基于cuda技术的图像旋转参考.docxVIP

摘要CUDA 是GPU 通过并发执行多个线程以实现大规模快速并行计算能力的技术，它能使对GPU 编程变得更容易。介绍了CUDA 基本特性及主要编程模型，在此基础上,提出并实现了基于NVIDIA CUDA技术的图像快速几何变换。采用CUDA纹理技术，并把CUDA 技术的快速并行计算能力应用到数字图像几何变换中，解决了基于CPU 的传统图像几何变换运算效率低下的问题。实验结果证明使用CUDA 技术，随着处理图像尺寸的增加，对数字图像几何变换处理效率最高能够提高到近100 倍。关键字：CUDA; 并行化; 数字图像; GPU 编程;纹理；AbstractCUDA is a type of technology that performs general purposes fast and parallel computation by running tensof thousands of threads concurrently. It makes users develop general GPU programs easily. This paperanalyzes the distinct features of CUDA and summarizes the general program mode of CUDA. Furthermore,it proposes and implements an image geometric transform process by the CUDA. By using the texture technology, and byapplying the rapid parallel computing ability of CUDA to transform the geometric image, solve the problemof the inefficient image transform based on CPU. The experimental results show that, as the image sizeincrease, application of CUDA on image geometric transform can reach to more than 100x.Keywords: CUDA; parallelization; digital image; GPU programming;Texture;1 绪论研究背景在某些如车牌识别系统等对实时性要求较高的有大量图像处理工作的系统开发中，对从摄像设备中获取的原始图像的预处理所耗费的时间占了很大比重，如何最大限度地减少图像预处理所耗费的时间成为提高这类实时系统性能的关键。图像几何变换是预处理的一个重要方面，并行化是解决这类问题的一个思路。近年来计算机图形处理器(Graphic ProcessingUnit,GPU)高速发展，极大地提高了计算机图形处理的速度和图形质量,同时也具有高度的可程序化能力，这使得通过GPU 实现数字图像几何变换并行化成为可能。由于显示芯片通常具有相当高的内存带宽，以及大量的执行单元，绘制流水线的高速度和并行性为图形处理以外的通用计算提供了良好的运行平台,这使得基于GPU 的通用计算成为近几年人们关注的一个研究热点。并行计算已成为突破摩尔定理局限性的重要研究方向，而GPU强大的并行计算能力也因此吸引了全球广泛的研究兴趣。然后，在时间通用并行计算时，GPU计算模式存在着一些限制。首先，GPU的设计初衷是为了加速程序中的图形绘制运算，因此开发人员需要通过OpenGL或者API来访问GPU,这不仅要求开发人员掌握一定的图形编程知识，而且要想方设法将通用计算问题转为图形计算问题。其次，GPU与多核CPU在计算构架上有着很大不同，GPU更注重于数据并行计算，即在不同的数据上并行执行相同的计算，而对并行计算中的互斥性，同步性以及原子性等方面支持不足，这些因素都限制了GPU在通用并行计算中的引用范围。CUDA架构的出现解决了上述问题。CUDA? 是NVIDIA? 公司的并行计算架构。该架构通过利用 GPU 的处理能力，可大幅提升计算性能。目前为止基于 CUDA的GPU销量已达数以百万计，软件开发商、科学家以及研究人员正在各个领域中运用CUDA，其中包括图像与视频处理、计算生物学和化学、流体力学模拟、CT图像再现、地震分析以及光线追踪等等。计算正在从CPU「中央处理」向CPU与GPU「协同处理」的方向发展。为了实现这一新型计算模式，NVIDIA发明了CUDA 并行计算架构。该架构现在正运用于 Tesla? 、Quadro? 以及 GeForce? GPU 上。对应用程序开发商来说，C