从上一节分析可以看出，数据本地化与向量化对算法的访存优化有很大提升。在blur算法优化中，也采用数据本地化与向量化进行优化。上一节已经做了详尽的阐述，这里不再累赘。

如图6-8（见彩插）所示，在使用向量化后有效带宽为3.1964GB/s。但有效带宽并没有像灰度化算法一样大幅度提升。主要原因有三点：

在滤波算法中，由于计算某点时需要读取相邻点的值，这导致一个warp访存的数据大小不是cache line的整数倍。

由于图像边界的处理，出现条件分支，导致不同的执行路径的指令会被串行化，从而导致性能下降。

由于除数而产生了精度差，为了和OpenCV的blur（）函数的结果完全一致，添加浮点运算以提高精度，同时产生大量浮点运算，从而使性能有所下降，实测下降大约1.1GB/s。

如6.4.3小节所述，可以通过指令？：对条件分支进行替换，可以实现条件分支优化。最终，有效带宽最高达3.3917GB/s，相对于CPU实现了42.0285倍的性能加速比。

(www.daowen.com)

图6-8 blur算法性能图

在6.3节中，提到在Canny算子中，计算梯度幅值算法的本质也是一种滤波算法，即Sobel滤波器，只不过在经过x方向和y方向上的求导（两次滤波）之后做相加运算。那么计算梯度值算法的优化策略与blur算法优化策略一样。优化后，如图6-9所示，有效带宽达到了6.6863GB/s，相对于GPU初始实现了2.0279倍的性能加速比。同样，这里的有效带宽无论是优化前还是优化后都明显高于前面的blur算法。其主要原因有两点：

相对而言，计算梯度值算法的计算量远大于blur算法，这充分利用了GPU适合计算密集型任务的特点。

访存密度同样大于blur算法，向量化与数据本地化对于性能的提升十分明显。因此，可以实现更好的性能。

图6-9 计算梯度算法性能图