史上最详细Ubuntu20.04编译OpenCV+CUDA教程（Python & C++ 双支持 | 速通 + 避坑）

Natsuagin

已于 2025-02-21 22:28:31 修改

阅读量1.7k

点赞数 27

文章标签： opencv cuda ubuntu python c++ 计算机视觉

于 2025-02-21 22:24:28 首次发布

本文链接：https://blog.csdn.net/Natsuago/article/details/145785243

版权

前言

在本教程中，我们将以 OpenCV-4.10.0 为例从零开始 编译 OpenCV，并确保 支持 CUDA，同时兼容 Python 和 C++ 版本。官方提供的 python-opencv 版本不包含 CUDA 支持，因此我们需要手动编译以获得 GPU 加速能力，本教程的最初系统环境如下表所示：

软件	版本	说明
系统	Ubuntu 20.04.6 LTS	作者是 Windows11 + Ubuntu20.04 双系统
CUDA	12.1.1	NVIDIA GPU 计算框架
cuDNN	8.9.5	CUDA 深度学习加速库
Python	3.8.10	系统默认 Python 版本
C++	9.4.0	Ubuntu 20.04 默认的 GCC 版本，直接运行`sudo apt install g++`安装即可
系统自带 OpenCV	4.2.0	默认安装的 `python-opencv`，不支持 CUDA
目标 OpenCV	4.10.0	我们将手动编译源码并启用 CUDA 加速

🚨 注意（必看）：

本文需要卸载系统自带的 OpenCV 4.2.0，并替换为源码编译的 OpenCV 4.10.0 （支持 CUDA）。
提前安装 NVIDIA 驱动 + CUDA + cuDNN，否则 OpenCV 无法启用 CUDA。
如果你还没有安装 NVIDIA 驱动和 CUDA，可以参考我的文章：
全网最详细教你在Ubuntu 20.04安装NVIDIA 驱动+CUDA+cuDNN（避坑版 | 图文详解）。
需要科学上网，因为部分 OpenCV 组件需要从 GitHub 下载。

一、下载 OpenCV 源码

1. 创建工作目录

mkdir ~/opencv_cuda && cd ~/opencv_cuda

2. 下载 OpenCV 4.10.0 源码

打开 opencv-releases 版本页面，选择并点击OpencCV-4.10.0版本的Sources。
将下载得到的opencv-4.10.0.zip解压至~/opencv_cuda目录下：
```
unzip ~/下载/opencv-4.10.0.zip -d ~/opencv_cuda
```

3. 下载 OpenCV Contrib 4.10.0

打开 opencv_contrib 版本页面，点击4.10.0版本。
如图所示，点击Source code (zip)。

3. 将下载得到的opencv_contrib-4.10.0.zip解压至~/opencv_cuda目录下：
```
unzip ~/下载/opencv_contrib-4.10.0.zip -d ~/opencv_cuda
```

4. 创建 `build` 目录

cd ~/opencv_cuda/opencv-4.10.0
mkdir build && cd build

5. 最终目录结构

在完成 OpenCV 和 OpenCV Contrib 源码的下载和解压后，你的 ~/opencv_cuda/ 目录结构应如下：

~/opencv_cuda/
│── opencv-4.10.0/             # OpenCV 主源码目录
│   ├── build/                 # 我们创建的编译目录（之后会生成编译结果）
│   └── ...                    # 其他文件
└── opencv_contrib-4.10.0/     # OpenCV Contrib 扩展模块
	└── ...                    # 其他文件

二、编译 OpenCV

1. 安装必要的依赖

sudo apt update
sudo apt install -y build-essential cmake git unzip pkg-config
sudo apt install -y libjpeg-dev libpng-dev libtiff-dev
sudo apt install -y libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt install -y libxvidcore-dev libx264-dev libx265-dev
sudo apt install -y libgtk-3-dev libcanberra-gtk3-dev
sudo apt install -y libatlas-base-dev gfortran
sudo apt install -y python3-dev python3-pip

2. 配置 CMake

访问 NVIDIA-Your GPU Compute Capability，下滑找到CUDA-Enabled GeForce and TiTAN Products后点击并查看自己显卡算力，下一步需要填写CUDA_ARCH_BIN参数。

修改以下命令当中的CUDA_ARCH_BIN参数替换为刚才查找到的自己电脑算力（命令中是-D CUDA_ARCH_BIN="8.9" \），然后执行命令。

cmake -D CMAKE_BUILD_TYPE=Release \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D OPENCV_EXTRA_MODULES_PATH=~/opencv_cuda/opencv_contrib-4.10.0/modules \
      -D WITH_CUDA=ON \
      -D ENABLE_FAST_MATH=ON \
      -D CUDA_FAST_MATH=ON \
      -D WITH_CUBLAS=ON \
      -D OPENCV_DNN_CUDA=ON \
      -D WITH_LIBV4L=ON \
      -D WITH_OPENGL=ON \
      -D WITH_TBB=ON \
      -D BUILD_TIFF=ON \
      -D BUILD_EXAMPLES=OFF \
      -D BUILD_opencv_python3=ON \
      -D PYTHON3_EXECUTABLE=$(which python3) \
      -D PYTHON3_INCLUDE_DIR=$(python3 -c "from sysconfig import get_paths as gp; print(gp()['include'])") \
      -D PYTHON3_PACKAGES_PATH=$(python3 -c "from sysconfig import get_paths as gp; print(gp()['purelib'])") \
      -D OPENCV_GENERATE_PKGCONFIG=ON \
      -D INSTALL_C_EXAMPLES=OFF \
      -D INSTALL_PYTHON_EXAMPLES=OFF \
      -D CUDA_ARCH_BIN="8.9" \
      -D CUDA_ARCH_PTX="" \
      -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda \
      -D CMAKE_C_COMPILER=/usr/bin/gcc-9 \
      -D CMAKE_CXX_COMPILER=/usr/bin/g++-9 ..

注意：需要科学上网，否则编译过程中将无法成功下载一些组件。

3. 编译 OpenCV

make -j$(nproc)

提示：$(nproc) 代表当前系统的最大 CPU 逻辑核心数，make -j$(nproc)代表最大化利用 CPU 资源（预计编译15～60分钟不等）

4. 安装 OpenCV

执行以下命令进行opencv的安装。
```
sudo make install
```

安装过程中可能出现即便科学上网也无法很快下载的文件，比如face_landmark_model.dat如下：

-- highgui: using builtin backend: GTK3
-- data: Downloading face_landmark_model.dat from https://raw.githubusercontent.com/opencv/opencv_3rdparty/8afa57abc8229d611c4937165d20e2a2d9fc5a12/face_landmark_model.dat

此时先按Ctrl + C终止安装过程，然后手动下载 face_landmark_model.dat 并复制到正确位置：

cd ~/opencv_cuda/opencv-4.10.0/.cache/data/
wget https://raw.githubusercontent.com/opencv/opencv_3rdparty/8afa57abc8229d611c4937165d20e2a2d9fc5a12/face_landmark_model.dat
mkdir -p ~/opencv_cuda/opencv-4.10.0/build/share/opencv4/testdata/cv/face/
cp face_landmark_model.dat ~/opencv_cuda/opencv-4.10.0/build/share/opencv4/testdata/cv/face/

返回build目录，重新安装 OpenCV。

cd ~/opencv_cuda/opencv-4.10.0/build 
sudo make install

5. 链接OpenCV 的共享库

执行sudo ldconfig，命令如下：
```
sudo ldconfig
```
检查 OpenCV 共享库是否正确链接：
```
ldconfig -p | grep opencv
```
如果看到多个 libopencv_*.so.4.10 相关的库路径，说明链接正确，例如下图。

三、验证 OpenCV（必须）

1. 验证 Python 是否支持 CUDA 的 OpeCV

验证 opencv版本，执行如下命令：

python3 -c "import cv2; print(cv2.__version__)"

若输出的 opencv版本 不是4.10.0，则说明使用的是系统级opencv，先查看Python实际加载的cv2位置：

python3 -c "import cv2; print(cv2.__file__)"

如果输出如下，那么 Python 仍然在使用 旧版本的 OpenCV，而不是刚刚安装的 4.10.0。

/usr/lib/python3.8/dist-packages/cv2.cpython-38-x86_64-linux-gnu.so

需要先卸载系统级opencv：

sudo apt remove python3-opencv
sudo rm -rf /usr/lib/python3.8/dist-packages/cv2*

然后手动设置OpenCV 4.10.0的PYTHONPATH：

export PYTHONPATH=/usr/lib/python3.8/site-packages:$PYTHONPATH
echo 'export PYTHONPATH=/usr/lib/python3.8/site-packages:$PYTHONPATH' >> ~/.bashrc
source ~/.bashrc

然后再次测试：

python3 -c "import cv2; print(cv2.__version__)"

验证安装的opencv是否支持cuda，打开终端运行以下命令：
```
python3 -c "import cv2; print(cv2.getBuildInformation())" | grep -i cuda
```
如果可以找到 NVIDIA CUDA：YES 说明 OpenCV 已成功启用 CUDA（例如下图）。

2. 验证 C++ 是否支持 CUDA 的 OpeCV

创建 test_opencv.cpp
```
cd ~/
sudo nano test_opencv.cpp
```

将以下内容填入test_opencv.cpp 然后保存并退出：

#include <opencv2/cvconfig.h>
#include <opencv2/opencv.hpp>
#include <iostream>
int main() {
    std::cout << "OpenCV Version: " << CV_VERSION << std::endl;
#ifdef HAVE_CUDA
    std::cout << "CUDA is available." << std::endl;
#else
    std::cout << "CUDA is NOT available." << std::endl;
#endif
    return 0;
}

执行以下命令编译test_opencv.cpp：

g++ test_opencv.cpp -o test_opencv `pkg-config --cflags --libs opencv4` -I/usr/local/include/opencv4/opencv2 -L/usr/local/lib -Wl,-rpath,/usr/local/lib