如何在Windows下配置支持CUDA的Python版OpenCV运行环境

问题原因 #

通过pip install opencv-python/opencv-contrib-python安装的官方包默认未编译CUDA支持，因此即使本地安装了CUDA Toolkit，调用cv2.cuda_*相关函数仍会触发No CUDA support错误。

解决方案 #

以下提供两种可行的配置方式，按需选择：

方式一：通过Conda安装预编译的带CUDA支持的OpenCV（最简单） #

1. 确保已安装Anaconda/Miniconda，若未安装请先完成安装。
2. 创建并激活独立环境（避免版本冲突，推荐）：

   conda create -n opencv-cuda python=3.10
   conda activate opencv-cuda
   

3. 安装匹配CUDA 12.x版本的OpenCV：

   conda install -c conda-forge opencv cudatoolkit=12.0
   

   该命令会自动安装带CUDA支持的OpenCV及对应版本的CUDA工具包。

方式二：手动从源码编译OpenCV with CUDA（适合自定义需求） #

1. 准备依赖

• 安装CMake 3.18及以上版本
• 安装Visual Studio（Windows环境需勾选C开发组件；Linux环境需安装gcc/g）
• 确认CUDA Toolkit 12.x已正确安装，CUDA_PATH环境变量已配置
• 安装Python依赖：

  pip install numpy
  

2. 下载源码

• 下载与目标版本一致的OpenCV源码（如你报错的4.7.0版本）
• 下载对应版本的OpenCV_contrib源码（必须与OpenCV版本匹配，否则编译会出错）

3. CMake配置

• 打开CMake GUI，设置：
  • 源码路径：OpenCV解压后的sources文件夹
  • 编译输出路径：自定义的build文件夹（需为空）
• 点击Configure，选择对应编译器（如Visual Studio 2022 + x64），等待配置完成
• 勾选/设置关键编译选项：
  • 勾选WITH_CUDA，确认CUDA版本识别为12.x
  • 勾选WITH_CUDNN（若需加速神经网络操作）
  • 设置OPENCV_EXTRA_MODULES_PATH为OpenCV_contrib解压后的modules文件夹路径
  • 取消勾选BUILD_TESTS、BUILD_EXAMPLES以加快编译速度
• 再次点击Configure，直到无红色选项，点击Generate生成编译工程

4. 编译安装

• 打开build文件夹中生成的Visual Studio解决方案（Linux环境直接用make命令）
• 切换到Release模式，右键INSTALL项目，选择生成
• 编译完成后，将build/install/python/cv2/python-xx下的内容复制到你的Python环境的site-packages/cv2目录中

验证配置 #

安装完成后，运行以下代码验证CUDA支持是否生效：

import cv2
print("可用CUDA设备数量：", cv2.cuda.getCudaEnabledDeviceCount())

若输出大于0，说明配置成功，此时再运行你的测试代码即可正常调用CUDA函数。

内容的提问来源于stack exchange，提问作者YuichiroTanaka