OpenCV 3.1.0 重编译——支持CUDA8.0
写在前面
最近主要在看机器学习的十大算法，尝试书中提供的示例，实验环境是win7 + python3.4.4 。突然间，我发现新版本的OpenCV对机器学习大部分算法都有很好的实现，原谅我一直停留在2.4版本。相较于python，我更熟悉Visual Studio,相比于Scikit-Learn,我更熟悉opencv_contrib。因此，觉得没必要舍近求远，去做自己不擅长的事情，效率低是一方面，而且学习的积极性也受影响。此外，机器学习大多时候依赖大的数据样本，学习代价高，依赖加速。CUDA加速一直都是热门，我一直没有深入了解，所以学习也从现在开始。
本文主要分为两个部分，第一部分，CUDA 8.0 安装；第二部分，利用Cmake,对OpenCV 3.1进行重编译，编译选项中支持GPU加速。编译器选择Visual Studio 2015，操作系统为Win7 SP1 。
前提条件
确保显卡为英伟达，明确显卡的系列型号等，并且正确安装过驱动。一般通过第三方的驱动安装工具如某大师、某精灵等都不太靠谱，我是遇到过类似的坑。
NVIDIA显卡驱动卸载与安装
如果有安装过NVIDIA的驱动，个人建议进行如下操作：
1. 在英伟达官网下载对应显卡最新驱动：驱动下载地址 注意选择正确的版本；
2. 利用驱动卸载工具DDU(Display Driver Uninstaller) 对旧驱动进行卸载，这里提供个人免费资源链接DDU；
建议在安全模式下卸载显卡驱动程序，系统会自动重启进入安全模式，等待DDU自动弹出后，选择好对应显卡类型，然后执行卸载驱动并重启。如图：
3. 安装前面下载的最新显卡驱动程序，安装过程看:这里，从第五步开始看就好了，前面我认为你已经做好了。
安装 VS2015+CUDA8.0+OPENCV3.1
VS2015
以前常用的VS版本是2010，因为用着习惯一直没有升级。CUDA 8.0好像只兼容vs2012版本及以上,没有去确认，个人建议使用VS2012以上版本。 另外说一句，VS2015只支持win7 SP1及以上系统，在win7 非SP1版本系统上无法安装.net 4.6。Visual Studio 2015 :社区免费中文版
CUDA 8.0
下载
请根据系统下载对应版本，安装类型建议选择local 本地版，如图：
安装注意一点，一定不要选择安装CUDA里面带的驱动，如图：
图上可以发现，我安装过的当前版本是比它包含的版本更新的，所以完全没必要替换的。切记！
详细安装说明请参考CUDA Quick Start Guide以及Installation Guide for Microsoft Windows，建议别偷懒！
验证安装： 我们通过CUDA提供的例子来验证是否安装成功
首先，cmd命令打开命令行窗口输入 nvcc -V ，可以查询到cuda toolkit 版本号，如图：
其次，如果你是默认安装路径，可以在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 找示例程序，根据VS版本打开对应的Samples工程，这里选择打开Samples_vs2015.sln。找到1_Utilities工程中的deviceQuery项目。编译该项目并设为启动项，该程序是利用CUDA运行时库中的API查询机器中CUDA设备详情的，具体参数含义在此不表。我的运行结果为：
你也可以试着运行bandwidthTest项目，查看运行结果。
如果上述程序没有输出正确的结果，最主要的原因就是显卡的驱动问题。可以尝试重复上面显卡驱动安装步骤，记住先卸载再安装。此外，确保安装的显卡驱动与你的显卡类型是一致的。
OpenCV 3.1.0
官方下载地址OpenCV版本随个人喜好，建议选择opencv-2.4.13及以后版本。原因是对于cuda 8.0，opencv 3.0，3.1，2.4.10都会报如下错误：
graphcuts.cpp:120:54: error: ‘NppiGraphcutState’ has not been declared typedef NppStatus (init_func_t)(NppiSize oSize, NppiGraphcutState* ppState, Npp8u* pDeviceMem);
使用opencv2.4.13就没有问题，opencv2.4.13是2016年第一个发布的版本，与cuda 8.0兼容应该最好。这里使用CMAKE工具进行OpenCV重编译工作，使用CMAKE 3.8版本，工具详细介绍在此不表。
下载OpenCV后进行解压，目录自选，个人推荐D:\Program Files (x86)\opencv310，然后在opencv目录 下新建两个文件夹: cmake_withGPU 以及 build_withGPU。目录如图：
打开Cmake,源目录设置为OpenCV源码目录sources，编译目录设置为上面创建的文件夹cmake_withGPU，点击Configure进行设置，选择VS2015 X64。 如图：
编译过程中，会下载第三方依赖库ffmpeg以及ippicv，由于网络问题可能会出错，解决方法看这里。个人资源也提供了ippcv免费下载。
如果此前没有编译过OpenCV的经验，请百度一下，相关内容很多，细节也很多，此处只说两点：首先，在CMAKE类别中设置CMAKE_INSTALL_PREFIX为上面新建的文件夹build_withGPU，如图：
其次，在WITH类别中确保WITH_CUDA被选中，在CUDA类别中取消如图选项：
最后，Generate生成OpenCV.sln工程文件。
接下来便是OpenCV的编译工作，这是个耗时的过程。此外，如果你使用的OpenCV3.1，即会遇到上面提到的编译错误。解决方法是 打开出错文件graphcuts.cpp，做如图修改：
OpenCV的主要编译过程如图所示：
先编译opencv_core以及opencv_cudacodec看是否出错，如果不出错，基本就没有什么问题了，可以执行ALL_BUILD进行全部编译，最后进行安装INSTALL，会把OpenCV的头文件 库文件以及相关DLL和EXE安装到我们创建的build_withGPU文件夹里，文件的组织形式是与opencv自带的build文件夹一致的。
验证安装：利用opencv自带的sample中两个程序进行验证
第一个是samples\cpp\tutorial_code\HighGUI\video-input-psnr-ssim中的例子，验证OpenCV的基础功能，运行结果如图：
命令行参数是similarity_measurement.exe video/Megamind.avi video/Megamind_bugy.avi 35 10 ，注意要编译成X64版本，因为我们的OpenCV是编译的x64的。
第二个是samples\cpp\tutorial_code\gpu\gpu-basics-similarity中的例子，验证GPU加速是否有效，以及正确的使用方法，运行结果如果：
至此，OpenCV已编译成功，并且支持了最新版CUDA加速，开启飞速模式尽情享受吧！
后记
写文档过程比安装过程还烦，我是先使用VS2013+OPENCV3.1+CUDA8.0一步步编译成功并验证，然后在旧电脑上使用VS2015重复了整个过程，才有了上面的配图。不过说来也有很多收获，因为旧电脑是WIN7旧版系统，非WIN7 SP1而不支持安装VS2015，为此折腾一番，还有更好的OpenCV应该选择最新版本的，安于使用以前熟悉的旧版本是不可取的。总的说来自己不尝试，真的不知道坑在哪。此外，WIN8 WIN10都没有验证过，上述方法只能作为参考了，自己的坑要自己填的。
没有N卡的小伙伴也不用担心，后面会说一下Intel IPP的安装和使用。
后面会介绍opencv_contrib这个模块的编译以及使用，也会包括算法理解与源码分析。
Unicorn Lewis, 03.31.2017
