print(gp()['include'])") \
      -D PYTHON3_PACKAGES_PATH=$(python3 -c "from sysconfig import get_paths as gp; print(gp()['purelib'])") \
      -D OPENCV_GENERATE_PKGCONFIG=ON \
      -D INSTALL_C_EXAMPLES=OFF \
      -D INSTALL_PYTHON_EXAMPLES=OFF \
      -D CUDA_ARCH_BIN="8.9" \
      -D CUDA_ARCH_PTX="" \
      -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda \
      -D CMAKE_C_COMPILER=/usr/bin/gcc-9 \
      -D CMAKE_CXX_COMPILER=/usr/bin/g++-9 ..

      注意：需要科学上网，否则编译过程中将无法成功下载一些组件。

    3. 编译 OpenCV

    make -j$(nproc)

    提示：$(nproc) 代表当前系统的最大 CPU 逻辑核心数，make -j$(nproc)代表最大化利用 CPU 资源（预计编译15～60分钟不等）

    4. 安装 OpenCV

    1. 执行以下命令进行opencv的安装。

      sudo make install

    2. 安装过程中可能出现即便科学上网也无法很快下载的文件，比如face_landmark_model.dat如下：

      -- highgui: using builtin backend: GTK3
-- data: Downloading face_landmark_model.dat from https://raw.githubusercontent.com/opencv/opencv_3rdparty/8afa57abc8229d611c4937165d20e2a2d9fc5a12/face_landmark_model.dat

    3. 此时先按Ctrl + C终止安装过程，然后手动下载 face_landmark_model.dat 并复制到正确位置：

      cd ~/opencv_cuda/opencv-4.10.0/.cache/data/
wget https://raw.githubusercontent.com/opencv/opencv_3rdparty/8afa57abc8229d611c4937165d20e2a2d9fc5a12/face_landmark_model.dat
mkdir -p ~/opencv_cuda/opencv-4.10.0/build/share/opencv4/testdata/cv/face/
cp face_landmark_model.dat ~/opencv_cuda/opencv-4.10.0/build/share/opencv4/testdata/cv/face/

    4. 返回build目录，重新安装 OpenCV。

      cd ~/opencv_cuda/opencv-4.10.0/build 
sudo make install

    5. 链接OpenCV 的共享库

    1. 执行sudo ldconfig，命令如下：

      sudo ldconfig

    2. 检查 OpenCV 共享库是否正确链接：

      ldconfig -p | grep opencv

      如果看到多个 libopencv_*.so.4.10 相关的库路径，说明链接正确，例如下图。

    三、验证 OpenCV（必须）

    1. 验证 Python 是否支持 CUDA 的 OpeCV

    1. 验证 opencv版本，执行如下命令：

      python3 -c "import cv2; print(cv2.__version__)"

      若输出的 opencv版本 不是4.10.0，则说明使用的是系统级opencv，先查看Python实际加载的cv2位置：

      python3 -c "import cv2; print(cv2.__file__)"

      如果输出如下，那么 Python 仍然在使用 旧版本的 OpenCV，而不是刚刚安装的 4.10.0。

      /usr/lib/python3.8/dist-packages/cv2.cpython-38-x86_64-linux-gnu.so

      需要先卸载系统级opencv：

      sudo apt remove python3-opencv
sudo rm -rf /usr/lib/python3.8/dist-packages/cv2*

      然后手动设置OpenCV 4.10.0的PYTHONPATH：

      export PYTHONPATH=/usr/lib/python3.8/site-packages:$PYTHONPATH
echo 'export PYTHONPATH=/usr/lib/python3.8/site-packages:$PYTHONPATH' >> ~/.bashrc
source ~/.bashrc

      然后再次测试：

      python3 -c "import cv2; print(cv2.__version__)"

    2. 验证安装的opencv是否支持cuda，打开终端运行以下命令：

      python3 -c "import cv2; print(cv2.getBuildInformation())" | grep -i cuda

      如果可以找到 NVIDIA CUDA：YES 说明 OpenCV 已成功启用 CUDA（例如下图）。

    2. 验证 C++ 是否支持 CUDA 的 OpeCV

    1. 创建 test_opencv.cpp

      cd ~/
sudo nano test_opencv.cpp

    2. 将以下内容填入test_opencv.cpp 然后保存并退出：

      #include <opencv2/cvconfig.h>
#include <opencv2/opencv.hpp>
#include <iostream>
int main() {
    std::cout << "OpenCV Version: " << CV_VERSION << std::endl;
#ifdef HAVE_CUDA
    std::cout << "CUDA is available." << std::endl;
#else
    std::cout << "CUDA is NOT available." << std::endl;
#endif
    return 0;
}

    3. 执行以下命令编译test_opencv.cpp：

      g++ test_opencv.cpp -o test_opencv `pkg-config --cflags --libs opencv4` -I/usr/local/include/opencv4/opencv2 -L/usr/local/lib -Wl,-rpath,/usr/local/lib

    4. 运行编译结果：

      ./test_opencv

      如果显示opencv版本和CUDA is available.说明 OpenCV 已成功启用 CUDA（例如下图）。

    四、总结

    通过本教程，我们成功 从源码编译并安装了 OpenCV 4.10.0，并且 启用了 CUDA 加速，同时支持 Python 和 C++ 版本。

    ✅ 你现在可以使用 GPU 加速 OpenCV！

  • 在 Python 中使用 cv::cuda::GpuMat 进行 GPU 计算。
  • 在 C++ 代码中使用 CUDA 加速的 OpenCV 模块。

    • 📌 如果本教程帮到了你

    如果你按照本教程成功编译并安装了 支持 CUDA 的 OpenCV 4.10.0，希望可以得到你的小小 点赞 👍、收藏 ⭐ 和评论 💬，这将是对作者最大的支持！

    💡 为什么写这篇文章？

  • 作为 OpenCV + CUDA 编译的 踩坑者，作者经历了 好几天反复尝试，踩了无数的坑，失败了无数次，才最终总结出这篇 完整且详细 的教程。
  • 如果它对你有帮助，不妨点个赞支持一下，也欢迎留言交流你遇到的问题！

    • 作者：Natsuagin

    物联沃分享整理
    物联沃-IOTWORD物联网 » Ubuntu 20.04下OpenCV CUDA编译全程指南（Python篇）

    代码收藏家 普通

    分享到：

    相关推荐

    发表回复