粒子图像测速技术(PIV)是流体力学的重要实验手段。但是目前为止一些对流场的流速的研究还无法完全实现实时测量,尤其是在对流场图像做互相关分析时所做的处理都是在CPU中进行的。特别是图像中的像素点很多的时候,这就需要多线程来处理,而多线程对每个点的操作都是一样的,多线程只是重复了对每个点的运算过程。而且在速度矢量图的绘制方面,GPU更有其优于CPU的优势,GPU的研制初衷就是用于图像的绘制及显示的。调用CPU绘图最终还是要经过GPU显示出来,这就又减慢了整个系统的处理速度。所以在这方面CPU相比于GPU并没有什么优势可言。本文所研究的基于GPU的PIV并行计算技术研究就是通过多线程对图像中的像素点进行运算的。GPU可以同时执行多个线程中的任务,这可以极大地提高整个系统地处理速度,同时结合CUDA和OpenGL进行图形的绘制,也加快了系统的图形绘制及显示速度。本文主要做了基于GPU的PIV技术中的互相关算法的实现以及GPU与OpenGL结合进行的流场显示工作。GPU强大的并行处理能力大大的加快了对图像的互相关算法的运行速度。同时,OpenGL与GPU下的CUDA架构的互操作也加快了所绘制图像的刷新频率和显示速度。本文主要内容是对两帧图像在GPU上进行互相关算法的优化设计,然后结合OpenCL和CUDA技术,绘制出流场的速度矢量图。相比于CPU下的PIV技术的研究,基于GPU的PIV并行计算技术的研究极大地加快了图像处理的速度,并最终得到了流场的速度矢量分布图,取得了良好的实验效果。此方法为进一步完善PIV处理技术提供了一个良好的基础。