科技发展日新月异，越来越多的科学问题涉及到大量数据的处理，对这些数据的处理速度直接影响到科学问题的求解进程。甚至有些科学问题必须要有足够快的数据处理速度才能真实反映出问题的实质，如核爆炸模拟。尽管目前单核心处理技术发展非常迅速，可还是无法满足这些科学问题的速度要求。并行计算技术的出现很好地解决了上述问题，目前的超算平台已经达到了每秒亿亿次的处理能力，而且还在继续取得突破。　　 本文简要介绍了传统基于集群或多核心CPU的并行计算技术，对目前新发展起来的基于GPU流处理器SP(Stream Processor)的CUDA通用并行计算架构技术及其在数字图像处理中的应用进行了深入研究。CUDA架构技术能使GPU的超高计算性能在数据处理和科学计算等通用计算领域发挥其并行处理优势，也是真正意义上的并行计算在桌面级平台的首次应用。研究CUDA架构技术在桌面级平台的应用，能大幅度提高这些应用的执行效率，获得满意的加速效果。数字图像有着矩阵形式的数据逻辑结构，分析数字图像的处理算法，发现在数据处理过程中存在大量的数据并行性。这些特性完全适合采用基于CUDA架构的并行计算技术在GPU上进行处理。　　 本文通过研究数字图像处理中用于边缘检测的Prewitt算子的CUDA并行算法和其各种优化策略版本，体现如何应用CUDA架构基础技术，深刻了解CUDA程序的各种优化措施，使CUDA程序在现有的硬件条件下获得最大的加速效果。　　 车牌识别在现在自动化智能交通管理中发挥着重要作用。车牌识别的实质就是对获取的含有车牌的数字图像进行一系列处理，最终识别出车牌号码。通过研究在车牌识别系统中应用CUDA技术的各种实验数据表明，该并行计算技术能有效提高车牌识别算法性能，较大幅度减少识别时间。也充分体现了基于流处理器的并行计算在数字图像处理中有着良好应用前景。