Чтобы использовать в своих интересах выигрыши в производительности, предлагаемые современным графическим процессором (GPU), определенным функциям Image Processing Toolbox™ позволили выполнить операции обработки изображений на графическом процессоре. Это может обеспечить ускорение графического процессора для сложных рабочих процессов обработки изображений. Эти методы могут быть реализованы исключительно или в комбинации, чтобы удовлетворить цели производительности и конструктивные требования.
Чтобы запустить код обработки изображений по графическому процессору (GPU), у вас должно быть программное обеспечение Parallel Computing Toolbox™. Чтобы выполнить операцию обработки изображений на графическом процессоре, выполните эти шаги:
Переместите данные с центрального процессора на графический процессор. Используйте функцию gpuArray, чтобы передать массив с MATLAB® на графический процессор. Для получения дополнительной информации смотрите, Создают Массивы графического процессора из Существующих Данных (Parallel Computing Toolbox).
Выполните операцию обработки изображений на графическом процессоре. Любая функция тулбокса, которая принимает объект gpuArray как вход, может работать над графическим процессором. Например, можно передать gpuArray функции imfilter, чтобы выполнить операцию фильтрации на графическом процессоре. Для списка всех функций тулбокса, которые были поддерживающими графический процессор, см. Список Поддерживаемых Функций с Ограничениями и Другими Примечаниями.
Положите обратно данные на центральный процессор от графического процессора. Используйте функцию gather, чтобы получить массив из графического процессора и передать массив рабочему пространству MATLAB как регулярный массив MATLAB.
При работе с графическим процессором отметьте следующее:
Повышения производительности могут зависеть от устройства графического процессора.
Могут быть небольшие различия в результатах, возвращенных на графическом процессоре в возвращенных на центральном процессоре.
Чтобы узнать об интеграции пользовательских ядер CUDA непосредственно в MATLAB, чтобы ускорить комплексные алгоритмы, смотрите Выполнение CUDA или Код PTX по графическому процессору (Parallel Computing Toolbox).