图像处理的GP加速技术研究与评价.doc

图像处理的GPU加速技术研究与评价 刘伟峰 蒋楠 宋付英 孟凡密 陈芳莉 （中国石油化工股份有限公司石油勘探开发研究院信息技术研究所，北京，100083，liuwf@） 摘 要: 针对大多数图像处理问题的计算密集性，提出了图像处理的GPU加速技术。首先，描述了相对于CPU，采用GPU能够带来计算效率提升的体系结构基础。其次，将直方图生成和快速傅里叶变换计算二维卷积两个具有代表性的图像处理算法移植至GPU。最后，利用同样市场价格组合的CPU和GPU进行实验，利用多分辨率图像作为测试数据，比对CPU和GPU方案的计算效率。结果显示，与相同算法的CPU实现相比，其GPU实现分别将计算效率最高提高到了17倍和40倍。 关键词: 图形处理器；直方图；快速傅里叶变换；二维卷积；统一计算设备架构 Evaluation and Comparative Research of GPU Acceleration Techniques of Image Processing LIU Wei-feng，JIANG Nan，SONG Fu-ying，MENG Fan-mi，CHEN Fang-li Information and Technology Station, SINOPEC Exploration Production Research Institute, Beijing 100083 Abstract: For the compute-intensive character of image processing, we propose GPU acceleration techniques of image processing. In this paper, first, we describe the efficient architecture of GPU. Second, we implement two representative image processing algorithms, histogram generation and Fast Fourier Transformation-based two-dimensional convolution, on GPU. Finally, using the same market price CPU and GPU as hardware platform, and using multi-resolution images as test datasets, we compare the computational efficiency of GPU with CPU. The results show the speed of the two algorithms implemented on GPU can be improved by up to 17 times and 40 times compared to CPU-based implementations. Keywords: GPU；histogram；FFT；2D convolution；CUDA 1 引言 随着科学技术的迅猛发展，图像处理技术已经成为了近代信息处理领域一项非常重要的技术，并已在遥感、医学、生物特征鉴别、运动分析等领域得到了广泛应用。由于大多数图像处理问题是计算密集型的，所以许多串行处理方法在应用中遇到了难以实时计算的困难。随着并行计算机及并行处理技术的发展，并行图像处理技术应运而生，但这些技术往往要么运行于大型集群上，要么还在被作为测试并行机性能的辅助技术使用，其推广完全受制于硬件环境的推广。本文利用已被广泛接受并使用的GPU（graphics processing unit, 图形处理器）作为硬件载体，在其上并行地实现了两个图像处理的常用算法——直方图生成和快速傅里叶变换计算二维卷积，并对其执行性能数据与CPU上的相同算法执行性能数据进行了比对。实验结果显示，同样的图像处理算法，GPU组合对比于同样市场价格的CPU，其计算效率是后者的17-40倍。可得出结论，将原有CPU执行的算法移植至GPU执行能够获得很高的效率提升，而且是经济、可行的。 2 GPU介绍 过去的二十年间，中央处理器遵循摩尔定律发展，在不断提升性能的同时降低价格，为高性能计算提供了有效的支持。然而，自2003年以来，这种趋势发生了变化，不断提高的CPU频率带来了高功耗和高发热量，使得CPU频率止步于4 GHz，并向提高频率以外的方向发展。从那时起，以游戏加速和图形处理为初衷设计的GPU以超出摩尔定律的速度发展，并开始在高性能计算领域被大量使用。图1为近年来CPU和GPU的浮点运算速度对