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：
