基于opencl的prewitt算法的技术探讨

《基于opencl的prewitt算法的技术探讨》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于OpenCL的Prewitt算法的技术探讨0引言边缘检测技术是图像处理和计算机视觉等领域最基本的技术。当前，图像边缘检测技术主要利用以CPU为核心的传统计算资源进行处理，计算量大、能耗高、效率低，不能很好地满足高分辨率图像的快速处理。随着可编程图形处理器技术的快速发展，当前的GPU已经具有很强的并行计算能力，越来越多的算法被成功移植到GPU平台上，并取得了很好的加速效果。然而由于GPU硬件体系结构的差异性，在不同GPU硬件平台间实现算法移植是一件非常困难的工作。目前国内外已有的研究工作一般只针对单一的硬件平台，没有考虑不同硬件平台间的可移植性。近几

2、年来，由多核CPU、GPU或其他类型的处理器组成的异构框架作为一种新的计算机体系架构逐渐成为主流。其中，开放式计算语言（OpenputingLanguage，OpenCL）作为面向异构计算平台的通用编程框架，一方面在实现性能目标的同时降低了能耗，另一方面为实现GPU通用计算程序的跨平台移植提供了解决方案。为此，本文提出了一种基于OpenCL异构框架的Pre）和在OpenCL设备上执行的内核程序（kernel）。OpenCL执行模型主要管理kernel在OpenCL设备上的运行。在主机将内核程序交到设备上执行时，系统便会创建一个N维（可以是一维，二维或者

3、三维）的工作空间（NDRange）。工作空间被划分为多个工作组（，也就是线程）。所有工作节点都将执行相同的内核程序。用全局ID（globalID）表示每个工作节点在相应维度上的索引，用局部ID（localID）表示工作组内部的节点相对该工作组的位置索引。通过一个globalID和一个。如图4是一个二维工作空间NDRang（Gx，Gy）的例子。工作空间的数量为Gx乘以Gy，一个的数量为Sx乘以Sy。2.3内存模型OpenCL的内存模型定义被kernel用到的抽象内存层次，有四种内存类型，包括全局内存（GlobalMemory）、常数内存（Constant

4、Memory）、局部内存（LocalMemory）、私有内存（PrivateMemory）。各种内存之间的数据传输必须是显式进行的。图4二维索引空间全局内存：工作空间内所有的工作节点都可以读/写的该内存区域中一个内存对象的任何元素。常量内存：工作空间内所有的工作节点都可以只读的内存区域。这个内存区域在内核程序的执行过程中保持不变。主机分配并初始化该内存中的存储对象。局部内存：局部从属于一个工作组的内存区域。这个内存区域可以用来分配由该工作组中所有工作节点共享的变量。私有内存：是一个工作节点私有的内存区域。一个工作节点在该内存区域中定义的变量对其他工作节

5、点不可见。2.4编程模型OpenCL的编程模型分为：数据并行编程模型、任务并行编程模型和混合编程模型。数据并行编程模型是在编写OpenCL并行程序时采用的首要模型。数据并行编程模型用一系列操作一个存储对象的多个元素的指令的形式定义了计算。OpenCL实现的是一种松散的数据并行编程模型，它不需要和内存对象元素之间严格的一对一的映射。执行内核程序。3Prep灰度图像数据读入到主机内存中。然后，在显存中申请2块与图像数据相等容量的空间。一块用于存放主机内存中图像数据拷贝，另一外用于存放图像数据的处理的结果，将数据复制到显存上。Step4：设置内核参数。Ste

6、p5：执行内核程序。调用设备端kernel函数，将处理过程交由设备。Ste：6：验证结果。Step7：将控制权交回主机端，把计算结果从显存复制到主机内存中。Step8：释放系统所占资源，并由主机端将经过处理的图像结果显示输出。Step9：输出状态和运行时间。3.2设备端程序使用设备GPU时，Pre，线程数为256。4实验结果与分析4.1实验运行平台硬件平台：CPU采用Intel（R）Xeon（R）CPUE56202.40GHz，4核、8线程。系统内存为12.0GBDDR3。显卡采用AMDRadeonHD6970，GPU为Cayman，显存为2GBGDD

7、R5。软件平台：操作系统为64位Windop灰度图像，使用它们进行PreD大学教程中文版..http：//.opengpu.org.