当前位置：首页 > news >正文

深入解析：python opencv gpu加速 cmake msvc cuda编译问题和设置

news 2026/3/27 5:58:24

深入解析：python opencv gpu加速 cmake msvc cuda编译问题和设置

问题1.找不到BUILD_opencv_python3

当用vs2022 编译opencv4.10时，cmake里面找不到BUILD_opencv_python3这个选项，后来换成vs2019后就出现了，这个编译的麻烦就在于各个库和工具之间的版本匹配。

也有可能是需要一个原生的python，也就是python官网的版本，这个大家可尝试验证下

问题2：nvcuvid功能选择了的话，需要下载Video_Codec_SDK,并把文件复制到CUDA对应的目录

Video_Codec_SDK下载地址：
https://developer.nvidia.com/video-codec-sdk-archive

以下是一些设置参考

文件路径信息

python相关目录的设置，可以是anaconda中的虚拟环境，位置对应即可

以下是显卡算力设置，其中CUDA_ARCH_BIN需要设置成显卡的算力，CUDA_ARCH_BIN就默认

显卡算力官方查询地址：
https://developer.nvidia.com/cuda-gpus

CUDA相关选择

contrib功能设置OPENCV_EXTRA_MODULES_PATH设置对应路径

OPENCV_ENABLE_NONFREE选择ON

BUILD_opencv_world：如果选择会只生成一个dll文件，比较好引用，使用功能上不影响，但有时选择后可能会有莫名错误

CMAKE_CONFIGURATION_TYPES后面如果用命令行编译可设置成Release,vs2019中编译是可以切换Debug或release的

可以不用选择的一些功能参考：

python (编译c++ opencv版本的时候可以不选择，python 版本的opencv，就必须要选择了)
js
test
java
setupvars
gstrea
freetype
gstrea
vtk

如果Configure和Generate都没有问题，就可以开始编译

编译方法1：命令行编译

cmake --build "G:/PthonCuda/build2" --target INSTALL --config Release

估计得几个小时，看电脑性能，编译如果完成了并没有错误，就可以在命令窗口测试成功与否

以下目录会生成相应文件

install目录如果移动，改一下第四行代码即可，从代码中可看出，python 中的opencv调用最终还是指向opencv c++项目文件

import os
BINARIES_PATHS = [os.path.join('G:/PthonCuda/build2/install', 'x64/vc16/bin'),os.path.join(os.getenv('CUDA_PATH', 'C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v12.4'), 'bin')
] + BINARIES_PATHS

python gpu opencv测试代码

import cv2
from cv2 import cuda
cuda.printCudaDeviceInfo(0)

或者在pycharm中测试

c++ gpu opencv的测试代码

#include 
#include 
#include 
using namespace cv;
using namespace cv::cuda;
using namespace std;
int main(int argc, char** argv) {cuda::printCudaDeviceInfo(cuda::getDevice());int cnt = getCudaEnabledDeviceCount();printf("Now get CUDA device count:%d \r\n", cnt);return 0;
}

编译方法2：vs2019编译

模式选择Releasex64(根据需要)生成，完成之后没有报错，再右键INSTALL点生成