我正在从事一个处理大型图像处理（每张图像50Mo）的工业项目，关键是性能。
我选择在JavaCL的帮助下将图像处理委托给GPU。我写了一些测试来确定这种方法是否正确。结果很清楚！
超过100次图像着色GPU运行获胜：GPU=172毫秒，而CPU=438毫秒
目前，很明显，对于这种计算，GPU比CPU更强大，但是！有一个问题，一个记忆的问题。事实上，我的显卡有256Mo的VRam，不能分配大于8Mo的图像！
所以，我的问题是，处理大于8Mo的图像的最佳方式是什么？
- 平铺图像并处理每个平铺？将成为性能杀手由于RAM和VRAM之间的延迟
- 提取原始像素作为float4矢量并将其发送到GPU
- 换我的显卡
- 放弃这个项目
- 多喝咖啡
感谢所有提前：-）
我不熟悉JavaCL绑定，但在OpenCL中，有图像，然后有缓冲区。
可以分配尽可能大的缓冲区，但使用clCreateImage2D创建的cl_mem（cl_DEVICE_IMAGE2D_MAX_WIDTH和cl_DEVICE_IMAGE2D.MAX_HEIGHT）的大小有限制。与原始缓冲区相比，图像具有一些优势，比如提供硬件加速采样。如果您不需要采样，或者可以在内核中实现自己的采样，那么可以使用缓冲区。否则，您将不得不平铺输入图像，并解决平铺处理将引入的任何过滤伪影。
希望这能有所帮助！
如果您对语言的选择持开放态度，那么我建议您使用CUVI(http://cuvilib.com)。它提供了现成的易于使用的成像功能。很多颜色运算，滤镜，边缘检测器，算术运算等等。它是用C语言编写的，有一个非常整洁的C++模块化接口。
是的，你也可以分配大图像！
我可以帮助你（或任何其他感兴趣的人）开始使用CUVI。在线wiki(http://wiki.cuvilib.com)是开始的正确地方。
披露：我是CUVI开发团队的一员。此外，CUVI是一个商业软件