不包括灰度化和滤波的情况下，如图6-12（见彩插）所示，OpenCV_CPU_Canny耗时412.9375ms，同时Open_CVCUDA_Canny也耗时256.3164ms，而本文所移植与优化后的My_CUDA_Canny仅仅耗时34.7043ms，相对于OpenCV_CPU_Canny实现了11.8987倍的性能加速比。这充分体现了该异构平台GPU的并行计算的优势，尤其是大规模并行处理。然而OpenCV_CUDA_Canny性能较低，其主要原因在于：它选择了texture memory，该内存主要适用于对大量数据的随机访问和非对齐访问。但是global memory性能提升空间相对更大，若合理使用global memory可以实现合并访问，有效提高算法性能，例如6.4.1小节中的cache line机制。

图6-12 CPU与GPU版本Canny算子性能对比图

对于整个Canny边缘检测算法，如图6-13所示，对于整个边缘检测算法，在512×512图像数据规模下实现了13.2倍的性能加速比。在4096×4096图像数据规模下My_CUDA_DetectedEdge仅仅耗时49.9948ms，而OpenCV_CPU_Detected-Edge耗时890.7573ms，My_CUDA_DetectedEdge相对于OpenCV_CPU_Detected-Edge实现了17.8169倍的性能加速比。

图6-13 CPU与GPU版本Canny边缘检测性能对比图(www.daowen.com)

通过在NVIDIA Tegra K1异构计算平台上的移植与精细调优，相对于OpenCV_CPU_Canny实现了13.2～17.8倍的性能加速比，最终实现了高性能的Canny边缘检测算法。512×125数据规模图像的边缘检测效果如图6-14（见彩插）所示。

从整个边缘检测算法的异构计算平台移植与精细调优可以看出，随着图像数据规模增大，性能普遍都有所增加。这符合GPU并行计算的特点。因此，GPU适合大规模数据的并行处理。

图6-14 高性能Canny边缘检测效果图