ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

GPU での画像処理

最新の GPU (グラフィックス処理装置) が提供するパフォーマンス上のメリットを利用するために、Image Processing Toolbox™ の一部の関数は GPU での画像処理の実行に対応しています。これにより、複雑な画像処理ワークフローに GPU 高速化を提供できます。これらの手法は、設計要件やパフォーマンス上の目標を達成するために単独または組み合わせて使用できます。

GPU で画像処理コードを実行するには、Parallel Computing Toolbox™ ソフトウェアが必要です。GPU で画像処理演算を実行するには、以下の手順に従います。

  • データを CPU から GPU に移動します。関数 gpuArray を使用して、配列を MATLAB® から GPU に転送します。詳細は、既存のデータからの GPU 配列の作成 (Parallel Computing Toolbox)を参照してください。

  • GPU で画像処理演算を実行します。gpuArray オブジェクトを入力として受け入れるツールボックス関数であれば、任意の関数を GPU で実行できます。たとえば、gpuArray を関数 imfilter に渡して、GPU でフィルター処理演算を実行することができます。GPU 対応のすべてのツールボックス関数の一覧は、サポートされている関数の一覧と、各関数に関する制限および注意事項を参照してください。

  • データを GPU から CPU に戻します。関数 gather を使用して、GPU から配列を取得し、その配列を通常の MATLAB 配列として MATLAB ワークスペースに転送します。

GPU を使用して作業する際には、以下の点に注意してください。

  • パフォーマンスの向上は GPU デバイスに依存します。

  • GPU で返される結果と CPU で返される結果はわずかに異なる場合があります。

カスタム CUDA カーネルを MATLAB に直接統合して複雑なアルゴリズムを高速化する方法については、GPU での CUDA または PTX コードの実行 (Parallel Computing Toolbox)を参照してください。

参考

|

関連する例

詳細