基于CUDA的Scharr算子并行化研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：传统边缘检测算子采用逐行求梯度的方法顺序进行，遇到图像尺寸大或计算速度高效时，较难胜任这类计算密集度高的需求。文章从并行化角度对Scharr算子进行设计，采用CUDA语言对二维数据并行计算上进行算法优化，提出了多线程块偏移计算的设计思路，同时采取流处理的方式缩短传输开销。实验结果表明，与传统Scharr算子相比，在7 000×7 000尺寸图像识别上呈现了高效的识别速度，加速比提高了300倍左右，有较高的应用价值。（剩余5283字）

试读结束

目录
monitor