《表1 线程布局：基于OCT的手指皮下组织的三维可视化》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于OCT的手指皮下组织的三维可视化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

GPU中需要完成的主要有数据截取、插值、减直流、FFT变换、取模和取对数这些计算，将它们改写成Kernel函数，一个Kernel函数对应一个线程网格（Grid），线程网格由大量线程块（Block）组成，线程块由大量线程（Thread）构建。具体的线程布局如表1所示，Grid（x，y，1）用于定义Grid的维度和尺寸，即一个Grid有多少个Block，Block （x，y，z）用于定义Thread的维度和尺寸，即一个Block有多少个Thread。在线程布局时，定义的Grid和Block都是一维的，线程中的线程数量都是一个束（Warp）的整数倍，即32的整数倍，因为GPU的执行是以Warp为单位进行调度，如果Block中的线程数不设为32的整数倍，则最后一个Warp中的部分线程是没有用的。线程布局完成后，每个数据元都有唯一对应线程和线程块索引。其中，FFT运算部分采用CUDA自带的CUFFT库实现，首先用CufftHandle plan定义一个句柄plan，然后利用Cufftplan1d函数创建一个一维快速傅立叶变换句柄，设置好plan后，运行CufftExexcC2C函数，即可在GPU上完成FFT运算，由于plan可以根据输入数据的大小预先配置好内存和计算资源，在运算时处理器可达到最佳性能。具体程序设计如下：1）CPU上读取OCT采集到的原始bin数据到内存；2）利用CUDA中的cudaMalloc函数在GPU上分配显存，由于笔者将300个B-SCAN依次在GPU中并行处理，故分配的显存大小由一个B-SCAN的数据量决定；3）利用CUDA中的cudaMemcpy函数将CPU上准备好的数据拷贝至显存，每次拷贝的数据量大小为一个B-SCAN的数据量；4） CPU上调用Kernel函数，GPU上执行并行计算，完成数据截取、插值、减直流、FFT变换、取模和取对数计算，其中，FFT运算部分采用CUDA自带的CUFFT库来实现；5）利用CUDA中的cudaMemcpy函数将GPU显存中的结果拷贝至CPU，300个B-SCAN的计算结果存储在三维纹理数组中，得到一个体数据，为后文的三维可视化做准备。