本次编译环境是在windows11上使用VS2022+Cmake-gui进行编译的。同时，由于我本机有多个python环境，因此采用的anaconda管理python环境，opencv编译以后也是安装于anaconda中。

一定确保已经成功安装了cuda工具包，以及VS编译器，清单如下：

cuda及cudnn环境安装

源码下载

Opencv与Opencv-contrib的版本应保持一致。

Opencv 源码下载：

Opencv-contrib 源码下载：

visual studio 2022下载安装

cmake-gui 下载安装

以管理员打开cmake-gui,如果不是管理员打开，可能会没有权限创建文件。

设置opencv源码位置，如果是编译至anaconda中的虚拟环境中，需要提前设置anaconda虚拟环境中的python路径。执行此步骤是为了将CUDA版本的opencv安装到虚拟环境中，只安装到宿主机环境不需要执行此步骤。where to build the binaries 处需要填写的build完成的文件的保存文件，可以放在opencv源码文件夹中。

设置完以后，第一次点击configure需要设置所使用的visual studio版本以及平台，64位请选择x64.

编译过程需要下载各种依赖，可能会因为网络问题会卡住。

上一步完成后，在Search框内输入CUDA和fast，勾选三个配置 : WITH_CUDA 、OPENCV_DNN_CUDA、ENABLE_FAST_MATH 。

Search框搜world，将build_opencv_world打勾，将所有opencv的库都编译在一起不需要自己一一添加每个小模块。

Search框搜BUILD，勾选BUILD_opencv_python3

search框搜MODULES，在OPENCV_EXTRA_MODULES_RATH一项，添加opencv_contrib中的modules路径

search框搜NON，把OPENCV_ENABLE_NONFREE 打勾

如果不需要java、js等支持，可以搜索并取出勾选，可取除test相关选项，加快编译速度。

第二次点击configure，等待下方日志显示configure done

搜索框输入cuda，勾选CUDA_FAST_MATH ，CUDA_ARCH_BIN中将显卡的算力内容改成自己显卡的算力，对应算力与显卡型号如第一章图片所示，如，显卡型号为 RTX 3070所对应的算力为8.6，则删除其他的算力版本，仅保留8.6即可.

通过下面的链接可以查看显卡算力：

CUDA-Enabled GeForce and TITAN Products

再次点击configure，这次的Configuring done终于OK，然后点击Generate，稍等片刻出现Generating done！

点击Open Project，它会启动你的Visual Studio。但是在我的电脑上有多个版本的Visual Studio，直接点击这个会打开2017版本的，因此可以去build文件下 右键点击 OpenCV.sln 选择对应的Visual Studio版本打开。

设置build版本以及平台，我设置的为release版本，平台为x64.

然后点击”build solution“开始编译。

这个编译会需要几十分钟，而后点击CMakeTargets下的install再次编译，这一次会把opencv编译安装至anaconda的环境中。

如果打印的数字大于0，则编译成功。

opencv-python使用GPU资源--虚拟环境安装与编译opencv源码_opencv gpu python_lujx_1024的博客-CSDN博客

cmake 编译opencv4.5.5/opencv4.6.0/opencv4.7.0 gpu版以及vs2022配置opencv-gpu

windows上编译opencv使用cuda加速dnn模型推理_乐观的文神的博客-CSDN博客