多媒体数字图像智能并行处理方法.doc

多媒体数字图像智能并行处理方法 　　摘 要在多媒体数字图像的并行处理过程中，针对常规GPU处理效率和处理质量不高的问题，提出了基于CUDA架构，结合改进基二快速Hadamard算法实现的图像并行处理方法。CUDA架构本身就具有较高的处理效率，再在处理算法上通过改进基二快速Hadamard进行优化。通过实验分析，证明了提出的新型并行处理方法能够有效提高多媒体数字图像的处理质量和处理效率 【关键词】CUDA Hadamard变换 数字图像 并行处理 1 引言 多媒体数字图像处理过程存在数据量较大，以及数据关联度小等问题，为了解决常规GPU架构在图像处理时的缺点，采用CUDA架构。该架构能够处理大规模图像，并且具有并行处理高的优点。由于图像的数据量越来越大，传统的处理算法也无法满足需要，也导致了并行处理质量和速度问题的出现，因此本文采用了改进基二快速Hadamard并行算法，针对像素级进行处理，实现了在架构和算法上的并行图像处理，并且提高了图像的处理质量和效率 2 基于CUDA架构的改进基二快速Hadamard算法 2.1 CUDA架构 CUDA是在常规架构上进行了性能改进，使得该架构提高了着色器资源的利用程度，并且实现了写入操作与线程的通信机制。在基于CUDA架构图像处理时，首先将划分出来的并行任务分配给GPU，然后由CUDA并行函数对各个任务进行处理，因此对于大规模图像数据的处理，该架构具有明显优势 2.2 改进基二快速Hadamard并行算法 在像素级图像处理过程中，Hadamard算法的处理时间随着图像大小的增加呈现对数性增长，为了解决该问题，提出了改进基二快速Hadamard并行算法 假定将需要处理的图像定义为任务X，即X=Wx，对其进行分解，划分为s个子任务，于是可以得到： 对于s个任务，当处理任何一个所需的时间都在1/s左右，同时并行处理的时间又相当短，相对任务处理时间可以忽略时，分解认为是合理的。于是设计改进基二快速Hadamard并行子任务算法具体步骤为： （1）分解任务，确定输入向量、任务量，以及支撑计算信息，计算的步骤数等； （2）初始化临时变量； （3）循环采取蝶形计算； （4）扩散操作； （5）计算得到向量2-k/2q，至此得到最终结果 蝴蝶计算过程中，当循环了k-p次，可以计算得到，作为中间结果，可以把他直接??做子任务xi的结果X（i），然后通过元素符号的变换调节得到如下结果： 公式中a代表了X（i）下标，f代表xi的起始下标。要保证利用公式（2）得出的结果和X（i）=Wxi得出的结果相同，需要对sgn（a，f）进行有效设计。通过前面的计算，得到的中间结果为： 式中b=f，f+1，f+2k-p-1，此时，又有 ，它代表了最终结果中a所对应的X。Xa中也存在xf分量，并且其符号和W中的相同，于是可以得到调整函数： 公式中a、f均为二进制表示，g（a）用于得到格雷码，同时输出向量，r（g（a）得到的结果做逆序处理。最后利用X（i）求累加和得出最终结果： 根据前面的分析过程，可以看出需要花费时间的计算主要集中在扩散操作与公式（5）中，但是整体算法减少了循环次数，从而避免了算法的时间开销 3 实验数据与结果分析 为了验证基于CUDA架构的改进基二快速Hadamard并行算法在多媒体数字图像处理中的有效性，通过实验对比进行验证。采用OpenCV对预处理图像进行加载、获取、显示等相关操作。实验过程中，首先针对三种像素大小的数字图像，通过与CUDA架构下的常规二值化图像处理方法进行对比，表1为两种处理方法的时间开销对比数据 通过表1的对比数据，可以得到本文提出的方法能够明显提高图像并行处理速度，随着图像大小的增加，处理优势更加明显 图1显示为CUDA架构下通过两种方法处理得到的主观图像。通过对比可以看出，本文提出的并行处理方法在图像细节上更加清晰，处理质量更高 4 结语 为了有效解决多媒体数字图像传统并行处理方法存在的效率低下、质量不接的问题，本文提出了在CUDA架构基础上，采用改进基二快速Hadamard算法实现的图像并行处理方法进一步提高处理质量和处理速度。经过实验对比，从数据和主观图像对比上，验证了本文提出的方法不仅明显提高了图像处理速度，并且图像处理质量得到了明显提高 参考文献 [1]盖素丽.基于GPU的数字图像并行处理研究[J].计算机技术理论，2009. [2]王成良，谢客家，刘昕.多核图像处理并行设计范式的研究与应用[J].计算机工程，2011，37（14）：221-225. [3]黄文慧.图像处理并行编程方法的研究与应用[D].广州： 华