郝晨宇 于霄洋 包贝

[摘 要]在图像处理领域，随着对处理高分辨率图像的需求不断增加，计算量也随之增加，虽然计算机的计算能力不断提升，但是CPU 的处理能力远远不能达到处理大型场景的要求。计算统一设备架构（CUDA）是显卡制造商NVIDIA提出的一种并行架构，本文基于CUDA进行了并行加速性能的研究与实现，对比了不同尺寸图片在击中击不中形态学算法中GPU相对于CPU运行时间的提升，结果显示GPU随着核数的提升加速效果越来越好。

[关键词]CUDA，并行计算，击中击不中变换

中图分类号：X325 文献标识码：A 文章编号：1009-914X（2018）11-0022-01

1 概述

随着人们对计算需求的不断增加（如深度学习），计算机的计算结构单元不断改善，包括中央处理单元（CPU）和图形处理单元（GPU）。其中CPU是计算机的核心，处理不同数据和复杂的逻辑控制的能力非常强。提升CPU的速度无疑是非常重要的，但是大规模的数据处理往往是高重复度、简单运算的迭代，CPU的串行速度在大规模的迭代下往往不会取得很大的提升。目前，GPU在并行计算方面已取得了显著进展[1]。GPU具有天然的并行特性，极大地促进了计算机图形学及其他应用领域的快速发展。NVIDIA 公司于 2007 年推出了一种通用并行计算架构CUDA（Compute Unified Device Architecture）。CUDA将GPU视为一个数据并行的计算设备，并且无需把这些计算映射到图形API。CUDA以C语言为基础，并对其扩展[2]。随着深度学习的快速发展，CUDA的应用达到了一个新高度，为了更好的了解并行计算的加速能力，本文以击中击不中变换为例对图像处理算法在CUDA加速下的性能进行了研究。……