(CloseTotheMetal)两种编程环境，能对GPU进行编程扩展功能。科学技术在不断发展，不断增强的GPU可编程性，在CUDA等编程环境的出现

之后，大大降低了GPU通用计算编程的复杂度。GPU在可编程性、功能、性能等方面不断提升和完善，逐步成为一种可编程并且具有并行处理计算的新型设备。

现在常见的两种GPU结构是：第一种是基于流处理器阵列的主流GPU结构，这种结构以NVIDIA的GeForce8800GTX和ATI的HD2900为代表，GeForce8800GTX包含了128个流处理器，HD2900包含了320个流处理器。这些流处理器都能支持浮点运算、分支处理、流水线、SIMD（SingleInstructionMultipleData，单指令多数据流）等多种技术。第二种是基于通用计算核心的GPU结构，IntelLarrabee核心是一组基于x86指令集的CPU核,CPU核拓展了x86指令集，并包含大量向量处理操作和若干专门的标量指令，同时还支持子例程和缺页中断[6]。第一种结构具有更高的综合计算性能，第二种具有强大的可编程特性。论文网

3GPU在体绘制技术中的应用

当前，研究者们开始在体绘制技术上使用GPU通用计算架构，如秦续佳[2]等人提出了一种GPU加速的台风可视化方法，通过设计基于球体数据的顶点着色和像素着色程序，把GPU的通用计算用在体绘制上，实现了台风的可视化；随着英伟达公司CUDA(通用并行计算平台)的出现，可进行通用计算，美国的哈佛、麻省理工都设有CUDA实验室，开始研究CUDA技术。CUDA为软件编程和硬件处理提供了一个

通用计算的平台。刘磊[7]等人对图形处理器通用的编程技术CUDA进行了深入研究，利用CUDA在计算机上实现医学图像的体绘制；徐赛花[8]等人利用CUDA编程实现了光线投射算法和足迹法，在绘制速率和成像质量方面都有很大提高，可见CUDA编程技术在体绘制中有重要的应用。

GPU编程在体绘制技术中的应用成为当下研究热点，基于CUDA的算法比其他纯软的算法绘制速度快，图像质量高。