基于CPU+GPU的圖像處理異構(gòu)并行計算研究.pdf

1、人機交互式系統(tǒng)對計算精度和速度的要求越來越高,這就要求機器視覺部分處理速度更快,然而傳統(tǒng)CPU運算很難滿足人們對于系統(tǒng)實時性的要求。近年來,隨著GPU硬件的不斷發(fā)展,GPU展現(xiàn)出了強大的浮點運算能力和內(nèi)部數(shù)據(jù)高帶寬,GPU被越來越多的用作通用計算領(lǐng)域,但是開發(fā)人員必須借助于復(fù)雜的計算機圖形學(xué) API完成開發(fā)過程,這給非計算機專業(yè)人員進行開發(fā)造成了極大困難。
　　NVIDIA提出的CUDA架構(gòu)使得開發(fā)人員直接對GPU進行編程,而不必

2、將數(shù)據(jù)打包成紋理,使得我們能夠采用CUDA C語言將圖像處理算法問題移植到GPU上實現(xiàn),減小了開發(fā)的難度。
　　論文首先回顧了GPU硬件的發(fā)展歷史,詳細介紹了CUDA的概況、編程模型、存儲器模型和應(yīng)用領(lǐng)域,其次分析了CUDA程序的編譯流程,最后針對圖像處理中的幾個典型算法,分析是否具有可并行性,并提出了相應(yīng)的GPU實現(xiàn)的并行算法,給出了詳細的測試數(shù)據(jù)和結(jié)果對比。
　　本論文主要完成了以下工作:
　　(1)分析了圖像的雙

3、線性插值算法和立方卷積插值算法,給出了這兩種算法的GPU實現(xiàn),并對各平臺下實驗結(jié)果進行了分析。
　　(2)分析了圖像平滑算法中的掩模式平滑和圖像分割中 Roberts邊緣檢測算法,提出了GPU實現(xiàn)這兩種算法的方案,并對實驗結(jié)果進行分析。
　　(3)提出了 GPU實現(xiàn)雙線性插值算法的兩種優(yōu)化方案,分別采取紋理內(nèi)存訪問和CUDA流異步執(zhí)行方案加速雙線性插值程序。對優(yōu)化后的試驗結(jié)果和未優(yōu)化的試驗結(jié)果進行了對比,驗證了方案的正確性。