基于VS2012搭建OpenCL+OpenCV使用环境

　　[题外话]近期申请了一个微信公众号：平凡程式人生。有兴趣的朋友能够关注，那里将会涉及更多更新OpenCL+OpenCV以及图像处理方面的文章。

　　最近在学习OpenCL，粗略地看了几本书后，就想着搭建OpenCL的编码环境，本身编几个程序练习练习。要编程，那第一步就是要搭建编程环境了。

　　个人PC上安装过VS2012，这个节省了很多时间。使用OpenCL编程，不可避免地要使用到图像处理，OpenCV是最佳选择了。对于OpenCV，之前也只是看看书，写过几个小程序，如今也有了用武之地。

一、检测PC对OpenCL的支持状况

　　2008年，苹果公司向Khronos Group提交了一份关于跨平台计算框架的草案，该草案由苹果公司开发，并与AMD、IBM、Intel和NVIDIA公司合做逐步完善。这个跨平台计算框架就是OpenCL（Open Computing Language，开放计算语言）。2008年12月8日，OpenCL 1.0技术规范发布。2010年6月14日，OpenCL 1.1发布。2011年11月19日，OpenCL 1.2发布。2013年11月19日，OpenCL 2.0发布。

从OpenCL技术规范的发布历史看，2008年之前的PC必定是不支持OpenCL的。以后的芯片，也会由于年份不一样、厂商不一样，对OpenCL的版本支持不一样。

　　个人PC是2013年购买的ThinkPad T430，只支持OpenCL 1.1版本。

　　怎么能准确地知道本身PC对OpenCL及OpenGL的支持状况呢？我从网上下载了Geeks3D的GPU Caps Viewer软件。它能够很详细地检测到你的PC的GPU状况，以及对OpenCL/OpenGL/CUDA/Vulkan的支持。

　　个人PC有三个OpenCL设备，分别是Intel的CPU Intel(R) Core(TM) i7-3520M CPU @ 2.90GHz、intel的GPU Intel(R) HD Graphics 4000，以及NVIDIA的GPU NVS 5400M。它们对OpenCL的支持状况如图1和图2所示。

　　在Geeks3D的GPU Caps Viewer软件中显示了它们各自的计算单元数、主频、OpenCL版本、各类类型memory的大小、work group和work item的数目，还有对2D/3D图像支持的最大分辨率。

　　在GPU Caps Viewer软件中还能够查看不一样GPU设备下demo状况，如图3和图4所示。运行同一个demo，从主观上查看帧率，NVIDIA的GPU要比Intel的快很多，它的帧率不多有掉到30fps如下的，而Intel的很频繁。

 

图1 Intel CPU/GPU对OpenCL支持状况

图2 NVIDIA GPU对OpenCL支持状况

图3 Intel CPU/GPU的demo

图4 NVIDIA GPU的demo

 

二、OpenCL安装及环境配置

　　根据个人PC上GPU的型号，我下载NVIDIA的OpenCL驱动。在下面的网页上下载了cuda_8.0.61.exe：

　　https://developer.nvidia.com/cuda-downloads

　　安装时默认安装到了C盘，具体目录为：

　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

　　接下来，我在VS2010中创建新工程，配置了OpenCL的相关路径，对OpenCL安装是否成功作了检测。

首先，建立了Visual C++下的Win32控制台应用程序opencl_test。接着配置OpenCL的路径。在工程属性页的“VC++ 目录”下，配置它的“包含目录”和“库目录”。

　　“包含目录”中选择路径：

　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

“库目录”中选择路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\Win32

须要注意的是，由于我建立的是Win32控制台应用程序，必须选择lib下的Win32目录，而不能选择x64目录。

　　“VC++ 目录”下的配置以下图所示：

　　接下来对“连接器”的“输入”页面进行配置。在它的“附加依赖项”中添加库OpenCL.lib便可。以下图所示：

三、OpenCV安装及环境配置

　　我在下面的网页上下载了OpenCV 2.4.10版本：

https://sourceforge.net/projects/opencvlibrary/files/opencv-win/2.4.10/opencv-2.4.10.exe/download?use_mirror=jaist

　　OpenCV 2.4.10版本的安装文件350M多，安装完之后将近4G。因此我把它安装到了比较空闲的G盘。安装目录为：G:\Program Files\opencv\

对于OpenCV的配置，我也是创建VC++下的Win32控制台应用程序。在它的工程属性页的“VC++ 目录”下，也须要配置它的“包含目录”和“库目录”。

　　“包含目录”中选择路径：

　　G:\Program Files\opencv\build\include

　　“库目录”中选择路径：

　　G:\Program Files\opencv\build\x86\vc11\lib

　　须要说明的是，在目录G:\Program Files\opencv\build\x86\下，有三个目录vc十、vc11和vc12，它们分别对应VS20十、VS2012和VS2013。我安装的是VS2012，因此选择vc11。

　　接下来对“连接器”的“输入”页面进行配置。在它的“附加依赖项”中添加下面几个库：

　　opencv_imgproc2410d.lib、opencv_core2410d.lib、opencv_highgui2410d.lib、opencv_calib3d2410d.lib。

　　注意这些库后面都带字母d，表示是用于debug模式下的库。若是是release版本，须要把字母d去掉。在debug模式下，不能混入release库，反之亦然。

　　在目录G:\Program Files\opencv\build\x86\vc12\lib下有几十个lib，须要根据编程须要添加不一样的lib。

四、OpenCL+OpenCV环境检测

　　在工程的test.cpp文件中输入下面的code，完成了对OpenCL和OpenCV环境的检测。

1.	#include <iostream>  
2.	#include <fstream>  
3.	#include <sstream>  
4.	#include <opencv2/opencv.hpp>  
5.	  
6.	#ifdef __APPLE__  
7.	#include <OpenCL/cl.h>  
8.	#else  
9.	#include <CL/cl.h>  
10.	#endif  
11.	  
12.	using namespace cv;  
13.	  
14.	int main(int argc, char* argv[])  
15.	{  
16.	    cl_int ciErrNum;          
17.	    int width = 0, height = 0;  
18.	    const char* imagename = "F:\\code\\pic\\test01.jpg";  
19.	  
20.	    Mat img = imread(imagename);  
21.	    if (!img.data) {  
22.	        std::cout << "fail to open file. " << std::endl;  
23.	    }  
24.	    Mat gray;  
25.	    cvtColor(img, gray, CV_BGR2GRAY);  
26.	    width = gray.rows;  
27.	    height = gray.cols;  
28.	  
29.	    std::cout << "picture width: " << width << ", height: " << height << std::endl;  
30.	  
31.	    cl_uint platformNum;  
32.	    ciErrNum = clGetPlatformIDs(1, NULL, &platformNum);  
33.	  
34.	    std::cout << "platform number: " << platformNum << std::endl;  
35.	    return 0;  
36.	}

　　

　　它调用OpenCV的API函数打开一个jpeg图片，将其转化为灰度图，输出了图像的宽和高信息。调用OpenCL的API获取了本机支持OpenCL平台的数目，为2。由于个人PC上有Intel的继承显卡和NVIDIA的独立显卡。

　　经过这个小程序，咱们验证OpenCL+OpenCV环境是能够正常工做的。以后就能够基于这个环境完成更多的程序设计了。

　　这段code运行结果以下：