视频作为一种能够直观、高效表达信息的方式在当今社会被广泛使用。由于视频源数据量庞大,所以实际应用时必须对其进行压缩处理。H.264作为新一代视频压缩编码标准具有突出的压缩性能和图像恢复质量,但是其算法复杂度较高,导致编码速度较慢。近年来,在由CPU和GPU组成的异构计算平台中,专门用来渲染图像的GPU被用来完成通用计算。2008年OpenCL编程模型的问世,使人们开发出的应用可以广泛地运行在各种异构平台上。所以,使用GPU对H.264标准中计算复杂度较高的模块进行并行计算,编码速度将会有所提高。本文针对H.264标准中的帧内预测环节,设计了基于OpenCL的帧内预测全对角并行算法。在此基础上又设计了基于门限的亮度分量快速模式选择算法,很大程度上减少了模式选择部分的计算量。针对H.264标准中主要档次和扩展档次的B帧双向运动搜索环节,充分利用OpenCL编程模型中不同wave间可并行的特点,设计了B帧双向运动搜索的梯状并行算法。针对环路滤波环节,在不改变H.264标准原始滤波算法的基础上设计了充分利用OpenCL编程特性的两种并行算法。本文采用高清视频序列数据进行了大量的并行编码实验,结果表明,本文设计的基于OpenCL的1帧和B帧的并行算法在保证图像恢复质量和压缩性能的条件下,相对于CPU串行算法,有效地减少了编码时间。本文设计的两种基于OpenCL的环路滤波并行算法,在与CPU串行算法性能完全一致的情况下,计算耗时明显降低。