红细胞的形态可以作为医学上诸多疾病的判断依据,而传统的人工显微镜检测红细胞形态的方法存在视野小、效率低、操作复杂等缺点。数字全息成像技术利用计算机模拟光的衍射过程,实现被测物体的重建与再现,具备视野大、光路简单、成本低廉、成像效率和自动化程度高等优点,在红细胞检测方面有着良好的应用前景。然而数字全息成像技术相关算法的计算量庞大,需要采用异构并行计算系统进行加速以满足实时性。同时,尽管异构并行计算在数字全息成像技术上已有研究,但是存在重建视野不够大、没有对数值再现和自动聚焦整体考虑和普遍采用程序应用范围受限的CUDA作为编程语言等问题。为了解决上述问题,本文提出用异构并行计算对红细胞数字全息图进行卷积聚焦重建加速的方案。通过阐述数字全息卷积聚焦重建算法的原理,并对其进行并行化分析,设计出数字全息卷积聚焦重建算法的异构加速方案,选用开放式、跨平台的Open CL作为异构并行计算的编程语言,通过分析Open CL程序性能的影响因素并结合实际工程需要,在数据传输、内存访问、线程分配、针对非2的整数次幂图像重建、兼容性等方面对数字全息卷积聚焦重建算法异构加速方案进行优化,根据优化后的方案对算法进行并行化编程实现。在并行算法优化实现的基础上,对其进行测试和性能分析,开展了数字全息卷积重建算法GPU优化实现对比测试实验、卷积聚焦重建算法CPU实现与GPU实现对比测试实验以及在不同平台下的对比测试实验。实验结果表明:优化后的数字全息卷积重建算法GPU并行运算效率相较于优化前有1.8倍左右的提升,异构加速实现的算法能够在不同平台下对大尺寸的红细胞数字全息图进行卷积聚焦重建,其运行效率相较于CPU串行执行有较大提升,且随着异构加速平台硬件配置的提高而提升,整体算法运行效率的加速比可达45倍左右,因此可以用异构并行计算对数字全息卷积聚焦重建算法进行加速,提高算法的实时性,为数字全息成像技术实际应用到红细胞检测及其它工程领域中打下基础。