Los algoritmos de procesamiento de imágenes y visión computarizada requieren una alta capacidad de cálculo. Con la aceleración de CUDA, las aplicaciones pueden alcanzar las frecuencias de cuadro necesarias para la reproducción de vídeo interactivo. Aquí destacamos algunos de los trabajos desarrollados en el área del procesamiento de imágenes e indicamos algunos recursos para desarrolladores.

* Mejora esperada de la velocidad con respecto a un sistema basado en una CPU x64 de cuatro núcleos. Cifra obtenida de las pruebas internas de NVIDIA o de la documentación suministrada por el proveedor de la aplicación.

• Segmentación
• "Cortes con CUDA: cortes de grafos a alta velocidad en la GPU"
• Procesamiento
• Extracción rápida de características invariante a escala mediante hardware de gráficos programable
• Seguimiento rápido de rasgos mediante el método KLT con ganancia adaptativa en la GPU
• Imágenes estereoscópicas
• Profundidad estereoscópica con una GPU de arquitectura unificada
• Aprendizaje automático y procesamiento de datos
• Uso de modelos de aprendizaje no supervisado a gran escala mediante procesadores gráficos
• Algoritmo BP (Belief Propagation) eficiente en la GPU
• Búsquedas con el método k-nn (vecino k más cercano) utilizando la GPU
• Visión computarizada inspirada en la biología

Kernels de software para procesamiento de imágenes y visión en GPUs CUDA

• Segmentación mediante conjuntos de niveles (Level Sets) con CUDA
• Segmentación de vídeo con CUDA
• Implementación de SVM multiclase en CUDA
• Detección de peatones
• Transformada SIFT (Transformada de Características Invariante a Escala)
• Implementación de Marten Bjorkman
• SiftGPU
• Flujo óptico
• Flowlib: flujo óptico denso
• Ecuación de flujo óptico bayesiana
• Librerías y colecciones
• GPU4Vision
• OpenVIDIA: algoritmos de visión computarizada en CUDA incluidos:
• Visión estereoscópica
• Convoluciones, Sobel, RMS, Histogramas, Umbral, etc
• MinGPU: librería mínima para visión computarizada basada en la GPU
• NVPP: primitivas de rendimiento de NVIDIA (acceso anticipado: se centra en el procesamiento de imágenes y vídeo)

• Aceleración de MATLAB y Mathematica en la GPU
• Procesamiento de imágenes médicas con GPUs basadas en CUDA

• Otras soluciones sectoriales basadas en Tesla
• Herramientas y librerías de desarrollo de software CUDA