基于OpenCL的Prewitt算法的并行实现.docVIP

基于OpenCL的Prewitt算法的并行实现 　　摘 要： Prewitt算法是数字图像分割中最常用的边缘检测算法。采用传统CPU上的串行方法实现该算法需要较大的计算量、耗时较长，因此，通过GPU对其进行性能加速有着重要的意义。然而由于GPU硬件体系结构的差异性，跨平台移植是一件非常困难的工作。针对上述问题，提出了一种基于OpenCL异构框架的Prewitt图像边缘检测并行算法。实验结果表明，该并行算法比CPU上的串行算法运行速度快，加速比可达30倍，有效地提高了大规模数据处理的效率，可移植性好，具有较高的应用价值。 　　关键词： OpenCL； 异构框架； 边缘检测； Prewitt算法； 并行实现 　　中图分类号： TN919?34； TP391 文献标识码： A 文章编号： 1004?373X（2014）20?0103?04 　　Implementation of Prewitt algorithm parallel based on OpenCL 　　MA Ge， XIAO Han 　　（College of Information Science Technology， Zhengzhou Normal University， Zhengzhou 450044， China） 　　Abstract： Prewitt algorithm is the most commonly used edge detection algorithm in digital image segmentation， but large amount of calculations and great time consumption are needed to be suffered if traditional CPU serial method is used to implement the algorithm. Therefore， it is important to accelerate its performance by GPU. However， the cross platform transplantation is very difficult because of the difference of GPU hardware system structure. In view of the above questions， a parallel algorithm of Prewitt image edge detection based on OpenCL heterogeneous framework is proposed. The experimental results show that the running speed of the parallel algorithm is faster than that of the serial algorithm in CPU， and its speedup ratio is 30 times as the serial algorithm. It improved the efficiency of large-scale data processing effectively. It has good portability and high application value. 　　Keywords： OpenCL； heterogeneous framework； edge detecetion； Prewitt algorithm； parallel implementation 　　0 引 言 　　边缘检测技术是图像处理和计算机视觉等领域最基本的技术[1]。当前，图像边缘检测技术主要利用以CPU为核心的传统计算资源进行处理，计算量大、能耗高、效率低，不能很好地满足高分辨率图像的快速处理。 　　随着可编程图形处理器技术的快速发展，当前的GPU已经具有很强的并行计算能力，越来越多的算法被成功移植到GPU平台上，并取得了很好的加速效果。然而由于GPU硬件体系结构的差异性，在不同GPU硬件平台间实现算法移植是一件非常困难的工作。目前国内外已有的研究工作一般只针对单一的硬件平台，没有考虑不同硬件平台间的可移植性。 　　近几年来，由多核CPU、GPU或其他类型的处理器组成的异构框架作为一种新的计算机体系架构逐渐成为主流。其中，开放式计算语言（Open Computing Language，OpenCL）作为面向异构计算平台的通用编程框架[2]，一方面在实现性能目标的同时降低了能耗，另一方面为实现GPU通用计算程序的