文献类型：期刊文章

作　　者：肖汉[1,2] 郭宝云[3] 李彩林[3] 肖诗洋[4]

XIAO Han;GUO Baoyun;LI Cailin;XIAO Shiyang(School of Information Science and Technology,Zhengzhou Normal University,Zhengzhou Henan 450044,China;School of Information Engineering,Zhengzhou University,Zhengzhou Henan 450001,China;School of Civil and Architectural Engineering,Shandong University of Technology,Zibo Shandong 255000,China;School of Civil Engineering,Northeast Forestry University,Harbin Heilongjiang 150040,China)

机构地区：[1]郑州师范学院信息科学与技术学院,河南郑州450044 [2]郑州大学信息工程学院,河南郑州450001 [3]山东理工大学建筑工程学院,山东淄博255000 [4]东北林业大学土木工程学院,黑龙江哈尔滨150040

出　　处：《江西师范大学学报（自然科学版）》

基　　金：国家自然科学基金(41701525,41601496);山东省自然科学基金(ZR2017LD002);山东省重点研发计划(2018GGX106002)资助项目.

年　　份：2020

卷　　号：44

期　　号：5

起止页码：462-471

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、IC、JST、MR、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：随着图像数据量的增加,传统单核处理器或多处理器结构的计算方式已无法满足图像灰度化实时处理需求.该文利用图像处理器(GPU)在异构并行计算的优势,提出了基于开放式计算语言(OpenCL)的图像灰度化并行算法.通过分析加权平均图像灰度化数据处理的并行性,对任务进行了层次化分解,设计了2级并行的并行算法并映射到“CPU+GPU”异构计算平台上.实验结果显示:图像灰度化并行算法在OpenCL架构下NVIDIA GPU计算平台上相比串行算法、多核CPU并行算法和CUDA并行算法的性能分别获得了27.04倍、4.96倍和1.21倍的加速比.该文提出的并行优化方法的有效性和性能可移植性得到了验证.

关 键 词：图像灰度化  加权平均 图形处理器 开放式计算语言  并行算法  

分 类 号：TP311]