劉小豫 聶維 魏浩

摘 ?要：隨著計算機技術(shù)的更新發(fā)展，人們需要處理各式各樣復(fù)雜的圖像，而圖像處理的方式方法也表現(xiàn)出多元化特性，對此，該文基于GPU并行處理能力，提出了一種更加高效、快捷的圖像處理方法，通過C++語言進(jìn)行圖像計算，主要從高斯模糊算法并行化、彩色負(fù)片處理算法并行化、透明合并處理算法并行化3個方面做了全面分析，從而證明GPU視角下的圖像處理并行算法更具優(yōu)勢，值得大力推廣與應(yīng)用。

關(guān)鍵詞：GPU ?圖像處理 ?并行算法

中圖分類號：TP391 ? 文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ?文章編號：1672-3791（2019）06（c）-0033-02

1 ?GPU圖像處理技術(shù)分析

1.1 GPU

通過計算機CPU充分發(fā)揮其強有力的運算能力，根據(jù)程序設(shè)計算法，便能夠?qū)崿F(xiàn)數(shù)字圖像模糊、合并等相關(guān)處理，把原始圖像轉(zhuǎn)變?yōu)樗鑸D像。而用戶對于應(yīng)用系統(tǒng)圖像處理質(zhì)量的要求不斷提高，雖然CPU速度通過摩爾定律周期逐漸提升，但是就越來越復(fù)雜的圖像處理算法和越來越高的質(zhì)量要求，CPU的能力依舊顯得相對不足。而GPU實際上就是圖形處理器，是專門進(jìn)行圖像處理的設(shè)施設(shè)備。在計算機技術(shù)發(fā)展的初期階段，因為圖形處理與運算比較簡單，再加上質(zhì)量要求相對偏低，所以，只利用CPU進(jìn)行圖像處理便能夠滿足圖形處理需求。但是，在圖形處理質(zhì)量與速度要求越來越高的趨勢下，衍生了GPU。對比來講，CPU功能比較全面化，能夠更好地完成各種圖像的處理與控制請求，但是GPU卻能夠集中運算處理海量數(shù)據(jù)信息，效率較高，在緩存與控制邏輯上也具備突出性優(yōu)勢。GPU初始設(shè)計目標(biāo)主要針對的是海量數(shù)據(jù)處理，其硬件結(jié)構(gòu)特性直接明確了其具備高效的運算處理能力。

1.2 CUDA

GPU的作用主要是編輯并處理圖像，但是在計算機的各個應(yīng)用領(lǐng)域，GPU依舊無法充分發(fā)揮功能、作用，這主要是因為API編程十分繁雜，再加上GPU內(nèi)存量比較小，無法支持比較大的程序規(guī)模，而且GPU編程缺乏較好的靈活性，導(dǎo)致GPU難以將自身優(yōu)勢、作用充分發(fā)揮出來。為了有效解決這些問題，NVIDIA構(gòu)建了一種運算平臺，即CUDA，其可以并行計算框架，促使GPU解決復(fù)雜性問題，現(xiàn)階段CUDA可以支持C++語言穩(wěn)定運行，這就代表GPU可以發(fā)揮更加重要的作用。

1.3 數(shù)字圖像處理

數(shù)字圖像處理是基于計算機，在存儲介質(zhì)上，就存儲二級制數(shù)據(jù)圖像做變形運算與處理，可改觀圖像視覺效果，還可以從中獲取更具實用價值的信息。數(shù)字圖像處理算法的關(guān)鍵在于轉(zhuǎn)換信號，把圖像信號轉(zhuǎn)換為數(shù)字信號，以便于通過計算機做后續(xù)處理。

2 ?GPU視角下的圖像處理并行算法

2.1 高斯模糊算法并行化

所謂高斯模糊實際上也是高斯平滑，在圖像處理軟件中的應(yīng)用非常廣泛，其能夠有效減少圖像噪聲，并降低細(xì)節(jié)部分的層次，高斯模糊中的模糊能夠被看作是周邊像素平均值。但是此算法并行化在串聯(lián)程序結(jié)構(gòu)中根本不能靈活轉(zhuǎn)換，為了最大化地有效利用GPU硬件多線程資料，必須嚴(yán)格遵循CUDA多線程框架處理理念重構(gòu)程序。在通過GPU進(jìn)行圖像高斯模糊變化時，重要基礎(chǔ)是水平方向與垂直方向的一維高斯矩陣變換之間沒有相關(guān)性，也就是可以分開處理，針對具體一個方向進(jìn)行處理，各像素的處理彼此不相關(guān)聯(lián)，根據(jù)此特性，能夠利用GPU多線程并行把像素處理任務(wù)劃分為不同模塊，并利用GPU線程加以計算。以CUDA為基礎(chǔ)的高斯模糊處理，需要先讀入待處理原始圖形，再把圖像像素基于水平與垂直方向分塊，促使GPU線程塊分開處理模塊，在處理后，合并處理后結(jié)構(gòu)，以此達(dá)到所需原始圖像的高斯模糊效果。在此過程中，需就實際需要，提供相應(yīng)函數(shù)，促使GPU線程塊針對不同數(shù)據(jù)做相應(yīng)處理，這就是高斯模糊算法基于CUDA的圖像處理。

2.2 彩色負(fù)片處理算法并行化

彩色負(fù)片處理過程非常消耗時間，這是由于其要求對整個圖像的各個像素點加以處理。就數(shù)字計算角度來看，負(fù)片處理比較簡單，流程為先讀入圖像，即Bitmap格式圖像，將其置入內(nèi)存，遍布全部像素點，獲取r、g、b值，并通過255減去這些值，把最后所得值生成全新負(fù)片圖像。通過負(fù)片算法流程能夠看出，其對各像素處理是彼此獨立的，即針對某像素進(jìn)行處理的時候，和其他像素值之間并不存在關(guān)系。負(fù)片算法此特點使得其十分適合基于GPU多線程并行處理的優(yōu)勢特性，把整體圖像劃分成許多小圖像，對小圖像分別做好處理，并把最后所獲得的小圖像處理結(jié)果合并成大圖像。在針對圖像像素數(shù)據(jù)做并行運算處理的重要基礎(chǔ)上，像素運算彼此間是獨立的，如果處理過程中，像素不獨立，就明確要求程序編寫控制代碼，這種程序結(jié)構(gòu)和運行方式并不適合GPU圖像處理并行算法，這主要是由于針對控制語句的處理不是GPU的優(yōu)勢。就具體實驗證明，基于CUDA的GPU處理比CPU處理所耗費的時間減少了幾百倍。

2.3 透明合并處理算法并行化

Alpha透明混合處理其實就是為了實現(xiàn)半透明的良好效果。而透明混合效果處理數(shù)學(xué)公式具體如（1）所示。假設(shè)不透明的物體著色用A表示，而透明的物體顏色用B表示，經(jīng)過Alpha混合處理，顏色C表示透過B看A所呈現(xiàn)出的顏色。如果B的透明度值是Alpha，取值控制在0～1之間，0代表完全透明，1代表完全不透明，那么獲得Alpha混合公式為。

其中，R（s）、G（s）、B（s）代表像素顏色s的RGB分量。通過公式可以看出，Alpha混合處理比較簡潔，通過此技術(shù)能夠獲得火光、煙霧、陰影等各種半透明效果。

想要基于CUDA框架，通過GPU內(nèi)部多線程處理器處理兩幅需透明混合處理的圖像，先確定圖像相對位置。因為圖像大小可能不一致，因此，先明確混合處理范圍，再將所需處理范圍劃分為多項處理單元，再通過CPU加以控制，把多項單元分配到GPU多線程處理器加以運算。

可以把兩幅Alpha透明混合處理圖像基于CUDA編程框架進(jìn)行GPU處理，這是由于透明混合處理中并不存在太過復(fù)雜的邏輯控制，就不同處理對象而言，處理過程相同，但是不同處理對象間并不相關(guān)。就具體實驗證明，基于CUDA的處理速度比CPU處理速度顯著提升。

3 ?結(jié)語

綜上所述，伴隨著計算機技術(shù)在圖像處理中的應(yīng)用越來越廣泛，人們對圖像處理的速度和效率等相關(guān)要求逐漸提高。該文對高斯模糊處理、彩色負(fù)片處理、透明合并處理3種處理方式進(jìn)行分析，可知通過CUDA編程框架利用GPU多線程模塊并行處理方式，能夠在很大程度上促使圖像處理速度與水平得到顯著提升?；贑DUA架構(gòu)，通過編程語言實現(xiàn)基于GPU的圖像處理算法，將GPU的并行運算能力作用有效發(fā)揮出來，能夠在很大程度上提升圖像處理速度和效率，以此滿足各種應(yīng)用領(lǐng)域?qū)τ跀?shù)字圖像處理的多元化需求。

參考文獻(xiàn)

[1] 王平，全吉成，王宏偉.GPU圖像并行處理設(shè)計模型研究[J].艦船電子工程，2016，36（11）：74-76.

[2] 范夢然.GPU上基本圖像處理算法性能優(yōu)化關(guān)鍵技術(shù)研究[D].中國科學(xué)院大學(xué)：中國科學(xué)院工程管理與信息技術(shù)學(xué)院，2017.

[3] 趙明超，陳智斌，文有為.基于GPU圖像去噪總變分對偶模型的并行計算[J].計算機應(yīng)用，2016，36（5）：1228-1231.