李亚荣，刘佳

(大连交通大学 机械工程学院，辽宁 大连 116028)

0 引言

图形处理器(GPU)，其概念相对于CPU，是一种专门用于处理图像的核心处理器.随着GPU性能的提升，并且GPU可编程操作，它广泛用于繁琐复杂的计算领域中，如图像和视频处理、计算生物学和化学、流体力学模拟、CT图像再现、光线跟踪等.特别是GPU在并行加速方面所具备的优势体现在［1］:①大量的并发式线程，②极高的运算密度，③显存的快速访问，④低数据耦合.因此加速计算方法正在从CPU“中央处理”向CPU与GPU“协同处理”的方向发展.为了实现协同处理的计算模式，NVIDIA公司发明了一致CUDA并行计算架构.该架构利用GPU的并行处理能力，可大幅度提升计算性能.

图形旋转是数字图像处理中常见的算法.传统的旋转算法中，CPU承担了所有的数值计算，当需要处理的图形达到几十或者上百兆时，CPU会耗费大量的计算时间，且为了保证图形的处理质量和精度，相对的会增加CPU的负荷，影响其它线程的运行.而普通的并行运算不仅硬件成本高，且原有的旋转算法无法适应并行运算的架构，因此，基于CUDA架构并行处理的图形旋转算法具有十分重要的意义，它将图形旋转繁琐的计算从CPU转移到GPU，利用GPU的强大性能极大地加快运行的速度.

1 现有的图像旋转算法及其特点

1.1 直接旋转法

笛卡尔坐标系中，将一个图像绕着坐标轴顺时针旋转α角度后，图1所示为旋转之前的图像，图2为旋转之后的图像，二者的坐标和旋转角度具有一定几何关系……