在 GPU 上计算积分图像真的比在 CPU 上更快吗?

我是GPU计算的新手，所以这可能是一个非常幼稚的问题。
我做了一些查找，似乎在GPU上计算积分图像是一个不错的主意。
然而，当我真正深入研究它时，我想知道它可能不比 CPU 快，尤其是对于大图像。所以我只是想知道你对它的想法，以及GPU是否真的更快一些解释。

因此，假设我们有一个 MxN 图像，积分图像的 CPU 计算大约需要增加 3xMxN，即 O(MxN)。
在 GPU 上，按照"OpenGL 超级圣经"第 6 版提供的代码，它需要一些 KxMxNxlog2(N) + KxMxNxlog2(M) 操作，其中 K 是大量移位、乘法、加法的操作数......
GPU可以并行工作，比如说，一次32个像素，这取决于设备，但它仍然是O(MxNxlog2(M))。
我认为即使在 640x480 的常见分辨率下，CPU 仍然更快。

我错了吗？
[编辑]这是直接来自书中的着色器代码，其思路是使用 2 遍：计算行的积分，然后计算来自传递 1 的结果的列的积分。此着色器代码适用于 1 次传递。

#version 430 core
layout (local_size_x = 1024) in;
shared float shared_data[gl_WorkGroupSize.x * 2];
layout (binding = 0, r32f) readonly uniform image2D input_image;
layout (binding = 1, r32f) writeonly uniform image2D output_image;
void main(void)
{
uint id = gl_LocalInvocationID.x;
uint rd_id;
uint wr_id;
uint mask;
ivec2 P = ivec2(id * 2, gl_WorkGroupID.x);
const uint steps = uint(log2(gl_WorkGroupSize.x)) + 1;
uint step = 0;
shared_data[id * 2] = imageLoad(input_image, P).r;
shared_data[id * 2 + 1] = imageLoad(input_image,
P + ivec2(1, 0)).r;
barrier();
memoryBarrierShared();
for (step = 0; step < steps; step++)
{
mask = (1 << step) - 1;
rd_id = ((id >> step) << (step + 1)) + mask;
wr_id = rd_id + 1 + (id & mask);
shared_data[wr_id] += shared_data[rd_id];
barrier();
memoryBarrierShared();
}
imageStore(output_image, P.yx, vec4(shared_data[id * 2]));
imageStore(output_image, P.yx + ivec2(0, 1),
vec4(shared_data[id * 2 + 1]));
}