### 编译 CUDA 支持的 OpenCV Python 版本 为了编译带有 CUDA 加速功能的 OpenCV-Python，在 Ubuntu 20.04 上安装并配置必要的依赖项至关重要。以下是详细的指导过程： #### 安装依赖库 确保系统已更新至最新状态，并安装基本构建工具和其他必需软件包。 ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install build-essential cmake git pkg-config libgtk-3-dev \ libavcodec-dev libavformat-dev libswscale-dev python3-dev python3-numpy \ libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev gfortran openexr \ libatlas-base-dev protobuf-compiler libgoogle-glog-dev libgflags-dev \ libeigen3-dev libopenblas-dev liblapack-dev libarpack++-dev ``` #### 设置 CMake 和 Ninja 构建器 Ninja 是一种小型但高效的构建系统，可以加速大型项目的编译速度；而较新版本的 CMake 可能会提供更好的兼容性和特性支持。 ```bash wget https://github.com/Kitware/CMake/releases/download/v3.21.3/cmake-3.21.3.tar.gz tar xf cmake-3.21.3.tar.gz cd cmake-3.21.3/ ./bootstrap --prefix=/usr/local make -j$(nproc) sudo make install pip3 install ninja ``` #### 下载源代码 获取指定版本（此处为 `4.5.0`）的 OpenCV 和其扩展模块源码。 ```bash git clone https://github.com/opencv/opencv.git -b 4.5.0 opencv git clone https://github.com/opencv/opencv_contrib.git -b 4.5.0 opencv_contrib ``` #### 配置环境变量 设置 CUDA 工具链路径以便于后续操作识别 GPU 设备及相关 SDK 文件位置。 ```bash export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` #### 创建并进入工作目录 创建一个新的文件夹用于存放编译产物以及临时文件。 ```bash mkdir -p ~/opencv_build && cd ~/opencv_build ``` #### 使用 CMake 进行项目初始化 这里指定了多个选项来启用特定的功能集，特别是针对 NVIDIA 的硬件优化部分。 ```bash cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D INSTALL_PYTHON_EXAMPLES=ON \ -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \ -D BUILD_EXAMPLES=ON \ -D WITH_CUDA=ON \ -D ENABLE_FAST_MATH=ON \ -D CUDA_FAST_MATH=ON \ -D WITH_CUBLAS=ON \ -D CUDA_ARCH_BIN="6.1 7.0 7.5 8.0" \ .. ``` 上述命令中的 `-D CUDA_ARCH_BIN` 参数应根据实际使用的显卡架构调整[^1]。 #### 执行多线程编译流程 利用所有可用的核心资源加快整个过程的速度。 ```bash make -j$(nproc) ``` #### 完成最终部署步骤 将生成的目标文件复制到系统的标准位置上。 ```bash sudo make install sudo ldconfig ``` 完成以上步骤之后，OpenCV 将能够充分利用 NVIDIA 显卡来进行图像处理运算，并且可以通过 Python 接口访问这些能力[^2]。