CUDA框架視角下的圖像處理并行算法分析

劉小豫 聶維 趙娟 吳份俠

【摘? 要】圖像處理技術是當前計算機必不可少的用途之一。隨著計算機技術的不斷發展，圖像處理的并行算法也在不斷的更新。論文主要是基于CUDA框架視角，詳細地闡述了CUDA架構的發展脈絡，對CUDA圖像處理的并行算法進行了系統的分析，同時對CUDA的架構框架環境也有一定的研究，從而打破傳統的圖像處理壁壘，對新時期圖像處理方式進行進一步的探究。

【Abstract】Image processing technology is one of the essential uses of computer nowadays. With the continuous development of computer technology， the parallel algorithm of image processing is also constantly updated. Based on the perspective of CUDA framework， this paper elaborates the development of CUDA architecture， systematically analyzes the parallel algorithm of CUDA image processing， and also studies the CUDA architecture framework environment to a certain extent， so as to break the traditional image processing barriers and further explore the image processing mode in the new era.

【關鍵詞】CUDA;圖像處理;并行算法分析

【Keywords】CUDA; image processing; parallel algorithm analysis

【中圖分類號】TP391.4? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2020）09-0184-02

1 CUDA的發展脈絡

CUDA是GPU的衍生產物，隨著信息技術的不斷發展，顯卡也在高速發展，CPU的出現為圖片的顯示和處理作出了巨大貢獻。在此背景之下，NVIDIA公司推出了CUDA技術，不僅能夠充分發揮出CPU圖像處理的功能，同時對于顯卡的發展也起到了不可忽視的推動作用。就目前的CUDA發展技術而言，能夠保證使用的平臺包括GT200、G80、G92、G94、G96、GF100等。也就是說，截至目前，只有NVIDIA公司所研制的顯卡才能夠使用CUDA技術作為圖像處理的新技術。除此之外，C語言是CUDA編程的核心語言編譯器，在發展CUDA的同時，該公司同樣也研發出了Geforce 8 CUDA的架構類型。這種類型的架構主要是為了絕大多數較為復雜的計算機問題。因此，技術人員為了能夠建立新的、高效的計算機解決方案，同時還能夠充分滿足計算機中對于密集數據的解決方案，在C語言的基礎上增加高性能的計算機指令。

當前的CUDA系統架構內容主要包括開發庫、運行期環境和驅動。首先就開發庫而言。開發庫是在CUDA技術的基礎上建立的。在兩個標準數學的運算基礎上，能夠解決大部分大規模并行問題，同時還能夠為CUDA的運行提供更為方便和快捷的幫助，滿足自身對計算機應用的需要。其次是運行期環境。運行期環境根據其在CUDA的程序代碼開發中的運行位置不同分為宿主代碼和設備代碼兩種。其中，宿主代碼主要是指能夠在CPU上運行的代碼，而設備代碼則是在GPU上運行的代碼。兩種代碼的編程形成，不僅為計算機的不同運行方式提供了一定的便利，同時也為技術人員在設置代碼方面提供了較多的選擇。

1.1 CUDA 編程開發

CUDA編程相較于原有的GPU編程而言，在架構上都具有一定的優化和改進。主要體現在兩方面：一是對于處理架構方面，由原來的多種方式改為統一的方式，使得過去分布在定點著色器中的計算機資源和片元著色器中的計算機資源都能夠得到并加以利用。二是在將片內共享存儲器引入計算機設備中，使計算機設備能夠支持隨機寫入和線程之間的通信。對于CUDA構架的兩項改進使得該系統能夠更適應于GPU的通用計算。而對于技術人員而言，CUDA主要是由C語言來進行開發，而不需要借助圖形來學習API，這一特性的開展使得開發人員可以直接從CPU過渡至GPU編程。綜上所述，我們可以發現相較于原有的GPU編程語言，CUDA不僅在編程內容和形式上更為簡單，同時還能夠充分利用GPU的編程特性來完成線程間的通信，對圖形并行算法方面也有一定的推動作用。這也是CUDA變成一經推出就廣受好評的主要原因之一。

1.2 CUDA編程模型

CUDA的編程模型主要是將CPU作為主機，GPU作為協助處理器和設備之一。這里需要注意的是，CUDA編程模型中，是可以一個主機和若干個設備共存的。相較于傳統的GPU編程模型而言，CUDA編程具有更為廣泛的應用領域和應用優勢。一方面，CPU作為邏輯性較強的設備之一，具有較強的事務處理能力和并行計算能力，而GPU則是主要負責高度線程化的并行計算任務。技術人員在編程過程中，只需要將程序中的并行部分找出來并確定后，就可以將并行部分的內容交由GPU處理。另一方面，CUDA在GPU上運行的內核函數是該程序中一個可以被并行執行的步驟。也就是說，這個內核函數是整個CUDA程序中的組成部分。在CUDA架構中，一個完整的CUDA程序是由一系列的內核函數和主機的串行處理部分共同組成的。這些組成形式具有一定的順序性，同時也具有一定的一致性。

2 CUDA框架視角下的圖像處理并行算法

在CUDA框架視角下，圖像處理并行算法是基于計算機圖像處理方式的更新和優化之后的。在CUDA框架視角下的圖像處理并行算法中存在圖像插值。圖像插值的作用主要是用來計算在已有的圖像像素基礎上，圖像在被經過放大后所缺少的像素值。這部分像素值被稱為圖像插值。除此之外，還有最近鄰插值和雙線性插值。這三條插值是目前在CUDA框架中最常用到的插值。其中雙線性插值又可以稱為雙線性內插，主要是應用于數學函數公式中的兩個變量，即插值函數的線性插值拓展，通俗來說，雙線性內插值的核心思想是在函數的兩個方向分別進行一次線性插值，從而求得該插值函數的兩個變量。

2.1 雙線性算法設計思路

在上文中我們提到了雙線性插值的概念和應用方式。此段主要是探討雙線性算法的設計思路。雙線性插值的設計思路主要從三個方面來展開：

一是在并行算法中能夠實現對圖像處理的一些基本功能。其中主要包括對圖像的打開、顯示和保存等。這些基本功能看似簡單，是日常計算機操作中最為直接的圖像處理方式，但對于雙線性插值而言，在打開圖片的同時，還包括將圖片內容讀入內存的步驟，除此之外，對于該圖像文件除文件頭以外的部分存儲在計算機中。最后根據該圖像的調色板、圖像顏色和種類等參數內容一起保存至數據庫中，進行存儲。

二是在圖片顯示階段的參數設置和存儲步驟完成后，對于圖片的放大等內容需要開發者利用代碼對放大以后的圖片進行再一次的存儲。這個步驟就相當于將原圖的放大參數進行重新拷貝，并對圖片的顏色、種類或者光效等參數進行修改。

三是利用雙線性內插值的算法，將原圖生成的信息作為基礎，通過將圖片進行放大、縮小等操作得到新的像素信息，使得圖片的像素信息更具有雙新線內插值的算法設計思路，并逐一對該雙行線的算法進行分析和研究。

2.2 雙線性插值算法實現

想要充分實現圖像的雙線性內插值的算法，主要通過C++語言和CUDA雙線性插值兩種方式。通過分析或者結合這兩種雙線性內插值的算法的方式，來提取兩種算法之間的不同特點，同時也能夠使兩種算法更能夠適用于CUDA框架編程。雖然就目前的圖像處理方式而言，C++語言編程也能夠處理圖像，完成對圖像的編輯和參數的存儲，但相比較而言，CUDA編程比C++語言更加高效和方便。就本文內容而言，主要是對CUDA框架中的雙線性內插值算法進行研究。因此，在基于CUDA框架對圖像進行處理時，首先要對紋理寄存器進行預留，紋理寄存器是基于CUDA框架中，對圖像處理所需要的主要工作區之一。紋理寄存器主要是一種只讀的存儲器，是由GPU紋理渲染的圖形專用單元發展而來。在計算機硬件中，紋理存儲器的數據是位于顯存中的，在讀取該文件時，可以通過紋理緩存的加速器來進行讀取，不僅能夠充分提高數據的讀取速度，同時還能夠保證數據的安全性。除此之外，目前來說，紋理存儲器中所綁定的數據量是比較大的，同時也支持一維、二維甚至是三維紋理。隨機訪問數據時，紋理存儲器也能夠起到一定的加速效果。

3 結論

綜上所述，本文在基于CUDA框架上，詳細闡述了圖像處理的需求特點和當前計算機對圖像處理的需求。其中主要包括圖像的插值需求和雙線性插值的算法分析。通過對CUDA框架的圖像處理并行算法分析，為未來CUDA架構的高性能計算方法奠定了良好的基礎。

【參考文獻】

【1】岳俊，鄒進貴，何豫航.基于CPU與GPU/CUDA的數字圖像處理程序的性能比較[J].地理空間信息，2012，10（04）：45-47+180.

【2】劉鑫，姜超，馮存永.CUDA和OpenCV圖像并行處理方法研究[J].測繪科學，2012，37（04）：123-125.

【3】許雪貴，張清.基于CUDA的高效并行遙感影像處理[J].地理空間信息，2011，9（06）：47-54+4.