在 CPU/GPU 上处理大量数据 [关闭]

Question

好吧，我有一个简单的应用程序：我可以加载一张图片，使用双三次过滤对其进行缩放，并获得它的平均灰度副本。然后可以将它们保存为 .BMP 图像或稍后作为顶点属性处理。

主要问题是我必须处理的数据量，以及对数据数组进行操作的函数的复杂性。

假设我有一张大小为 256*256 的图片。使用双三次插值将其缩放到 2048*2048，需要 152 秒。问题不在于将数据保存到文件中，因为它需要不到一秒钟的时间。插值函数非常复杂，可以快速遍历数据集。 这个数据集不一定是图片。

所以，我想对大量数据进行快速操作，但是在 CPU 上操作非常慢。 （假设我想处理20 000 * 20 000 图片，“简单”双三次插值可能需要几个小时，而且我还没有测试法线贴图生成）。

我在 Google 上搜索过，我发现了 OpenCL（我现在使用的是 OpenGL，但我认为它非常不同）。据我了解，我可以使用它将计算移至 GPU。我还读过 OpenCV 是一个非常快的图像处理库。

停留在 GPU 上，它可以处理顶点、片段，但对于 20k * 20k 图像，没有这样的分辨率。据我所知，大多数 GPU 支持的最大分辨率为 4k*4k，但也许那是错误的。它如何在比最大分辨率更大的集合上工作（也许我的逻辑是错误的，但如果我将计算的数据（使用片段着色器）保存到纹理以在 CPU 上读回它，它就没有任何分辨率）。

GPGPU 是否类似于变换反馈，它是否比 CPU 处理更快（如果是，那么为什么）？ GPU处理对CPU处理有缺点吗？我应该使用 GPU 进行什么样的任务、计算，我的意思是什么时候使用 GPU 比使用 CPU 更快？

编辑：根据我在这篇文章中的最后一个问题，我想到了一个想法：如果我的算法中有很多 if(statement)-s，将其移至 GPU 是否是个好主意？这是一个例子，也许还有更多。我有一张 ATI 卡，我必须为这些过滤编写自己的函数。

Answer 1

如果您必须自己实现它，需要注意的一件事是填充和正确的边界处理。除此之外，它应该是一个相当简单的实现，其中一个线程组可以完成图像的一个图块。

你说你有一个 AMD 设备，所以你想看看AMD's OpenCL introduction。

如果您可以使用库并且您拥有支持 CUDA 的设备，则可以简单地使用 NPP 的 nppiResize 函数。它有两个版本，一个用于一通道和一个用于四通道（如果需要，可以将三通道图像转换为四通道图像）。但是，它仅支持每通道 8 位。你可以在NPP documentation找到它。

声明为：NppStatus nppiResize_8u_C1R (const Npp8u pSrc, NppiSize oSrcSize, int nSrcStep, NppiRect oSrcROI, Npp8u pDst, int nDstStep, NppiSize dstROISize, double xFactor, double yFactor, int eInterpolation)

您可以将eInterpolation 的值设置为NPPI_INTER_CUBIC。其他可能的值在 NppiInterpolationMode 枚举中。