好吧，我有一个简单的应用程序：我可以加载图片，使用双三次过滤进行缩放，并获得它的平均灰度副本。它们可以保存为.BMP图像，或者稍后作为顶点属性处理。
主要问题是我必须处理的数据量，以及在数据阵列上运行的函数的复杂性。
假设我有一张尺寸为256 * 256的照片。要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，因为它只需不到一秒钟。插值函数非常复杂，可快速运行数据集。 这个数据集不一定是图片。
所以，我想快速操作大量数据，但在CPU上执行非常慢。 （说我想处理20 000 * 20 000图片，'简单'双三次插值可能需要几个小时，而我还没有测试过正常的地图生成。）
我用谷歌搜索了，我发现了OpenCL（我现在正在使用OpenGL，但我认为它非常不同）。据我了解，我可以将计算结果移动到GPU 。我也读过OpenCV是一个非常快速的图像处理库。
保持GPU，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4k*4k的最大分辨率，但也许这是错误的。它如何在比最大分辨率更大的集合上工作（可能我的逻辑是错误的，但如果我将计算的数据（带片段着色器）保存到纹理以在CPU上读回它，它就不能有任何分辨率。）< / p>
GPGPU是否与转换反馈类似，是否比CPU处理更快（如果是这样，为什么）？ GPU处理有GPU处理缺点吗？什么样的任务，计算我应该使用GPU，我的意思是什么时候使用GPU比使用GPU更快？
编辑：根据我在本文中的最后一个问题，我想到了一个想法：如果我的算法中有很多if(statement) - s，那么将它移到GPU？这是一个例子，也许还有更多。我有一张ATI卡，我必须为这些过滤器编写自己的功能。
答案 0 :(得分：1)
如果你必须自己实施，有一点需要注意的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执行图像的一个区块。
你说你有一台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，则可以使用NPP的nppiResize功能。它有两个版本，一个用于一个通道，一个用于四个通道（如果需要，可以将三个通道转换为四个通道图像的功能）。但是，它每个通道仅支持8位。您可以在NPP documentation。
声明是：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。其他可能的值位于NppiInterpolationMode枚举。