背景
Python中使用OpenCV處理圖像，一般需要Python環(huán)境，在Python中安裝OpenCV環(huán)境就可以使用。此環(huán)境中做圖像處理是使用電腦CPU。
想要使用GPU處理圖像需要對(duì)Python環(huán)境進(jìn)行配置。
GPU
使用GPU需要電腦具備GPU功能，一般英偉達(dá)顯卡都有。而且不同的GPU需要使用不同的OpenCV版本。筆者這里使用了2臺(tái)電腦，顯卡不同使用的OpenCV和Python版本都不同。具體的版本對(duì)應(yīng)關(guān)系筆者也不是很清楚，針對(duì)2個(gè)不同的顯卡CUDA環(huán)境進(jìn)行描述。
首先確保你電腦上的顯卡驅(qū)動(dòng)正確安裝，安裝驅(qū)動(dòng)后如果沒(méi)有安裝對(duì)應(yīng)的CUDA環(huán)境請(qǐng)自行安裝顯卡對(duì)應(yīng)的CUDA：
CUDA Toolkit Archive | NVIDIA Developer。
有地方說(shuō)還需要cuDNN環(huán)境，但是筆者沒(méi)有cuDNN環(huán)境也可以，估計(jì)實(shí)際上不需要。
CUDA 11.4
此電腦顯卡GeForce GT 710，顯卡驅(qū)動(dòng)已安裝CUDA是11.4。此環(huán)境確保CUDA是可用的，然后就是OpenCV，有很多地方說(shuō)Python中使用pip install安裝的opencv-python是不帶CUDA的，需要自己編譯帶CUDA的OpenCV，需要自己編譯帶CUDA的OpenCV。這個(gè)筆者確實(shí)不太懂，不過(guò)正常使用Python用pip install安裝環(huán)境確實(shí)很便捷，如果這樣安裝的不帶，那就比較麻煩了。筆者之前編譯過(guò)C++下的OpenCV，那時(shí)候沒(méi)有想過(guò)CUDA的事，當(dāng)時(shí)也沒(méi)在意有沒(méi)有帶CUDA環(huán)境，那個(gè)過(guò)程比較麻煩，所以這里也沒(méi)想再編譯，所以找到一個(gè)大佬，自己編譯了好多版本的OpenCV是帶CUDA可用的，可以在下面鏈接去下載。
Releases · cudawarped/opencv_contrib (github.com)
這里的OpenCV版本沒(méi)有實(shí)際OpenCV的版本多，差異的話(huà)筆者也不是很清楚，不過(guò)能正常用。
但是版本還是很關(guān)鍵的，筆者2個(gè)電腦一個(gè)CUDA11一個(gè)CUDA12，11的使用OpenCV4.7的不行，12的使用OpenCV4.5的不行，具體為啥也不知道。
筆者現(xiàn)在手里有2個(gè)版本的OpenCV，4.7是在上述網(wǎng)站中下載的，4.5是在博客中某大佬的分享下載的，因?yàn)槟莻€(gè)網(wǎng)站此時(shí)沒(méi)有4.5版本的，只能自己找資源。
將opencv_4_5_0_cuda_11_1_py38.7z文件解壓到電腦中，有的地方說(shuō)要配置環(huán)境變量，其實(shí)不用，在使用的時(shí)候總是要添加進(jìn)去的。
進(jìn)剛剛解壓路徑的這里，有個(gè)cv2.cp38-win_amd64.pyd文件，注意看這個(gè)文件名稱(chēng)中，cv2.cp38這個(gè)很關(guān)鍵，這個(gè)表示對(duì)應(yīng)的Python版本，筆者剛開(kāi)始不知道一直用的Python3.9，最后使用OpenCV4.7里面這個(gè)文件命名是cv2.cp39，才聯(lián)想起來(lái)。所以這里要說(shuō)的是，你使用的Python版本是這個(gè)OpenCV版本決定的。一定要根據(jù)OpenCv版本再安裝Python，好在Python很容易安裝，再把環(huán)境變量改一下就行了，也不用卸載老版本之類(lèi)的。
將那個(gè)文件拷貝到Python的庫(kù)路徑中。
確認(rèn)一下電腦的Python環(huán)境，里面確實(shí)沒(méi)有opencv-python。
在代碼中使用cv2提示的不是找不到cv2模塊，而是 DLL load failed while importing cv2: 找不到指定的模塊。
雖然是有錯(cuò)誤，但是不是那種錯(cuò)誤，也就說(shuō)明有效。
在代碼中添加導(dǎo)入CUDA和OpenCV的代碼，就可以正常使用cv2了。
import os
os.add_dll_directory("C:\\Program Files\\NVIDIA GPU Computing Toolkit\CUDA\\v11.4\\bin")
os.add_dll_directory("D:\\Program Files\\opencv_4_5_0_cuda_11_1_py38\\install\\x64\\vc16\\bin")
import cv2 as cv
print("OpenCV版本", cv.__version__)
cv.cuda.printCudaDeviceInfo(0)
"D:\Program Files\Python\Python3810\python.exe" D:/workspace/python/test2/src/org/test/test1.py
OpenCV版本 4.5.0
*** CUDA Device Query (Runtime API) version (CUDART static linking) ***
Device count: 1
Device 0: "NVIDIA GeForce GT 710"
CUDA Driver Version / Runtime Version 11.40 / 11.10
CUDA Capability Major/Minor version number: 3.5
Total amount of global memory: 2048 MBytes (2147483648 bytes)
( 1) Multiprocessors x (192) CUDA Cores/MP: 192 CUDA Cores
GPU Clock Speed: 0.95 GHz
Max Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536,65536), 3D=(4096,4096,4096)
Max Layered Texture Size (dim) x layers 1D=(16384) x 2048, 2D=(16384,16384) x 2048
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per block: 1024
Maximum sizes of each dimension of a block: 1024 x 1024 x 64
Maximum sizes of each dimension of a grid: 2147483647 x 65535 x 65535
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and execution: Yes with 1 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Concurrent kernel execution: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support enabled: No
Device is using TCC driver mode: No
Device supports Unified Addressing (UVA): Yes
Device PCI Bus ID / PCI location ID: 1 / 0
Compute Mode:
Default (multiple host threads can use ::cudaSetDevice() with device simultaneously)
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.40, CUDA Runtime Version = 11.10, NumDevs = 1
Process finished with exit code 0
CUDA 12
在CUDA11.4的電腦中成功使用了CUDA后，對(duì)整個(gè)過(guò)程都熟悉了，就是那幾個(gè)環(huán)境，然后版本對(duì)應(yīng)上，其它電腦也是一樣的原理，所以在CUDA12的電腦上一下子就成功了。
與上文的不同是首先電腦顯卡不同，那么顯卡驅(qū)動(dòng)就不同，所以CUDA不同。具體的CUDA與OpenCV的版本關(guān)系筆者也不清楚，基于CUDA11用的OpenCV4.5，還有個(gè)地方看到別人也記錄一樣的事情，環(huán)境也一樣，對(duì)方的CUDA是12，用的OpenCV4.7，所以在CUDA12的電腦上筆者直接下載OpenCV4.7的版本。而在OpenCV4.7中使用的Python是3.9。所以上述環(huán)境準(zhǔn)備好后很容易就可以搭建好環(huán)境。
