基于GPU的数字图像并行处理方法.pdfVIP

esign 设计天地 栏目编辑 韩汝水 Field D 基于GPU的数字图像并行处理方法* Parallel Image Processing Based on GPU ■ 盖素丽 河北省应用数学研究所(河北石家庄050081) 数字图像处理的并行化分析 摘要： 针对像素级图像处理算法并行化程度高的特点，利用 数字图像处理算法多种多样，但从数据 GPU的并行流处理特性和可编程性，提出了基于GPU 处理的层面来考虑，可以分为：像素级处理、 的数字图像并行化处理方法，并对其基本执行流程和其 [3][4] 特征级处理和目标级处理三个层次 。 中的关键技术问题：数据加载，结果反馈、保存等进行 像素级图像处理 了详细论述。最后通过图像的卷积运算验证了GPU的 像素级处理，即由一幅像素图像产生另 并行处理能力。 一幅像素图像，处理数据大部分是几何的、 关键词：GPU；片元程序；Cg；并行处理 规则的和局部的。根据处理过程中的数据相 关性，像素级处理又可进一步分为点运算、 2008年12月9日收到本 GPU并行化处理 局部运算和全局运算。 文。 可编程图形处理器(Programmable特征级图像处理 *河北省自然科学基金 Graphic Process Unit, PGPU)是目前计算机 特征级处理是在像素图像产生的一系列 项目(200710096057) 上普遍采用的图形图像处理专用器件，具有 特征上进行的操作。常用的特征包括：形状 单指令流多数据流(SIMD)的并行处理特性， 特征、纹理特征、梯度特征和三维特征等，一 而且提供了完全支持向量操作指令和符合 般采用统一的测度，如：均值、方差等来进 IEEE32位浮点格式的顶点处理能力和像素处 行描述和处理，具有在特征域内进行并行处 理能力，已经成为了一个强大的并行计算单 理的可能性。但是，由于其特征具有象征意 元。研究人员将其应用于加速科学计算和可 义和非局部特性，在局部区域并行的基础 视化应用程序，取得了令人鼓舞的研究成果。 上，需要对总体进行处理。利用GPU实现并 与CPU相比，GPU具有以下优势：强 行化处理的难度比较大。 大的并行处理能力和高效率的数据传输能力 目标级图像处理 [1] [2] [7]