图像是各种图像和影音的总称，能为人类展现一个形象的思维模式，有助于信息的获取、传递和表达。在许多场合，视频图像所传递的信息比其他任何形式更加丰富和真切，由此可见，图像信息是非常重要的。随着相关科学技术的迅猛发展，人们对信息量的需求越来越大，人们开始通过各种媒体工具获取视频图像，再通过相关的视频图像处理算法对所获得的视频图像进行处理，从视频图像中抽取某些有用的度量、数据或信息，用于各种自动化的系统。目前，视频图像处理已经成为人们认识世界、改造世界的重要手段。

视频图像处理是通过计算机对视频图像进行分析，通过去噪、增强、复原、分割、特征提取等处理技术与方式以达到所需结果的技术。视频图像处理算法主要有滤波、几何变换、其他变换、直方图、结构分析与形状描述符、运动分析与目标跟踪、特征提取和目标检测八大类。每个类别都广泛应用于安防监控、智能驾驶、航空航天和医学研究等多个领域。(www.daowen.com)

随着科技的迅猛发展，人们对信息的需求日益增加，对信息的实时提取和处理有了更高的要求。然而通过提升CPU时钟频率和内核数量而提高计算能力的传统方式遇到的散热和能耗瓶颈问题，视频图像实时处理面临更大的挑战。高性能计算目前正处于快速发展期，基于CPU-GPU异构系统这样一种新的满足高性能计算的架构应运而生，使得我国在高性能计算领域的研究工作走到了国际发展的前列。与CPU相比，GPU具有更高的计算能力和访存带宽，大规模细粒度并行的特性也可以充分挖掘算法的并行特性，这将极大提升图像处理算法的性能。在协同并行计算时，CPU和GPU应各取所长，快速、高效协同地完成高性能计算任务。除管理GPU计算任务外，CPU也应当承担一部分科学计算任务。本章主要分析矩阵转置算法、规约算法、resize算法、Laplace算法等多个视频图像处理算法当前所面临的性能瓶颈问题，并通过异构计算平台解决性能瓶颈问题，使其具有更高的工业价值。最后，提出解决视频图像处理算法性能瓶颈问题的一般解决方案。