图像细化是一种计算量较大的高度并行化算法，现有的CPU处理技术难以满足其对实时性的要求。在利用图形处1理器GPU对数字图像处理进行加速的研究中，本文对传统的Rosenfeld图像细化算法进行了如下改进：首先对数据结构进行了优化实现了对数据空间的连续访问，以达到对存储空间最优访问；然后利用共享存储器和合并归约对结束标记进行快速统计，以达快速决定是否启动下一轮迭代的目的。本文根据GPU并行计算的原理，进而提出了一种基于传统Rosenfeld算法的高效GPU图像细化算法。对于大幅图像，本文方法可以提供数量巨大的细颗粒度并行计算，利于充分发挥高性能GPU众多物理线程所提供的计算能力。大量的实验结果表明：在保证处理效果的条件下，与单线程的CPU程序相比，本文方法的加速倍数随GPU所提供物理线程数目的增加而线性增加，可以获得多达58倍的加速效果，因此GPU在大幅图像实时处理中有明显的优势。