我的环境：Win10+VS2017+Opencv4.2+Cmake3.12.4+GTX 1650+CUDA10.2+cuDNN7.6.5.32

• 1）下载并安装VS2017社区版：https://my.visualstudio.com/Downloads?q=visual%20studio%202017
• 2）安装CUDA10.2及cuDNN7.6.5.32：Win10+CUDA10.2+CUDNN7.6.5安装_进击的路飞桑的博客-CSDN博客
• 1）opencv：Releases · opencv/opencv · GitHub（github下载速度慢，可以在CSDN上搜索他人上传的资源）
• 2）opencv_contrib：Releases · opencv/opencv_contrib · GitHub
• 注意：两者版本必须对应

cmake下载地址：Download | CMake （下载速度过慢，可以在CSDN上搜索他人上传的资源）

• 1）打开cmake，选择opencv源代码路径与存放生成的opencv解决方案的路径（路径不要包含中文），如下图所示。cmake会自动读取源代码路径下的CMakeLists.txt文件，根据文件内容构建项目工程。

• 2）点击“configure”按钮，第一次点击此按钮会提示我们指定此项目的生成器，选择带有Win64的VS2017，点击完成。（此时会在E:/opencv/OpencvSource路径下自动生成几个cmake相关的文件来保存配置，下次打开cmake时不会提示我们指定生成器，而是自动读取保存的配置，可以通过手动删除文件或者点击CMake左上角的File->Delete Cache，把之前选择的清除掉再重新选择）。然后等待第一次构建完成。

• 3）在“search”一栏中按关键字搜索一些参数，如下图所示：

（1）开启普通模块对GPU的支持，以及DNN模块对GPU的支持，不要勾选BUILD_CUDA_STUBS

（2）指定之前下载好的opencv_contrib模块modules文件所在的位置

（3）把各OpenCV模块编译成一个模块，这样最后生成的只有一个.lib（方便后续进行配置）。但在发行版本中建议按需引入相应模块以减少体积

（4）为了加快后面编译opencv工程的速度，带test、java、python的都不勾选

（5）WITH_INF_ENGIN 这一项是dnn-cpu的加速，需要提前安装openVINO，这里我们暂不勾选

• 4）再次点击“configure”按钮，等待Cmake构建完成。

（1）Cmake第一次构建需要下载几个文件，第二次构建时由于我们添加了opencv_contrib模块，因此也需要下载几个文件。由于这些文件保存在国外服务器上，因此我们基本都会下载失败。这些文件的缓存路径我们可以通过“Search”查询，如下图所示：

按照我们查找的路径打开.cache文件，我们可以发现多个文件夹，任意打开一个可以发现里面缓存了下载失败的文件，如下图所示：

其中“opencv_videoio_ffmpeg.dll”为文件名，“5de6044cad9398549e57bc46fc13908d”为MD5，0KB代表下载失败。

（2）Cmake会将这些文件的下载日志保存在CMakeDownloadLog.txt文件中，我们可以在E:/opencv/OpencvSource路径下找到它，内容含义如下图所示：

（3）我将构建opencv4.2需要下载的文件都存放在了.cache文件中，并上传到CSDN，需要的朋友可以自行下载。下载完毕后，可以将你需要的文件复制过去。删除原来的CMakeDownloadLog.txt文件，然后再次点击“configure”按钮，两次构建完成后再打开MakeDownloadLog.txt文件，其内容含义如下图所示：

（4）文件格式是：MD5-文件名。可以通过如下代码获取文件的MD5，然后核实获取到的MD5与下载文件中的MD5是否一致。一般情况是一致的，这步可以不用操作。

• 5)检查CUDA以及cuDNN配置情况，都为Yes表示配置成功。如果不是Yes就不要编译opencv工程了，浪费时间。

从上图我们可以看出，当前使用的是10.2版本的CUDA。如果需要，我们可以改变编译opencv时的cuda版本，如下图所示：

修改CUDA的路径后，需要再次点击“configure”按钮，进行构建。

• 6）查看Cmake的输出，可以有警告，不能有错误。
• 7）点击“Generate”按钮，即可生成opencv解决方案的工程文件。我们可以在opencv解决方案的路径下找到OpenCV.sln，双击即可打开该工程。也可直接在cmake中点击“Open Project”按钮打开工程。

打开工程，在菜单栏选择“生成”——“批生成”，选择下图所示的四项，然后点击“生成”此过程大约需要2.5小时

编译完成后，在该工程目录下会生成一个install文件夹，即为我们需要的库文件。

详情请查看：VS2015与Opencv4.1配置（win10系统）_进击的路飞桑的博客-CSDN博客

注意：为了配置方便我们可以将旧的opencv库改为别的名字，例如：build_old。然后新建build文件夹，直接将新编译的库拷贝过来，这样以后切换的时候就不用重新配置了，只需要改文件名即可。

• 1）VS编译Opencv源码时出现如下错误提示：

问题分析：types.pb.h文件由protobuf更老的版本生成，而本机protobuf是新版本，从而造成版本不兼容问题。

问题查找：按照错误提示打开types.pb.h文件，看到下图所示的一段代码，含义就是其仅支持protobuf3.5.0以及3.5.1版本

此时我们在Cmake的”search“一栏输入”python“，即可发现python的相关环境变量，即链接protobuf库的位置。

然后我们使用cmd打开命令行，输入"protoc --version"或"conda list"查看protobuf的版本，我这里的版本为protobuf3.11.4。

问题解决：使用“conda remove protobuf“命令移除当前库，如果移除失败，可以使用更暴力的方法：直接卸载并重新安装anaconda，这样protobuf就被清除了（不需要安装protobuf） 。

• 2）之前我安装的VS2015，在Cmake构建阶段出现”Error in configuration process， project files may be invalid.“错误，仔细查看Cmake输出，显示如下错误：

问题分析：意思就是CMAKE没有找到C与C++编译器，这里的CXX_COMPILER其实就是C++编译器。

问题解决：安装VS2015时一定要勾选Visual C++模块，win10 SDK模块最好也勾选。

• 3）Cmake构建阶段出现如下错误：

问题分析：DNN模块不支持低于5.3的GPU算力

问题解决：将CUDA_ARCH_BIN中小于5.3的选项去掉。我们也可以只保留本机GPU的算力，CUDA GPUs - Compute Capability | NVIDIA Developer官网查询本机GPU算力，我的GPU型号为GTX1650，官网上查询不到（暂时不知道为什么），我通过在本机的ubantu系统运行CUDA-Z软件查出算力为：7.5

• 4）编译好的opencv库在其它电脑上使用时，提示找不到“hdf5.dll”文件：

虽然不知道出错的原因，但是可以按照如下方式解决此问题：下载或在其它机器上拷贝此文件（anaconda和matlab的安装路径下有这个文件），然后放到C:/windows/system32路径下，即可解决。

参考文章：https://www.jianshu.com/p/5520fdb6dbae?from=singlemessage

                  CMake编译OpenCV - 夕西行 - 博客园

                  Cmake编译-CMAKE_C_COMPILER-NOTFOUND解决_zy2317878的博客-CSDN博客 

                  caffe.pb.h:17:2: error: #error This file was generated by an older version of protoc 问题解决_坎幽黑尔弥？的博客-CSDN博客

                  学习OpenCV3：Cmake编译OpenCV时无法下载ffmpeg、xfeatures2d等文件_北冥有鱼wyh的博客-CSDN博客 

           vs 运行opencv hdf5.dll找不到_追风少年coco的博客-CSDN博客