基于gpu的數(shù)字圖像并行處理方法

《基于gpu的數(shù)字圖像并行處理方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、esign設(shè)計(jì)天地欄目編輯韓汝水DField基于GPU的數(shù)字圖像并行處理方法*ParallelImageProcessingBasedonGPU■蓋素麗河北省應(yīng)用數(shù)學(xué)研究所(河北石家莊050081)數(shù)字圖像處理的并行化分析摘要：針對(duì)像素級(jí)圖像處理算法并行化程度高的特點(diǎn)，利用數(shù)字圖像處理算法多種多樣，但從數(shù)據(jù)GPU的并行流處理特性和可編程性，提出了基于GPU處理的層面來考慮，可以分為：像素級(jí)處理、的數(shù)字圖像并行化處理方法，并對(duì)其基本執(zhí)行流程和其特征級(jí)處理和目標(biāo)級(jí)處理三個(gè)層次[3][4]。中的關(guān)鍵技術(shù)問題：數(shù)據(jù)加載，結(jié)

2、果反饋、保存等進(jìn)行像素級(jí)圖像處理了詳細(xì)論述。最后通過圖像的卷積運(yùn)算驗(yàn)證了GPU的像素級(jí)處理，即由一幅像素圖像產(chǎn)生另并行處理能力。一幅像素圖像，處理數(shù)據(jù)大部分是幾何的、關(guān)鍵詞：GPU；片元程序；Cg；并行處理規(guī)則的和局部的。根據(jù)處理過程中的數(shù)據(jù)相關(guān)性，像素級(jí)處理又可進(jìn)一步分為點(diǎn)運(yùn)算、2008年12月9日收到本GPU并行化處理局部運(yùn)算和全局運(yùn)算。文?？删幊虉D形處理器(Programmable特征級(jí)圖像處理*河北省自然科學(xué)基金GraphicProcessUnit,PGPU)是目前計(jì)算機(jī)特征級(jí)處理是在像素圖像產(chǎn)生的一系列項(xiàng)

3、目(200710096057)上普遍采用的圖形圖像處理專用器件，具有特征上進(jìn)行的操作。常用的特征包括：形狀單指令流多數(shù)據(jù)流(SIMD)的并行處理特性，特征、紋理特征、梯度特征和三維特征等，一而且提供了完全支持向量操作指令和符合般采用統(tǒng)一的測(cè)度，如：均值、方差等來進(jìn)IEEE32位浮點(diǎn)格式的頂點(diǎn)處理能力和像素處行描述和處理，具有在特征域內(nèi)進(jìn)行并行處理能力，已經(jīng)成為了一個(gè)強(qiáng)大的并行計(jì)算單理的可能性。但是，由于其特征具有象征意元。研究人員將其應(yīng)用于加速科學(xué)計(jì)算和可義和非局部特性，在局部區(qū)域并行的基礎(chǔ)視化應(yīng)用程序，取得了令人

4、鼓舞的研究成果。上，需要對(duì)總體進(jìn)行處理。利用GPU實(shí)現(xiàn)并與CPU相比，GPU具有以下優(yōu)勢(shì)：強(qiáng)行化處理的難度比較大。大的并行處理能力和高效率的數(shù)據(jù)傳輸能力目標(biāo)級(jí)圖像處理[1][2][7]。其中，并行性主要體現(xiàn)了指令級(jí)、數(shù)目標(biāo)級(jí)處理是對(duì)由一系列特征產(chǎn)生的目據(jù)級(jí)和任務(wù)級(jí)三個(gè)層次。高效率的數(shù)據(jù)傳輸標(biāo)進(jìn)行操作。由于目標(biāo)信息具有象征意義和主要體現(xiàn)在兩個(gè)方面：GPU與顯存之間的復(fù)雜性，通常是利用相關(guān)知識(shí)進(jìn)行推理，得帶寬為：16GB/s；系統(tǒng)內(nèi)存到顯存的帶寬到對(duì)圖像的描述、理解、解釋以及識(shí)別。由為：4GB/s。于其數(shù)據(jù)之間相關(guān)性強(qiáng)

5、，且算法涉及到較多總上所述，GPU比較適合處理具有下面的知識(shí)和人工干預(yù)，并行處理的難度也比較特性的應(yīng)用程序：1、大數(shù)據(jù)量；2、高并行大。性；3、低數(shù)據(jù)耦合；4、高計(jì)算密度；5、與由此可見，整個(gè)圖像處理的結(jié)構(gòu)可以利CPU交互比較少。用一個(gè)金字塔模型來表示。在底層，雖然處www.eepw.com.cn2009.23389esign設(shè)計(jì)天地欄目編輯韓汝水DField制操作，調(diào)用片段程序進(jìn)行處理；最后，保存在幀緩存中的繪制結(jié)果就是算法的輸出數(shù)據(jù)，如圖1所示[5][6]。雖然數(shù)字圖像處理算法多種多樣，具體實(shí)現(xiàn)過程也很不相同，

6、但是在利用GPU進(jìn)行并行化處理時(shí)，有一些共性的關(guān)鍵技術(shù)問題需要解決，如：數(shù)據(jù)的加載，計(jì)算結(jié)果的反饋、保存等。下面對(duì)這些共性的問題進(jìn)行分析，并提出相應(yīng)的解決思路。數(shù)據(jù)加載在GPU的流式編程模型中，所有的數(shù)據(jù)都必須以“流”的形式進(jìn)行加載處理，并通圖1遙感影像GPU并理的數(shù)據(jù)量巨大，但由于局部數(shù)據(jù)之間的相過抽象的3DAPI進(jìn)行訪問。在利用GPU進(jìn)行化處理基本流程關(guān)性小，且較少的涉及知識(shí)推理和人工干行圖像處理時(shí)，最直接有效的數(shù)據(jù)加載方法預(yù)，因此大多數(shù)算法的并行化程度比較高。是把待處理的圖像打包為紋理，在繪制四邊當(dāng)沿著這個(gè)金

7、字塔結(jié)構(gòu)向高層移動(dòng)時(shí)，隨著形時(shí)進(jìn)行加載、處理。同時(shí)為了保證GPU上抽象程度的提高，大量原始數(shù)據(jù)減少，所需片段程序能夠逐像素的對(duì)紋理圖像進(jìn)行處的知識(shí)和算法的復(fù)雜性逐層提高，并行化處理，必須將投影變換設(shè)置為正交投影，視點(diǎn)理的難度也逐漸加大。變換的視區(qū)與紋理大小相同，使得光柵化后由于絕大部分的圖像處理算法是在像素的每個(gè)片段(fragment)和每個(gè)紋理單元級(jí)進(jìn)行的，且GPU的SIMD并行流式處理在(texel)一一對(duì)應(yīng)。進(jìn)行像素級(jí)的圖像處理時(shí)具有明顯的優(yōu)勢(shì)，對(duì)于圖像處理算法中的其他參數(shù)，如果而特征級(jí)和目標(biāo)級(jí)處理無論是從數(shù)

8、據(jù)的表達(dá)數(shù)據(jù)量很小，則可以直接通過接口函數(shù)進(jìn)行還是從算法自身的實(shí)現(xiàn)來說，都很難實(shí)現(xiàn)設(shè)置；如果參數(shù)比較多，也應(yīng)該將其打包為GPU并行化。因此，本文重點(diǎn)研究各種像素紋理的形式傳輸給GPU。在打包的過程中應(yīng)級(jí)圖像處理操作的GPU并行化實(shí)現(xiàn)方法。充分利用紋理圖像所具有的R、G、B、A四個(gè)通道。數(shù)字圖像GPU并行化處理的基本計(jì)算結(jié)果的反饋、保存流程與關(guān)鍵技術(shù)應(yīng)用程序是