近些年来，许多因素导致了计算产业转向了并行化发展的方向。在这过程中，受市场对实时、高清晰3维图形绘制的需求驱使，可编程的图形处理单元（GPU）逐渐发展进化成为了具有强大计算能力、非常高内存带宽的高度并行、多线程的众核处理器。GPU在性能上的飞速发展也使得利用GPU加速通用的计算逐渐成为研究热点。目前，许多行业及其应用领域都已经使用GPU进行并行计算来达到数量级的性能提升从而获得了很大的成功。另一方面，传统的中央处理器（CPU）也已经向着多核并行架构发展，因而也能够提供强大的计算能力来减轻复杂处理中的计算压力。本论文着重解决图像/视频处理领域的两个问题：超分辨重构和立体影像生成中的视图合成。首先，我们致力于去通过研究有效的方法得到高质量的处理结果。然后通过GPU加速的并行计算得到处理速度的提升从而获得实时处理的系统性能。我们还对多核CPU平台下的并行计算进行了研究，优化的实现了我们提出的超分辨算法。本文主要工作集中在以下几个方面：(1)在图像/视频超分辨处理问题中，我们设计了一个简单但有效的可用于图像/视频的GPU超分辨框架和一个可以高度并行化的算法。通过考虑我们方法中存在的计算瓶颈问题，系统被优化的实现以获得实时处理系能。(2)通过将一个完整的超分辨处理分割为许多子块并将每一个子块的超分辨映射到一个处理核心来执行，我们在多核CPU平台上并行的实现了超分辨方法。同时，通过采用有效的去块效应方法，由于分块处理带来的块效应也被消除。(3)在解决立体视图生成问题时，我们提出了一种深度自适应的深度图预处理方法来分辨处理前景和背景的深度值从而合理地减少了几何扭曲以及深度线索丢失等现象。深度自适应的方法也同样被结合到了填洞处理的过程中来提升最终生成视图的质量。另外，通过使用超分辨计算来降低空洞区域填洞后存在的模糊效应可以进一步提升生成视图的质量。(4)通过提高内存访问以及并行执行效率的策略，整个立体视图生成算法优化的在GPU上并行得以实现，达到了实时处理的性能。实验结果说明了我们提出的方法不论是在结果质量还是处理的时间上均优于现有相关方法。本论文所做工作得到国家自然科学基金（No.61271298）的资助。