這一章我們將介紹如何從頭搭建並配置一個用於影象處理的VC++平行計算環境。所用作業系統為Windows 7的32位系統，程式設計環境為VS2005，CUDA版本為3.0，OpenCV版本為1.0。內容包括建立一個基於VS2005的簡單的對話方塊工程，安裝和使用OpenCV，以及安裝配置CUDA環境。

需要注意，支援CUDA的VisualStudio版本為2005~2010，低版本的開發環境不支援。

1.建立一個簡單的對話方塊工程

我們先從一個簡單的MFC對話方塊工程開始。如圖2-1，開啟VS2005，點選“檔案(File)→新建(New)→工程(Project)”，新建基於Dialog的工程。

 

【圖2-1：新建工程】

如圖2-2，在彈出的新建專案(NewProject)對話方塊中，在左側的“專案型別”(Project types)中選中MFC，在右側的模板(Templates)中選擇“MFC應用”(MFCApplication)，在Name部分輸入自己想要的工程名字，如MyProcess，點選OK。

 

【圖2-2：選擇MFC工程】

在彈出的MFC嚮導(MFCApplication Wizard)對話方塊中（圖2-3），左側選中應用型別(Application Type)，然後在右側選中“基於對話方塊(Dialogbased)”，然後點選完成(Finish)。這樣，我們就建立了一個最簡單的對話方塊工程。

 

【圖2-3：建立對話方塊】

要檢視工程是否已經建立完成，可按F5執行，將出現如圖2-4所示介面：

 

【圖2-4：建立完成的對話方塊】

至此，一個基於MFC的對話方塊工程就建立完成了。

 

2.用OpenCV顯示“HelloWorld”

注意，本節OpenCV的配置是建立在作者提供的OpenCV庫的基礎上，該庫是在安裝完OpenCV 1.0之後編譯生成的，而編譯生成庫的過程就不在本書介紹了。

在MyProcess工程上點選右鍵，在彈出的對話方塊中選擇“屬性(Properties) ”（圖2-5）。

 

【圖2-5：選擇工程屬性】

如圖2-6，會彈出一個屬性對話方塊，選擇“結構特性(configuration Properties)→C/C++→常規(General)”，在右側的“附加包含路徑(AdditionalInclude Directories)”中輸入所示的內容。然後在“語言(Language)”中將“OpenMP支援(OpenMP Support)”的屬性改為“是(Yes(/openmp))”。

 

【圖2-6：新增要包含的目錄路徑】

    再選中左側“聯結器(Linker)”中的“常規(General)”在“附加包含路徑(AdditionalInclude Directories)”中輸入“.\opencv\lib”；並在“輸入(Input)”的“附加依賴項(AdditionalDependencies)”中加入如圖7內容。

 

【圖2-7：聯結器設定】

然後將OpenCV1.0的cxcore100.dll，highgui100.dll，libguide40.dll三個動態庫拷入系統目錄或程式執行目錄，這樣程式就可以使用OpenCV的功能了。

 

現在，我們用OpenCV來進行影象資料的讀入和顯示，初步測試一下程式和環境配置。

我們在建立好的對話方塊中加入一個按鈕，將其命名為“Hello World”，並新增其單擊響應函式，響應函式程式碼如【例2-1】：

 

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

voidCMyProcessDlg::OnBnClickedButtonHelloWorld()

{

       IplImage * pImgLoad;

       pImgLoad =cvLoadImage("..\\MyProcess\\TestImg\\Hello World\\Hello World.bmp",

              CV_LOAD_IMAGE_ANYDEPTH |CV_LOAD_IMAGE_ANYCOLOR);

       cvNamedWindow("Hello World",0);

       cvShowImage("HelloWorld",pImgLoad);

       cvReleaseImage(&pImgLoad);

}

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

 

編譯執行，單擊介面上的“HelloWorld”按鈕，將彈出如下影象：

 

【圖2-8：OpenCV顯示“HelloWorld”】

這樣就用OpenCV實現了影象資料的載入和顯示。同時，我們也得到IplImage結構，方便對其中的影象資料進行需要的演算法處理。

 

3.安裝配置CUDA環境

上面我們實現了對話方塊和OpenCV環境的搭建，這一部分，將安裝和配置CUDA環境。

依次安裝cudatoolkit_3.0_win_32.exe和gpucomputingsdk_3.0_win_32.exe，安裝路徑選擇預設即可。安裝完成後，可以先執行SDK中的deviceQuery.exe。作者的安裝路徑在：

C:\Win7Program\NVIDIACorporation\NVIDIA GPU Computing SDK\C\bin\win32\Release

執行這個自帶的程式，將會在當前資料夾中輸出一個deviceQuery.txt的文件，記錄當前使用顯示卡的效能。

如作者的顯示卡資訊如下：

 

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

C:\Win7Program\NVIDIACorporation\NVIDIA GPU Computing SDK\C\bin\win32\Release\deviceQuery.exeStarting...

 

 CUDA Device Query (Runtime API) version(CUDART static linking)

 

Thereis 1 device supporting CUDA

 

Device0: "GeForce GTS 450"

  CUDA Driver Version:                                         5.50

  CUDA Runtime Version:                                       3.0

  CUDA Capability Major revision number:                     2

  CUDA Capability Minor revision number:                     1

  Total amount of global memory:                                   1073414144bytes

  Number of multiprocessors:                                  4

  Number of cores:                                                        128

  Total amount of constant memory:                         65536 bytes

  Total amount of shared memory per block:             49152 bytes

  Total number of registers available perblock:         32768

  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:           65535 x 65535 x 65535

  Maximum memory pitch:                                     2147483647 bytes

  Texture alignment:                                               512 bytes

  Clock rate:                                                          1.57GHz

  Concurrent copy and execution:                             Yes

  Run time limit on kernels:                                    Yes

  Integrated:                                                          No

  Support host page-locked memory mapping:           Yes

  Compute mode:                                                   Default(multiple host threads can use this device simultaneously)

 

deviceQuery,CUDA Driver = CUDART, CUDA Driver Version = 5.50, CUDA Runtime Version = 3.0,NumDevs = 1, Device = GeForce GTS 450

 

 

PASSED

 

Press<Enter> to Quit...

////////////////////////////////////////////////////////////////////////////////////////////////////////////////

 

如果測試最後顯示PASSED，恭喜你，你的顯示卡支援CUDA平行計算，可以繼續進行下面的操作了。

然後，在我們的工程屬性中進行CUDA配置，方法類似於OpenCV的配置。

在“附加包含路徑(AdditionalInclude Directories)”中加入 $(CUDA_INC_PATH)（安裝CUDA toolkit之後自動配置的系統變數，如果沒有，可以自己手動新增）。

在“附加庫路徑(AdditionalInclude Directories)”中加入 $(CUDA_LIB_PATH)

在“附加依賴項(AdditionalDependencies)”中加入cudart.libcufft.lib。

再在工程上右鍵單擊，選擇“自定義生成規則(CustomBuild Rule)”，在彈出的對話方塊中選擇Find Existing…，在彈出的對話方塊中找到C:\Win7Program\NVIDIA Corporation\NVIDIA GPU Computing SDK\C\common路徑下的Cuda.rules檔案，如圖2-9所示：

 

【圖2-9：自定義生成規則】

然後在AvailableRule Files中選中 CUDA Build Rule v3.0.14，點選OK，完成CUDA的整個設定。

轉：https://blog.csdn.net/qq_28372387/article/details/48623037