基于GPU加速的非局部平均滤波实时处理方法
专利汇可以提供基于GPU加速的非局部平均滤波实时处理方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于GPU 加速 的非局部平均滤波实时处理方法，主要解决了非局部平均滤波 算法 难以满足实时性要求这一问题。本方法利用GPU卓越的多线程并行 数据处理 能 力 ，使用OpenCL平台，在GPU上并行地实现图像的滤波处理。在滤波过程中，对中心图像片和相似图像片进行投影，并且利用拆分核函数、优化访存等方法有效减少了计算量和数据读取时间。与现有的非局部平均滤波方法相比，本发明能够在保证去噪性能的前提下，对VGA( 分辨率 为640*480)和SVGA(分辨率为600*800)图像进行实时的非局部平均滤波处理，较之传统的串行处理方法，本方法取得了最高达111倍的加速比。，下面是基于GPU加速的非局部平均滤波实时处理方法专利的具体信息内容。
1.一种基于GPU加速的非局部平均滤波实时处理方法，包括如下步骤：
(1)搭建环境；
(1a)调用开放运算语言OpenCL提供的应用程序编程接口API进行平台查询，获取该平台上可用的设备对象；
(1b)调用开放运算语言OpenCL提供的应用程序编程接口API依次创建上下文、创建命令队列、构建程序对象、创建2个内核对象；
(2)读取待处理图像；
将中央处理器CPU作为主机端读取待处理图像，将读取的待处理图像保存到中央处理器CPU的内存；
(3)按照下式，计算半径为Z的一维高斯模板：
其中，W(r)表示一维高斯模板W上与该模板中心点相距r处的值，W表示一维高斯模板，r表示一维高斯模板上任意点到中心点的距离，r∈(-Z,Z)，∈表示属于符号，Z表示一维高斯模板的半径，e表示自然对数，σ表示高斯模板的标准差；
(4)拷贝高斯模板和待处理图像；
(4a)在图形计算单元GPU中申请用于保存高斯模板和待处理图像的显存；
(4b)将高斯模板拷贝到显存的常量存储器中，将待处理图像拷贝到显存的全局存储器中；
(5)执行第一个内核对象；
(5a)给待处理图像的每一个像素点分配一个工作项；
(5b)给执行第一个内核对象的每一个工作组分配256个工作项；
(5c)给第一个内核对象设置4个参数，分别为：待处理图像的长度，待处理图像的宽度，拷贝进GPU显存的待处理图像和高斯模板；
(5d)将图形计算单元GPU全局存储器中的待处理图像缓存到局部存储器中；
(5e)从缓存到局部存储器中的待处理图像依次读取21×21个像素点，组成搜索窗；
(5f)读取缓存到局部存储器中待处理图像的一个小图像片，该小图像片是以搜索窗中心像素点为中心，大小为d×d的二维搜索窗中心图像片,d＝2×Z+1，Z表示高斯模板的半径；
(5g)读取缓存到局部存储器中待处理图像的一个小图像片，该小图像片是以搜索窗下半部分每一个像素点为中心，大小为d×d的二维搜索窗下半部分相似图像片，d＝2×Z+1，Z表示高斯模板的半径；
(5h)按照下式，对二维搜索窗中心图像片和二维搜索窗下半部分相似图像片进行投影，得到一维搜索窗中心图像片和一维搜索窗下半部分相似图像片：
其中， 表示以目标像素点(a,b)为中心的二维搜索窗中心图像片IPd×d(a,b)经过投影后得到的一维搜索窗中心图像片，d＝2×Z+1，Z表示高斯模板的半径，y表示二维搜索窗中心图像片IPd×d(a,b)的列序号，y∈[b-Z,b+Z]，∈表示属于符号，∑表示求和操作，表示以像素点(i,j)为中心的二维搜索窗下半部分相似图像片ISd×d(i,j)经过投影后得到的一维搜索窗下半部分相似图像片，y表示二维搜索窗下半部分相似图像片ISd×d(i,j)的列序号，y∈[j-Z,j+Z]；
(5i)按照下式，计算一维搜索窗中心图像片和一维搜索窗下半部分相似图像片高斯加权的欧式距离：
其中，Temp(i,j,a,b)表示一维搜索窗中心图像片 和一维搜索窗下半部分相似图像片 高斯加权的欧式距离，W表示高斯模板，表示卷积操作， 表示欧氏距离操作；
(5j)在图形计算单元GPU的全局存储器中创建一个数组，将高斯加权的欧氏距离保存在该数组里；
(6)执行第二个内核对象；
(6a)给待处理图像的每个像素点分配一个工作项；
(6b)给执行第二个内核对象的每个工作组分配256个工作项；
(6c)在图形计算单元GPU中申请用于存放滤波后图像的显存；
(6d)给第二个内核设置4个参数：待处理图像的长度，待处理图像的宽度，拷贝进GPU缓存的待处理图像和滤波后图像；
(6e)将图形计算单元GPU的全局存储器里的待处理图像缓存到局部存储器；
(6f)从缓存到局部存储器中的待处理图像依次读取21×21个像素点，组成搜索窗；
(6g)按照下式，计算搜索窗上像素点的权值：
其中，ω(i,j,a,b)表示搜索窗上像素点(i,j)的权值，e表示自然对数，h表示衰减因子，Temp(i,j,a,b)表示一维搜索窗中心图像片 和一维搜索窗下半部分相似图像片高斯加权的欧氏距离；
(6h)按照下式，计算搜索窗中心像素点经过非局部平均滤波后的像素值：
其中， 表示搜索窗中心像素点的像素值y(a,b)经过非局部平均滤波后的像素值，∑表示求和操作，(i,j)表示搜索窗上像素点，∈表示属于符号，Ω(a,b)表示以搜索窗中心像素点(a,b)为中心的21×21大小的邻域，ω(i,j,a,b)表示搜索窗上像素点(i,j)的权值，y(i,j)表示像素点(i,j)处的像素值；
(6i)用搜索窗中心像素点滤波后的像素值赋给步骤(6c)申请的滤波后图片的对应像素点，得到图形计算单元GPU中的滤波后图像；
(7)保存结果图像；
从图形计算单元GPU拷贝滤波后图像，保存于中央处理器CPU内存中。
2.根据权利要求1所述的基于GPU加速的非局部平均滤波实时处理方法，其特征在于：
步骤(3)中一维高斯模板半径Z的取值范围是1～5个像素。
3.根据权利要求1所述的基于GPU加速的非局部平均滤波实时处理方法，其特征在于：
步骤(3)中所述的高斯模板的标准差σ的取值范围是[0,3]。
4.根据权利要求1所述的基于GPU加速的非局部平均滤波实时处理方法，其特征在于：
步骤(6g)中所述衰减因子h的取值范围是[7,20]。
基于GPU加速的非局部平均滤波实时处理方法
技术领域
背景技术
该方法将待滤波的三维图像拆分成基准块，给每个基准块指定搜索区域，然后将搜索区域中的所有与基准块大小相同的图像块作为相似块，并且计算每一相似块与基准块之间相似度，接下来以相似块的加权平均值作为基准块滤波结果，权重为相似度，最后将基准块的滤波结果进行整合得到三维超声图像最终滤波结果，该方法应用GPU加速，一定程度上缩短了滤波时间。但是该方法存在的不足之处是，在利用GPU进行非局部平均滤波的过程中，算法复杂度高导致运行时间长，GPU数据访存没有优化导致运行时间长，有重复的数据处理过程导致运行时间长，无法满足对图像进行非局部平均滤波处理的实时性要求。
发明内容
具体实施方式
5×5 1793.4 16.404 109 31.2763
7×7 2189 20.616 106 31.3529
5×5 2786.6 25.596 111 32.4854
7×7 3487.8 31.562 109 32.5440
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 用于处理加速处理装置中的网络消息的方法和系统 | 2020-12-11 | 1 |
| 一种芯片烧录方法及其装置 | 2021-07-04 | 1 |
| 一种低压充电方法及装置 | 2021-09-03 | 0 |
| 一种粗粒度可重构层次化的阵列寄存器文件结构 | 2022-12-28 | 0 |
| 一种基于物联网的智能船舶系统 | 2021-02-24 | 1 |
| 硅碳复合负极材料及其制备方法 | 2021-06-09 | 0 |
| 片剂 | 2021-03-11 | 1 |
| 一种基于USB传输的多路信号同步采集系统装置及方法 | 2023-06-24 | 1 |
| 一种光网络通信设备及系统 | 2021-09-02 | 1 |
| Dante网络音量采集终端 | 2021-01-27 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
