提出了基于CUDA的并行拉普拉斯金字塔算法。算法采用的并行拉普拉斯算法很好地解决了共享存储器的bank冲突和全局存储器的合并访问的问题，为了最大化并行效率，计算了SM占用率，并通过公式进行了论证。在GTX480平台下，基于CUDA的并行拉普拉斯金字塔算法获得了几十倍的加速比。最后，将基于CUDA的并行拉普拉斯金字塔算法成功地应用于图像融合和增强图片的细节处理，充分证明了并行拉普拉斯金字塔算法广泛的有效性和必要性。

在经典的拉普拉斯图像锐化中，所有像素都被一一处理，这导致大量的计算。 在CPU上进行传统的拉普拉斯锐化处理非常耗时，特别是对于那些大图片。 在本文中，我们提出了基于Compute Unified Device Architecture（CUDA）（一种图形处理单元（GPU）的计算平台）的Laplacian锐化的并行实现，并分析了图像尺寸对性能的影响以及处理之间的关系。数据传输时间与并行计算时间之间的时间。 此外，根据不同内存的不同特征，开发了一种改进的方法，该方法利用GPU中的共享内存代替全局内

在经典的拉普拉斯图像锐化中，所有像素都被一一处理，这导致大量的计算。 在CPU上进行传统的拉普拉斯锐化处理非常耗时，特别是对于那些大图片。 在本文中，我们提出了基于Compute Unified Device Architecture（CUDA）（一种图形处理单元（GPU）的计算平台）的Laplacian锐化的并行实现，并分析了图像尺寸对性能的影响以及处理之间的关系。数据传输时间与并行计算时间之间的时间。 此外，根据不同内存的不同特征，开发了一种改进的方法，该方法利用GPU中的共享内存代替全局内