基于VS2012搭建OpenCL+OpenCV使用环境
[题外话]近期申请了一个微信公众号:平凡程式人生。有兴趣的朋友可以关注,那里将会涉及更多更新OpenCL+OpenCV以及图像处理方面的文章。
最近在学习OpenCL,粗略地看了几本书后,就想着搭建OpenCL的编码环境,自己编几个程序练习练习。要编程,那第一步就是要搭建编程环境了。
我的PC上安装过VS2012,这个节省了不少时间。使用OpenCL编程,不可避免地要使用到图像处理,OpenCV是最佳选择了。对于OpenCV,以前也只是看看书,写过几个小程序,现在也有了用武之地。
1、检测PC对OpenCL的支持情况
2008年,苹果公司向Khronos Group提交了一份关于跨平台计算框架的草案,该草案由苹果公司开发,并与AMD、IBM、Intel和NVIDIA公司合作逐步完善。这个跨平台计算框架就是OpenCL(Open Computing Language,开放计算语言)。2008年12月8日,OpenCL 1.0技术规范发布。2010年6月14日,OpenCL 1.1发布。2011年11月19日,OpenCL 1.2发布。2013年11月19日,OpenCL 2.0发布。
从OpenCL技术规范的发布历史看,2008年以前的PC一定是不支持OpenCL的。之后的芯片,也会因为年份不同、厂商不同,对OpenCL的版本支持不同。
我的PC是2013年购买的ThinkPad T430,只支持OpenCL 1.1版本。
怎么能准确地知道自己PC对OpenCL及OpenGL的支持情况呢?我从网上下载了Geeks3D的GPU Caps Viewer软件。它可以很详细地检测到你的PC的GPU情况,以及对OpenCL/OpenGL/CUDA/Vulkan的支持。
我的PC有三个OpenCL设备,分别是Intel的CPU Intel(R) Core(TM) i7-3520M CPU @ 2.90GHz、intel的GPU Intel(R) HD Graphics 4000,以及NVIDIA的GPU NVS 5400M。它们对OpenCL的支持情况如图1和图2所示。
在Geeks3D的GPU Caps Viewer软件中显示了它们各自的计算单元数、主频、OpenCL版本、各种类型memory的大小、work group和work item的数目,还有对2D/3D图像支持的最大分辨率。
在GPU Caps Viewer软件中还可以查看不同GPU设备下demo情况,如图3和图4所示。运行同一个demo,从主观上查看帧率,NVIDIA的GPU要比Intel的快不少,它的帧率很少有掉到30fps以下的,而Intel的很频繁。
图1 Intel CPU/GPU对OpenCL支持情况
图2 NVIDIA GPU对OpenCL支持情况
图3 Intel CPU/GPU的demo
图4 NVIDIA GPU的demo
2、OpenCL安装及环境配置
根据我的PC上GPU的型号,我下载NVIDIA的OpenCL驱动。在下面的网页上下载了cuda_8.0.61.exe:
https://developer.nvidia.com/cuda-downloads
安装时默认安装到了C盘,具体目录为:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
接下来,我在VS2010中建立新工程,配置了OpenCL的相关路径,对OpenCL安装是否成功做了检测。
首先,创建了Visual C++下的Win32控制台应用程序opencl_test。接着配置OpenCL的路径。在工程属性页的“VC++ 目录”下,配置它的“包含目录”和“库目录”。
“包含目录”中选择路径:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
“库目录”中选择路径:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\Win32
需要注意的是,因为我创建的是Win32控制台应用程序,必须选择lib下的Win32目录,而不能选择x64目录。
“VC++ 目录”下的配置如下图所示:
接下来对“链接器”的“输入”页面进行配置。在它的“附加依赖项”中添加库OpenCL.lib即可。如下图所示:
3、OpenCV安装及环境配置
我在下面的网页上下载了OpenCV 2.4.10版本:
OpenCV 2.4.10版本的安装文件350M多,安装完以后将近4G。所以我把它安装到了比较空闲的G盘。安装目录为:G:\Program Files\opencv\
对于OpenCV的配置,我也是建立VC++下的Win32控制台应用程序。在它的工程属性页的“VC++ 目录”下,也需要配置它的“包含目录”和“库目录”。
“包含目录”中选择路径:
G:\Program Files\opencv\build\include
“库目录”中选择路径:
G:\Program Files\opencv\build\x86\vc11\lib
需要说明的是,在目录G:\Program Files\opencv\build\x86\下,有三个目录vc10、vc11和vc12,它们分别对应VS2010、VS2012和VS2013。我安装的是VS2012,所以选择vc11。
接下来对“链接器”的“输入”页面进行配置。在它的“附加依赖项”中添加下面几个库:
opencv_imgproc2410d.lib、opencv_core2410d.lib、opencv_highgui2410d.lib、opencv_calib3d2410d.lib。
注意这些库后面都带字母d,表示是用于debug模式下的库。如果是release版本,需要把字母d去掉。在debug模式下,不能混入release库,反之亦然。
在目录G:\Program Files\opencv\build\x86\vc12\lib下有几十个lib,需要根据编程需要添加不同的lib。
4、OpenCL+OpenCV环境检测
在工程的test.cpp文件中输入下面的code,完成了对OpenCL和OpenCV环境的检测。
1. #include <iostream> 2. #include <fstream> 3. #include <sstream> 4. #include <opencv2/opencv.hpp> 5. 6. #ifdef __APPLE__ 7. #include <OpenCL/cl.h> 8. #else 9. #include <CL/cl.h> 10. #endif 11. 12. using namespace cv; 13. 14. int main(int argc, char* argv[]) 15. { 16. cl_int ciErrNum; 17. int width = 0, height = 0; 18. const char* imagename = "F:\\code\\pic\\test01.jpg"; 19. 20. Mat img = imread(imagename); 21. if (!img.data) { 22. std::cout << "fail to open file. " << std::endl; 23. } 24. Mat gray; 25. cvtColor(img, gray, CV_BGR2GRAY); 26. width = gray.rows; 27. height = gray.cols; 28. 29. std::cout << "picture width: " << width << ", height: " << height << std::endl; 30. 31. cl_uint platformNum; 32. ciErrNum = clGetPlatformIDs(1, NULL, &platformNum); 33. 34. std::cout << "platform number: " << platformNum << std::endl; 35. return 0; 36. }
它调用OpenCV的API函数打开一个jpeg图片,将其转化为灰度图,输出了图像的宽和高信息。调用OpenCL的API获取了本机支持OpenCL平台的数目,为2。因为我的PC上有Intel的继承显卡和NVIDIA的独立显卡。
通过这个小程序,我们验证OpenCL+OpenCV环境是可以正常工作的。之后就可以基于这个环境完成更多的程序设计了。
这段code运行结果如下: