原创力文档- 1、本文档共88页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
摘要
图像滤波器是当前绝大多数图像处理软件中的重要组成部分，然而，图像滤波对于计算量的要求是巨大的，为了加强图像处理软件的人机交互性能，使用GPU来加速图像滤波，是一个很好的选择。NVIDIA新近推出的GPU计算平台采用距阵型的计算架构，特别适合二维图像信号的处理，且相对CPU有着更高的算法可并行性和计算效率。本文力图基于GPU的CUDA开发环境，利用GP-GPU的计算特性，实现二维可分离卷积运算，以提高算法的运行效率。最后，本文模拟了二维可分离卷积在C语言中的实现，并分别在NVIDIAGPU并行计算平台和Intel及AMDCPU计算平台上加以运行，同时进行了两种计算平台上算法实现的性能比较。
关键字：可分离卷积滤波；卷积；可编程图形处理器；GPU;CUDA
Abstract
Image-filteringisanimportantpartofmanycontemporaryimage-processingtools.Sinceimage-filteringapproachesareverycomputationallydemanding,topreserveinteractivityofthosetool,usingGPUtoacceleratetheimagefilteringmaybeagoodwayout.TheGPUcomputingplatforms,recentlylaunchedbyNVIDIA,adoptsthematrix-typecomputingarchitecture,especiallysuitablefortheprocessingofthetwo-dimensionalimagesignalandhavehigherparallelismofthealgorithmsandcomputationalefficiencyaccordingtoCPU.BasedontheCUDAdevelopmentenvironmentofGPU,byutilizingthecomputingcharacteristicofGP-GPU,thispaperaimsattherealizationandtheefficiencyimprovementofthedetachabletwo-dimensionalconvolutionoperation.Therefore,realizationandtestingofadetachabletwo-dimensionalconvolutionintheClanguageareimplementedonbothNVIDIAGPUparallelcomputingplatformsandIntel(orAMD)CPUcomputingplatform.Then,thealgorithmperformanceofthetwocomputingplatformsarecomparedandanalyzedinthisdissertation.
Keywords:detachableconvolutionfiltering;convolution;programmablegraphicsprocessor;GPU;CUDA
目录
第一章绪论 1
1.1引言 1
1.2研究背景 2
1.3研究目的和意义 3
1.4论文主要研究内容及论文结构安排 4
第二章图像处理基础理论 5
2.1图像处理的概念 5
2.2图像的格式 6
3.2图像处理中常用的几种变换 8
3.2.1傅立叶变换 8
3.2.2离散傅立叶变换 8
3.2.3快速傅立叶变换 8
3.2.4离散余弦变换 9
第三章图像处理单元GPU 10
3.1GPU的简介 10
3.2GPU与CPU的比较 11
3.2.1GPU与CPU的性能比较 11
3.2.2GPU与CPU内部结构比较 12
3.3NVIDIACUDA 13
3.4GPU的发展前景 15
第四章可分离
文档评论（0）