多媒體數(shù)字圖像智能并行處理方法

摘 要在多媒體數(shù)字圖像的并行處理過程中，針對常規(guī)GPU處理效率和處理質(zhì)量不高的問題，提出了基于CUDA架構(gòu)，結(jié)合改進(jìn)基二快速Hadamard算法實(shí)現(xiàn)的圖像并行處理方法。CUDA架構(gòu)本身就具有較高的處理效率，再在處理算法上通過改進(jìn)基二快速Hadamard進(jìn)行優(yōu)化。通過實(shí)驗(yàn)分析，證明了提出的新型并行處理方法能夠有效提高多媒體數(shù)字圖像的處理質(zhì)量和處理效率。

【關(guān)鍵詞】CUDA Hadamard變換 數(shù)字圖像 并行處理

1 引言

多媒體數(shù)字圖像處理過程存在數(shù)據(jù)量較大，以及數(shù)據(jù)關(guān)聯(lián)度小等問題，為了解決常規(guī)GPU架構(gòu)在圖像處理時(shí)的缺點(diǎn)，采用CUDA架構(gòu)。該架構(gòu)能夠處理大規(guī)模圖像，并且具有并行處理高的優(yōu)點(diǎn)。由于圖像的數(shù)據(jù)量越來越大，傳統(tǒng)的處理算法也無法滿足需要，也導(dǎo)致了并行處理質(zhì)量和速度問題的出現(xiàn)，因此本文采用了改進(jìn)基二快速Hadamard并行算法，針對像素級(jí)進(jìn)行處理，實(shí)現(xiàn)了在架構(gòu)和算法上的并行圖像處理，并且提高了圖像的處理質(zhì)量和效率。

2 基于CUDA架構(gòu)的改進(jìn)基二快速Hadamard算法

2.1 CUDA架構(gòu)

CUDA是在常規(guī)架構(gòu)上進(jìn)行了性能改進(jìn)，使得該架構(gòu)提高了著色器資源的利用程度，并且實(shí)現(xiàn)了寫入操作與線程的通信機(jī)制。在基于CUDA架構(gòu)圖像處理時(shí)，首先將劃分出來的并行任務(wù)分配給GPU，然后由CUDA并行函數(shù)對各個(gè)任務(wù)進(jìn)行處理，因此對于大規(guī)模圖像數(shù)據(jù)的處理，該架構(gòu)具有明顯優(yōu)勢。

2.2 改進(jìn)基二快速Hadamard并行算法

在像素級(jí)圖像處理過程中，Hadamard算法的處理時(shí)間隨著圖像大小的增加呈現(xiàn)對數(shù)性增長，為了解決該問題，提出了改進(jìn)基二快速Hadamard并行算法。

假定將需要處理的圖像定義為任務(wù)X，即X=Wx，對其進(jìn)行分解，劃分為s個(gè)子任務(wù)，于是可以得到：

對于s個(gè)任務(wù)，當(dāng)處理任何一個(gè)所需的時(shí)間都在1/s左右，同時(shí)并行處理的時(shí)間又相當(dāng)短，相對任務(wù)處理時(shí)間可以忽略時(shí)，分解認(rèn)為是合理的。于是設(shè)計(jì)改進(jìn)基二快速Hadamard并行子任務(wù)算法具體步驟為：

（1）分解任務(wù)，確定輸入向量、任務(wù)量，以及支撐計(jì)算信息，計(jì)算的步驟數(shù)等；

（2）初始化臨時(shí)變量；

（3）循環(huán)采取蝶形計(jì)算；

（4）擴(kuò)散操作；

（5）計(jì)算得到向量2-k/2q，至此得到最終結(jié)果。

蝴蝶計(jì)算過程中，當(dāng)循環(huán)了k-p次，可以計(jì)算得到，作為中間結(jié)果，可以把他直接當(dāng)做子任務(wù)xi的結(jié)果X（i），然后通過元素符號(hào)的變換調(diào)節(jié)得到如下結(jié)果：

公式中a代表了X（i）下標(biāo)，f代表xi的起始下標(biāo)。要保證利用公式（2）得出的結(jié)果和X（i）=Wxi得出的結(jié)果相同，需要對sgn（a，f）進(jìn)行有效設(shè)計(jì)。通過前面的計(jì)算，得到的中間結(jié)果為：

式中b=f，f+1，f+2k-p-1，此時(shí)，又有

，它代表了最終結(jié)果中a所對應(yīng)的X。Xa中也存在xf分量，并且其符號(hào)和W中的相同，于是可以得到調(diào)整函數(shù)：

公式中a、f均為二進(jìn)制表示，g（a）用于得到格雷碼，同時(shí)輸出向量，r（·）則是將g（a）得到的結(jié)果做逆序處理。最后利用X（i）求累加和得出最終結(jié)果：

根據(jù)前面的分析過程，可以看出需要花費(fèi)時(shí)間的計(jì)算主要集中在擴(kuò)散操作與公式（5）中，但是整體算法減少了循環(huán)次數(shù)，從而避免了算法的時(shí)間開銷。

3 實(shí)驗(yàn)數(shù)據(jù)與結(jié)果分析

為了驗(yàn)證基于CUDA架構(gòu)的改進(jìn)基二快速Hadamard并行算法在多媒體數(shù)字圖像處理中的有效性，通過實(shí)驗(yàn)對比進(jìn)行驗(yàn)證。采用OpenCV對預(yù)處理圖像進(jìn)行加載、獲取、顯示等相關(guān)操作。實(shí)驗(yàn)過程中，首先針對三種像素大小的數(shù)字圖像，通過與CUDA架構(gòu)下的常規(guī)二值化圖像處理方法進(jìn)行對比，表1為兩種處理方法的時(shí)間開銷對比數(shù)據(jù)。

通過表1的對比數(shù)據(jù)，可以得到本文提出的方法能夠明顯提高圖像并行處理速度，隨著圖像大小的增加，處理優(yōu)勢更加明顯。

圖1顯示為CUDA架構(gòu)下通過兩種方法處理得到的主觀圖像。通過對比可以看出，本文提出的并行處理方法在圖像細(xì)節(jié)上更加清晰，處理質(zhì)量更高。

4 結(jié)語

為了有效解決多媒體數(shù)字圖像傳統(tǒng)并行處理方法存在的效率低下、質(zhì)量不接的問題，本文提出了在CUDA架構(gòu)基礎(chǔ)上，采用改進(jìn)基二快速Hadamard算法實(shí)現(xiàn)的圖像并行處理方法進(jìn)一步提高處理質(zhì)量和處理速度。經(jīng)過實(shí)驗(yàn)對比，從數(shù)據(jù)和主觀圖像對比上，驗(yàn)證了本文提出的方法不僅明顯提高了圖像處理速度，并且圖像處理質(zhì)量得到了明顯提高。

參考文獻(xiàn)

[1]蓋素麗.基于GPU的數(shù)字圖像并行處理研究[J].計(jì)算機(jī)技術(shù)理論，2009.

[2]王成良，謝客家，劉昕.多核圖像處理并行設(shè)計(jì)范式的研究與應(yīng)用[J].計(jì)算機(jī)工程，2011，37（14）：221-225.

[3]黃文慧.圖像處理并行編程方法的研究與應(yīng)用[D].廣州： 華南理工大學(xué)軟件學(xué)院，2012.

[4]孟強(qiáng)強(qiáng)，楊桄，童濤，等.基于小波變換的多聚焦圖像融合算法[J].國土資源遙感，2014，26（02）：38-42.

[5]嚴(yán)秋鋒，王紅茹，季鳴.基于顏色均衡和橢圓模型的手勢圖像分割[J].計(jì)算機(jī)仿真，2015，32（04）：172-175.

作者簡介

董薇（1981-），女，江蘇省揚(yáng)州市人。博士研究生。實(shí)驗(yàn)員。主要研究方向?yàn)橛?jì)算機(jī)模型。

作者單位

南京林業(yè)大學(xué) 江蘇省南京市 210037