基于CPU与GPU_CUDA的数字图像处理程序的性能比较

"基于 CPU 与 GPU/CUDA 的数字图像处理程序的性能比较" 本文主要讨论基于 CPU 与 GPU/CUDA 的数字图像处理程序的性能比较。随着图像采集设备的发展，图像处理的实时性变得越来越重要。因此，如何最大限度地减少图像预处理所耗费的时间成为提高测绘系统性能的关键。 近年来，计算机图形处理器 (GPU) 的快速发展，使得通过 GPU 并行计算实现数字图像处理成为可能。GPU 的编程模型是单程序多重数据 (SPMD)，即多个并发的线程执行单一的程序来处理多重数据。CUDA 是由 NVIDIA 推出的 GPU 编程模型，它的编程模式是单程序多重数据 (SPMD)，即多个并发的线程执行单一的程序来处理多重数据。 本文通过多个数字图像处理算法对 GPU 和 CPU 分别进行测试，发现使用 GPU 并行计算进行图像处理能大幅提高效率。GPU 并行计算将在测绘遥感科学领域发挥巨大作用。 在 CUDA 模型中，一个程序分为两部分：在 CPU 上执行的 Host 程序和在 GPU 上执行的 Device 程序。Device 程序也称为 Kernel 函数。数据在 Host 端进行分块和预处理，然后通过计算机总线将数据传输到 GPU 内存中，由 GPU 执行 Device 程序对数据进行处理，最后将数据传回 Host 内存。 NVIDIA 的 GPU 一般由多个多核处理器和一块显存构成。每个多核处理器由多个处理器核，一个指令部件，一个非常大的寄存器堆，一小块片上的共享内存以及一些只读的缓存组成。 本文还讨论了 CPU/GPU 对照测试，包括图像几何变换和快速傅立叶变换两部分。图像几何变换是图像处理最基本的方法，它可以使图像后处理和图像分析的程序简单化。快速傅立叶变换是数字图像空间域到频域相互转换的常用方法，其理论完善，应用十分广泛。 基于 GPU 的数字图像处理可以大幅提高图像处理速度和效率，具有广泛的应用前景。