随着近年来半导体技术的快速发展,图形处理器计算速度和功能得到了极大的增强。由于通用GPU计算具有高度并行的特点,在处理矢量数据时拥有普通CPU串行计算所不具有的优势,因此受到了越来越广泛的关注,人们逐渐将目光投向把GPU应用到各行各业的大数据量计算中。快速傅里叶变换,离散余弦变换,小波变换等算法是数字图像处理领域中非常常见的算法,在众多行业和领域中得到非常广泛的应用,随着科学技术的飞速发展,人们对其运算速度的要求也越来越高,因此对这些算法进行GPU加速具有重要的工程实践意义。本文基于符合OpenGL Shader4.0规范的着色语言,通过对GPU统一着色单元的编程,将快速傅里叶变换,离散余弦变换,小波变换等数字图像处理上的经典算法移植到GPU上进行并行实现以提高其运算速度,主要工作如下：首先,介绍了图形处理器的结构特征以及GPU通用计算的国内外发展现状和GPU的发展历程。其次,介绍了OpenGL以及OpenGL着色语言,分析了GPU实现算法的基本原理及流程,通过对OpenGL和OpenGL着色语言功能和用法的详细介绍,探讨了快速傅里叶变换,离散余弦变换,小波变换等算法在GPU上实现的可行性。然后,将数字图像处理中的算法,如快速傅里叶变换,离散余弦变换,小波变换等,从CPU中移植到GPU中加以实现,并与CPU中的计算结果和计算时间进行比较。通过对实验结果的分析,得出GPU和CPU中实现数字图像处理算法的优缺点。最后,对本文内容进行总结并且对GPU通用计算的发展前景加以展望。