[发明专利]一种CPU/GPU异构环境的图像协同处理程序获取方法及系统

说明书

技术领域

本发明属于计算机技术领域，尤其涉及一种CPU/GPU异构环境的图像协同处理程序获取方法及系统。

背景技术

随着摩尔定律的不断发展，图像处理单元(Graphics Processing Unit，缩写为GPU)中集成的晶体管数目已经超过了中央处理单元(Central Processing Unit，缩写为CPU)中集成的晶体管数目，GPU的通用计算能力正在不断发展，其并行计算能力也正在不断被挖掘和应用。目前，包括多个内核(例如，多个CPU、GPU)的异构多核处理器被广泛地应用在现代计算机系统中，由于这些系统中的GPU具有高效的并行计算能力，使得高速内存带宽和并行编程模型可被广泛地应用于计算密集型程序。现在无论在个人电脑，还是超级计算机或者GPU集群中，GPU都作为主要的加速器件负责计算任务，利用GPU加速计算任务成为主流，现在越来越多的高性能计算机采用由CPU与GPU组成的异构系统作为其主要的计算单元。而随着图像获取的技术不断提高，使得图像的分辨率和图像的质量不断提高，导致现有的在CPU平台上的处理图像工具已经无法满足图像处理的需求，容易造成图像数据的堆积，无法实时处理图像，影响图像处理的效率，使整个图像处理的时间增加。因此如何快速有效的处理图像成为了一个急需解决的问题。

由于GPU专用于图像处理，近年来不少专家学者成功地将GPU的并行计算能力应用于图像处理中，并取得不错的加速效果。例如，将GPU应用于图像匹配技术中，加速图像匹配的速度，以减少匹配的时间，将GPU应用于图像边缘检测中，以在加快图像边缘检测的速度的同时保留图像的重要结构属性。然而，在这些特定的应用中，利用GPU进行计算的算法只是一些特定的算法，并没有形成通用的移植模型，难以推广到其它数字图像处理算法，难以有效提高图像处理的效率。

发明内容

本发明的目的在于提供一种CPU/GPU异构环境的图像协同处理程序获取方法及系统，旨在解决由于现有技术无法提供一种有效的图像处理程序转化方法，导致利用图像处理算法的程序通用性差、运行时并行性差的问题。

一方面，本发明提供了一种CPU/GPU异构环境的图像协同处理程序获取方法，所述方法包括下述步骤：

接收用户输入的数字图像处理算法；

对所述数字图像处理算法进行解析，以获取所述数字图像处理算法中用于图像分块处理的可并行运行步骤；

根据预设的CPU和GPU上图像分块分配方式，将所述可并行运行步骤映射为CPU和GPU上可并行运行的计算机程序代码段；

根据所述计算机程序代码段获取利用所述数字图像处理算法的图像协同处理程序。

另一方面，本发明提供了一种CPU/GPU异构环境的图像协同处理程序获取系统，所述系统包括：

算法接收单元，用于接收用户输入的数字图像处理算法；

算法解析单元，用于对所述数字图像处理算法进行解析，以获取所述数字图像处理算法中用于图像分块处理的可并行运行步骤；

步骤映射单元，用于根据预设的CPU和GPU上图像分块分配方式，将所述可并行运行步骤映射为CPU和GPU上可并行运行的计算机程序代码段；以及

第一程序获取单元，用于根据所述计算机程序代码段获取利用所述数字图像处理算法的图像协同处理程序。

本发明在接收用户输入的数字图像处理算法后，对数字图像处理算法进行解析，以获取数字图像处理算法中用于图像分块处理的可并行运行步骤，根据预设的CPU和GPU上图像分块分配方式，将可并行运行步骤映射为CPU和GPU上可并行运行的计算机程序代码段，根据计算机程序代码段获取利用数字图像处理算法的图像协同处理程序，从而实现数字图像处理算法到图像协同处理程序的转化，提高了利用图像处理算法的程序的通用性以及程序运行时的并行性。

附图说明

图1是本发明实施例一提供的CPU/GPU异构环境的图像协同处理程序获取方法的实现流程图；

图2是本发明实施例二提供的CPU/GPU异构环境的图像协同处理程序获取方法的实现流程图；

图3是本发明实施例三提供的CPU/GPU异构环境的图像协同处理程序获取系统的结构示意图；以及

图4是本发明实施例四提供的CPU/GPU异构环境的图像协同处理程序获取系统的结构示意图。

具体实施方式