OpenCL应用与双线性插值

本文对比分析了CPU与GPU上使用OpenCL实现双线性插值的方法。实验显示,利用OpenCL在GPU上执行图像处理算法的效率是CPU的8到9倍,尤其适合处理大量重复任务,展现出GPU并行计算的强大潜力。
摘要由CSDN通过智能技术生成

一.  CPU实现和GPU实现

本实验基于的测试图像是8000*1000大小的8位灰度钢板图像,缩小倍数为0.5。

CPU上算法实现的核心代码

void func(BYTE*src, int width, int height, int pitchSrc, BYTE *dst, int t_width, int t_height, int pitchDes)
{
       float fw = float(width)/ (t_width);
       float fh = float(height)/ (t_height);
       float x0, y0;
       int y1, y2, x1, x2, x, y;
       float fx1, fx2, fy1, fy2;
       float s1,s2,s3,s4;
       BYTEtemp,p11,p12,p21,p22;
       BYTE *p1=dst;
 
       for(y=0; y<t_height; y++)
       {
              y0 =y*fh;
              y1 = int(y0);
              if(y1 == height-1)   y2 = y1;
              else y2 = y1 + 1;
              fy1 =y1-y0;
              fy2 =1.0f - fy1;
              for(x=0; x<t_width; x++)
              {
                     x0= x*fw;
                     x1= int(x0);
         
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值