26、体积光线投射算法在不同分辨率下的性能分析

体积光线投射算法在不同分辨率下的性能分析

1. 高分辨率性能结果

在高分辨率体积光线投射实验中，对于每个体积数据集，使用 1280×800 条主光线执行体积光线投射算法以生成高分辨率图像。同时，算法启用了超采样，每个像素的采样光线数量从 1 到 32 条不等。这样，在主光线像素区域周围最多投射 32 条采样光线，从而使生成的图像边缘更平滑。

实验对比了基于 OpenMP 和基于 CUDA 的实现方式，CUDA 实现又分为单 GPU 和双 GPU 配置。由于 MPSoC 存在内存限制，不支持高分辨率体积光线投射处理，因此其结果未包含在相关表格中。

1.1 OpenMP 实现

基于 OpenMP 的实现使用 Core i7 微处理器的 8 个并行线程，因为该处理器最多可执行 8 个并行进程。实验结果表明，即使每个像素仅使用 1 条采样光线，其性能仍不足以确保数据集的交互式可视化。不过，在较低分辨率下，由于处理的主光线数量减少，仍可获得较好的图像质量和交互式可视化效果，这将在后续低分辨率性能结果部分展示。

1.2 GPU 实现

基于 GPU 的实现结果显示，即使在高分辨率体积光线投射中，也可以实现体积数据集的交互式可视化。如图 2a 和 2b 所示，如果每个像素使用最多 4 条采样光线（即总共处理 1280 × 800 × 4 条光线），每个数据集的体积光线投射执行时间仍低于 1 秒。这意味着每秒可以生成多个图像（帧），特别是当每个像素使用少于 4 条采样光线时。

双 GPU 实现比 OpenMP 实现快约 90 倍。对比单 GPU 和双 GPU 的算法执行结果，使用双 GPU 时性能几乎是单 GP