Akcelerace zpracování 3D obrazových dat na GPU

Abstract

p { margin-bottom: 0.21cm; direction: ltr; color: rgb(0, 0, 0); line-height: 150%; }p.western { font-family: "Times New Roman",serif; font-size: 11pt; }p.cjk { font-family: "Times New Roman",serif; font-size: 11pt; }p.ctl { font-family: "Times New Roman",serif; font-size: 12pt; } Cílem této práce je akcelerace výpočtu zvolených 2D a 3D obrazových filtrů pomocí GPU s využitím OpenCL. Konkrétně se zabývá implementací a porovnáním různých variant Sobelova hranového detektoru a Gaussova filtru s využitím globální nebo lokální paměti. Podařilo se dosáhnout zrychlení na 3D variantách filtrů. Na 2D variantách filtrů byla režie pro přenos dat do a z GPU příliš vysoká.

p { margin-bottom: 0.21cm; direction: ltr; color: rgb(0, 0, 0); line-height: 150%; }p.western { font-family: "Times New Roman",serif; font-size: 11pt; }p.cjk { font-family: "Times New Roman",serif; font-size: 11pt; }p.ctl { font-family: "Times New Roman",serif; font-size: 12pt; } The aim of this work is to accelerate the calculation of selected 2D and 3D image filters using GPU using OpenCL. Specifically, it deals with the implementation and comparison of various variants of Sobel's edge detector and Gauss filter using global or local memory. Acceleration has been achieved on 3D filter variants. On 2D filter variants, the overhead for data transfer to and from the GPU was too high.