随着计算机网络技术和数字电视的快速发展，为了满足高清视频的要求，廉价而方便地实现高清视频的实时编解码，引起了研究者们的广泛关注。基于GPU的通用计算(简称GPGPU)技术的出现，对高清视频的实时编解码提供了一条可能途径。然而，将GPGPU技术应用于视频编解码领域的研究还很少见。统一计算设备架构(简称CUDA)是在GPU上计算的新架构，它不需要映射到图形API便可在GPU上管理和进行并行数据计算。H.264压缩效率比以往的任何标准都提高了至少一倍以上，因此对它的关键技术及其不同硬件环境下的实现进行研究，并根据不同环境特点进行性能优化，具有十分重要的理论与现实意义。 本文利用GPGPU技术加速H.264视频编解码，采用CPU—GPU并行架构，GPU作为CPU的协处理器。在传统H.264编解码架构的基础上，将部分编解码步骤移植到GPU中，以实现CPU—GPU的并行计算。在编码阶段主要包括预处理、运动估计、运动补偿、小波变换、量化和熵编码。预处理是将整个图像划分为4×4大小的宏块。运动估计有两种预测类型：参考预测类型、全局运动模型标志。为了更适合GPU的并行计算，运动补偿采用重叠块运动补偿，采用提升小波变换取代了传统H.264的整数变化。量化采用自定义量化矩阵，由量化偏置矩阵加到缺省无加权量化矩阵产生。熵编码采用二进制算术编码，包括编码变量定义、变量初始化和二进制值的编码，同时编码以后要清空编码器。解码基本上是编码的逆过程，主要包括熵解码、反量化、小波反变换。熵解码仍采用二进制算术编码，但为了避免GPU和CPU频繁交换数据，采用了变量更换和字节对齐操作。小波反变换同样采用提升小波变换返回一个像素矩阵来重建图像，要进行水平和垂直的数据合并与提升滤波器的参数设置。 通过实验的对比和分析得出结论：对于高清晰度视频，基于CPU—GPU架构的并行编解码器，利用GPGPU技术比经过充分优化的基于传统架构的H.264编解码器，具有更高的编解码速度，同时保持了编解码增益。