自动化装备对速度、精度的要求越来越高,这就要求机器视觉部分处理速度尽可能快,单纯利用CPU进行运算很难满足系统对视觉部分的要求。伴随着图形处理器GPU的高速发展,GPU通用计算也开始走向实用阶段。利用GPU的高并行计算能力及其内部高数据带宽,可以帮助CPU从繁重的计算中解脱出来用于其他任务。但GPU作为一种专用硬件,之前对GPU的通用计算开发都是利用图形渲染语言完成,这不仅需要充分了解GPU的硬件结构还需要掌握图形渲染语言,因此利用GPU进行通用计算开发是非常困难的。借助NVIDIA公司发布的CUDA开发框架,GPU的开发难度得到了有效降低。现在可以利用C语言直接对GPU进行编程,而不再需要利用图形渲染语言将算法映射到GPU上。因此,现在利用GPU进行通用计算的问题就集中在需要深入分析GPU的硬件特性,总结出适用于GPU运行的图像处理算法,充分挖掘GPU并行特性在机器视觉图像处理中的应用。本文中我们通过CUDA将一些计算机视觉中常用的算法在GPU上进行了实现,并通过详细测试分析了GPU的特性,对适合GPU运行的算法进行了概括,并通过实验总结了在GPU上优化计算性能的方法。利用获得的上述经验我们成功将GPU应用于工业机器视觉领域,在一些具体的应用中,如圆投影模板匹配,mean shift图像预处理,以及图像卡通化,通过GPU完成应用程序的计算部分,使得运行速度相对CPU提高了几倍到几十倍。这不仅为GPU的应用打下了基础,而且为GPU的后续开发铺平了道路。