该问题类似于在 M x N 图像上应用滑动 2D 窗口最大滤波器。然而，与正常情况相比，滑动窗口不是简单地滑动超过 1 个像素，而是通过 k 像素跳跃。因此，例如，如果 k = 2，则滑动窗口将水平应用于 (0,0)、(2,0)、(4,0)、... 处的像素，同样垂直应用。
对于 1 跳的情况，CUDA NPP（性能原语）库中已经有一个现有的实现。更具体地说，这些函数被称为nppiFilterMax*。但是，我还没有找到更通用的 k-hop 滑动版本。作为一种解决方法，我可以简单地使用 NPP 函数来执行 1-hop filter max 并简单地在相应的位置选择结果，尽管这看起来既浪费又低效。这个问题是否有任何现有的实现或白皮书？
那些图像卷积函数通常是为hop == 1. 当 时> 1，不同偏移量之间共享的数据较少，因此性能可能会下降。
对于hop > 1，您可能需要编写自己的内核以获得更好的性能。您可以查看此 CUDA 示例“可分离卷积”以获取更多信息。
http://docs.nvidia.com/cuda/cuda-samples/index.html#cuda-separable-convolution
它附带一份讨论细节的白皮书。幸运的是，最大卷积也是可分离的。您将获得一些关于如何在此任务上编写内核的想法
http://docs.nvidia.com/cuda/samples/3_Imaging/convolutionSeparable/doc/convolutionSeparable.pdf