李杰　劉灝　馬恩財　劉明鋒

摘要：圖形處理器（Graphic Processing Unit），簡稱GPU，是針對多線程程序?qū)ν掏铝窟M行優(yōu)化的處理器，在硬件設計上屬于眾核架構，非常適合于大規(guī)模并行計算任務。JPEG圖像壓縮作為計算密集型的矩陣數(shù)據(jù)運算，用GPU技術對JPEG算法進行實現(xiàn)，能充分發(fā)揮GPU的并行處理能力，極大提高編碼效率。

關鍵詞：GPU；CUDA；JPEG

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044(2014)26-6158-03

1 概述

在計算機系統(tǒng)中，GPU起初用于計算機圖像的加速，為了適應圖形圖像應用中并行度高且計算量大的需要，優(yōu)化硬件架構，相比CPU具有更多的流水線和內(nèi)存吞吐量，使其非常適合于大規(guī)模并行計算[1]。CUDA 是NVIDIA推出的統(tǒng)一計算設備架構，是一種將GPU作為數(shù)據(jù)并行計算設備的軟硬件體系，CUDA采用類C語言編程，掌握并行算法就可以控制GPU進行并行運算開發(fā)[2]。

2 CUDA編程方法

CUDA包含CUDA指令集架構以及GPU內(nèi)部的并行計算引擎，使GPU能夠解決復雜的計算問題[3][4]。GPU相當于擁有成千上百個核的CPU，對于并行計算任務，通過CUDA將相同計算邏輯的任務封裝成kernel，然后控制所有的核同時運行kernel，就能展現(xiàn)GPU的高性能多任務并行處理能力。

4 結束語

本文用1024*1024大小的圖像對程序進行測試。硬件平臺：GPU為NVIDIA GT630；CPU為intel Q9550。軟件平臺：VS2008、CUDA3.2版驅(qū)動和工具開發(fā)包。運算時間測試結果如表1所示。可以看出，JPEG壓縮算法在CPU和GPU兩種不同平臺的實現(xiàn)上速度差別非常明顯，GPU運算占有極大的速度優(yōu)勢；同時由于圖像文件較大，主機和GPU設備的數(shù)據(jù)傳輸占用時間較多，相對拖后了GPU帶來的并行運算速度優(yōu)勢。

在序列圖像持續(xù)產(chǎn)生的環(huán)境中，只要在兩幀圖像的間隔內(nèi)完成數(shù)據(jù)傳輸和壓縮過程，就可顯著降低序列圖像的數(shù)據(jù)流量，當壓縮數(shù)據(jù)流小于硬盤寫入帶寬時，就可實現(xiàn)圖像數(shù)據(jù)流的無失幀寫入硬盤。由此可見，JPEG算法在GPU平臺進行實現(xiàn)，可以應用在高速圖像采集存儲領域。

參考文獻：

[1] 王澤寰.GPU并行計算編程技術介紹[J].科研信息化技術與應用,2013(4):81-87.

[2] 張舒.GPU高性能運算之CUDA[M].北京:中國水利水電出版社,2009.

[3] 桑德斯.GPU高性能編程CUDA實戰(zhàn)[M].北京:機械工業(yè)出版社,2011.

[4] 鄧仰東.NVIDIA CUDA超大規(guī)模并行程序設計訓練課程[Z].清華大學,2008:10-200.

[5] 程思遠.CUDA并行數(shù)據(jù)壓縮技術研究[J].電腦知識與技術,2011(5):1035-1036.

[6] 岡薩雷斯.數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2007.

[7] 吳嘉慧.JPEG圖像解碼方案[J].現(xiàn)代計算機,2007(3):49-53.

[8] 郭靜.基于CUDA的快速圖像壓縮[J].計算機工程與設計,2010(14):3302-3304.