首先說明的是，這個帖子是成功的編譯了dll，但是這個dll使用的時候還是很容易出現各種問題的。

發現錯誤可能是由於系統安裝了太多版本的opencv，環境變數的設置混亂，造成dll版本載入不對的問題。

更新：下面這篇文章裡面有加速編譯的設置辦法：但是編譯器採用了vs2012，我根據他的所有軟體版本換了編譯器，以及QT庫,需要特別注意的是，這些庫的相應操作系統版本32bit 或者64bit版本

QT早期版本下載地址：

下面這個網址能夠找到qt的各個版本

http://download.qt-project.org/archive/qt/

下面是教程地址：

http://www.xuebuyuan.com/2108717.html

2014.10.23

嚴格根據上文的軟體跟庫版本是可以編譯設置成功的。

Motivation:

之前在西電跟同學聽了圖像方面的講座，受益匪淺啊。人家學校的老師大多都是搞sar雷達圖像的，動輒20000*30000的高解析度。演算法再怎麼優化，一套流程下來至少算十天半個月。這改個參數算算等不起啊，最後發現搞這個不上GPU根本就不行，於是我想啊講GPU引入我的這個自然圖像處理跟，stereomatching，的graphcuts演算法中，應該也能夠得到性能的大幅度提升。

由於之前一直在看OpenCV這個圖像處理庫的相關內容，所以先搜了一下看看OpenCV這個庫有沒有直接對CUDA加速進行支持的，我打開電腦一看OpenCV的dll庫後面的後綴帶了_gpu就直接貼了代碼在那調試呢。結果是，小白了。自己要安裝CUDAtoolkit並且結合OpenCV編譯一遍的。

由於我的筆記本電腦是神舟的，顯卡是NVIDIAGTX765我也沒看，直接去官網下了個最新的CUDATOOLKIT6.5就開始整了，最後發現，人家有專門針對筆記本的notebook版本的，傻了一天白乾了，之後發現這個版本過高，還是下了notebook的5.5版本。

最新的6.5可能是給8系，9系的新卡用的吧，我也不是很清楚，最後搞完這一套配置終於明白為啥，linux之父最討厭nvidia了，這程序之間也是亂七八糟的關係兼容不兼容的，官網早期版本的sdk都找不到，哎。。。

使用Cmake的時候，有幾點要注意的，選擇VisualStudio2010的版本應該為win64這樣在win764bit版本下面生成的OpenCV才是正確的。

vs2010主要有兩種模式，分別是debug 和 release。 模式可以通過如圖所示的位置選擇。需要注意的是，因為先前我們cmake採用的是64位VS10編譯器，在這裡需要選擇編譯器x64, 而不是win32， 否則會出錯。

整體的過程參考了下面的鏈接：

http://www.xuebuyuan.com/722557.html

http://blog.csdn.net/fengbingchun/article/details/9831837

安裝完成後，在系統環境裡面會發現新添加了兩個環境變數：（環境變數挨個添加吧，不要怕麻煩）

CUDA_PATH =C:Program FilesNVIDIA GPU Computing ToolkitCUDAv5.0

CUDA_PATH_V5_0 =C:Program FilesNVIDIA GPU Computing ToolkitCUDAv5.0

手動配置環境變數。在系統環境變數中新建如下項：

CUDA_SDK_PATH = C:ProgramDataNVIDIA CorporationCUDA Samplesv5.0CUDA_LIB_PATH = %CUDA_PATH%libX64CUDA_BIN_PATH = %CUDA_PATH%inCUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%commonlibx64CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%inwin64

然後在系統環境變數Path 後添加如下內容：

;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

3. 安裝TBB

去http://threadingbuildingblocks.org/download 下載tbb41_20130314oss_win.zip解壓到某路徑

本人D: bb41_20130314oss

添加環境變數D: bb41_20130314ossinintel64vc10

編譯過程有兩點，可能出現：

1.配置的時候別忘了：添加兩個路徑，尤其是OpenCV的一個lib庫不然 編譯有的庫找不到，編譯不成功。

這個庫不需要設置！！！（後來發現！！！）

2.整個編譯的過程非常的緩慢，並且出現在編譯OpenCV_gpu這個模塊的時候，出現c4819錯誤感覺非常影響速度，這個你要回到相應的cuda文件中，另存為unicode格式就好

i7的處理器大概能編譯3個小時左右。。。

加速方法，可以縮短到一個小時左右！就是只針對響應的顯卡版本進行設置：

由於這樣直接生成的解決方案需對不同的GPU架構分別編譯，編譯時間過長（數小時），建議針對所用顯卡進行配置（據稱可達原時間六分之一）：找到如下兩項

清空CUDA_ARCH_PTX，將CUDA_ARCH_BIN中僅保留所需GPU架構，確定所需架構，請查詢https://developer.nvidia.com/cuda-gpus重新configure。（建議使用以上方法先編譯一邊，確定沒有錯誤，再為所有架構重新編譯，花了四天的時間得到的教訓）

以上是轉載的內容，這裡要說幾個需要注意的地方：

1.本文中採用的是Cmake2.8.8版本，我用過2.8.12就會出現過很多本文中未提到的錯誤；

2.上文中提到的CUDA_BUILD_CBUIN」、「CUDA_VERBOSE_BUILD（好像是這些），有些其實在Cmake配置和生成的過程中是找不到的，不過這並不影響結果，可以忽略；

3.關於tbb路徑下x86和x64版本lib的選擇問題：如果你的vs是32位的就選擇x86的庫，否則選x64的庫；

4.將編譯好的頭文件、庫等載入到程序中時，注意要使用編譯的Release版本（形如："opencv_gpu243.lib"，243後沒有d的就是Release版本，有的就是Debug版本），否則會產生「應用程序無法正常啟動0xc000007b」的錯誤

測試代碼：

[cpp] view plaincopy

  1. <spanstyle="font-size:18px;">//first.cpp:定義控制台應用程序的入口點。
  2. //
  4. #include"stdafx.h"
  5. #include<iostream>
  6. #include"opencv2/opencv.hpp"
  7. #include"opencv2/gpu/gpu.hpp"
  9. #pragmacomment(lib,"opencv_gpu2410.lib")
  10. #pragmacomment(lib,"opencv_core2410.lib")
  12. usingnamespacestd;
  13. usingnamespacecv;
  14. usingnamespacecv::gpu;
  15. intmain()
  16. {
  17. inti;
  18. try
  19. {
  20. cout<<getCudaEnabledDeviceCount();
  21. }
  22. catch(constcv::Exception&ex)
  23. {
  24. cout<<"Error:"<<ex.what()<<endl;
  25. }
  26. system("PAUSE");
  27. return0;
  28. }
  29. </span>

實際上，最後配置好了之後，還是各種問題，我覺的直接調用編譯好的opencv加上cuda的庫編程效率不是很好，通用性也存在問題。後來覺的引起這個問題的原因是自己電腦上安裝的東西太多了，opencv就裝了3個版本，環境變數設置的太多了，引起很多問題。

參考下面這個文章的第三種辦法，後面再試試：

http://www.cnblogs.com/dwdxdy/p/3528711.html


推薦閱讀：
查看原文 >>
相关文章