Les algorithmes de traitement d'images présentent des outils nécessaires à de nombreux processus de vision par ordinateur. Ces algorithmes deviennent très consommatrices en temps de calcul lors du traitement de gros volumes d'images. Nous proposons dans ce travail un schéma de développement permettant une exploitation efficace des architectures parallèles (GPU) et hétérogènes (Multi-CPU/Multi-GPU) afin d'accélérer ces algorithmes. Le schéma proposé permet un ordonnancement efficace des tâches hybrides, tout en assurant une meilleure gestion des espaces mémoires hétérogènes. Nous présentons aussi les implémentations parallèles et hybrides de méthodes de détection des coins et de contours. Des résultats expérimentaux utilisant différents ensembles d'images ont montré une accélération allant de 5 à 25 par rapport à une implémentation CPU.