一種基于cuda的低照度圖像增強并行優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及并行計算領(lǐng)域，W及圖像處理算法技術(shù)領(lǐng)域，具體是一種基于CUDA的 低照度圖像增強并行優(yōu)化方法。
【背景技術(shù)】
[0002] 為了提高社會的公共安全，很多公共場所都安裝了視頻監(jiān)控系統(tǒng)，來通過監(jiān)控圖 像了解情況。但在夜間光線太弱，能見度很低的情況下，人眼不易觀察到周圍環(huán)境，使用圖 像采集設(shè)備在夜晚采集到的圖像往往偏黑，使得周圍景物的可辨識度下降，不能滿足一些 實際用途。因此，使用低照度圖像增強算法處理圖像，把夜晚的圖像轉(zhuǎn)換為白天可W看到場 景細節(jié)的圖像，在生活中的方方面面都是很有意義的。然而由于圖像增強算法計算量大，運 行時間很長，不能滿足實際應(yīng)用中的實時處理要求，很難將算法應(yīng)用到實際需求中。對算法 層面進行優(yōu)化和將算法進行并行處理來有效降低處理時間是非常有必要的。
[0003] 由于圖像數(shù)據(jù)的特點，并行計算也逐漸應(yīng)用到圖像處理領(lǐng)域中。為了加快計算速 度，并行技術(shù)從多核處理器逐漸發(fā)展到GPU，GPU不再局限于對3D圖形圖形處理，在浮點運 算和并行計算等方面都有優(yōu)于CPU的性能。在CPU/GPU異構(gòu)系統(tǒng)中，多核CPU可W提供通 用的計算能力，GPU在數(shù)字圖像處理并行化計算方面有明顯的優(yōu)勢，并被廣泛應(yīng)用于圖像處 理領(lǐng)域中。
[0004] 申請?zhí)枮镃N201410713588的中國發(fā)明專利公開了一種圖像增強方法及裝置，在 獲取圖像后，根據(jù)預(yù)設(shè)的灰塵標記位置確定圖像需要增強的位置；統(tǒng)計圖像的直方圖，W確 定圖像需要增強的位置上的像素值在整個圖像的像素值分布比例；根據(jù)圖像需要增強的位 置上的像素值在整個圖像的像素值的分布比例，對圖像需要增強的位置上的像素值進行處 理；輸出處理后的圖像，來提高拍攝圖像的清晰度。
[0005] 申請?zhí)枮镃N201420766172的中國發(fā)明專利公開了一種具有圖像增強功能的計算 機圖像處理系統(tǒng)，主要由圖像增強電路W及同圖像增強電路連接的光電禪合器組成；還包 括攝像頭、視頻編碼器、FPGA處理器、禪合電路、圖像顯示電路、時鐘電路，視頻編碼器連接 圖像增強電路，圖像增強電路連接光電禪合器，F(xiàn)PGA處理器連接光電禪合器，F(xiàn)PGA處理器 連接禪合電路，視頻編碼器連接FPGA處理器；TV監(jiān)視器連接視頻解碼電路，時鐘電路分別 連接視頻編碼器、圖像增強電路、FPGA處理器、視頻解碼電路；加載視頻編碼電路，用于進 行視頻再次編碼，并采用成熟的圖像增強技術(shù)對圖像需要增強的部位進行增強，W保障后 臺顯示圖像的真實質(zhì)感效果更佳。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種基于CUDA的低照度圖像增強并行優(yōu)化方法，是指在 GPU上使用CUDA編程模型對基于暗原色去霧技術(shù)的低照度增強算法進行并行優(yōu)化，在提高 夜間圖像可視化效果的同時達到實時處理效果。
[0007] 為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案： 一種基于CUDA的低照度圖像增強并行優(yōu)化方法，所述低照度圖像增強算法為基于暗 原色去霧技術(shù)的增強算法，采用CPU/GPU異構(gòu)模式，在GPU上使用CUDA編程模型對低照度 增強算法進行并行優(yōu)化，W達到實時處理效果；包括W下步驟： 步驟1、在CPU上將圖像數(shù)據(jù)讀取到內(nèi)存中，然后分別將圖像數(shù)據(jù)的=個顏色通道值拷 貝到GPU上的顯存中； 步驟2、使用一個kernel用于計算圖像反轉(zhuǎn)和暗原色圖； 步驟3、使用一個kernel用于計算共享寄存器中的最大值，使用偏移循環(huán)調(diào)用該個kernel,最終計算出全局大氣光值； 步驟4、使用一個kernel用于計算透射率和使用去霧模型進行恢復(fù)并再次進行反轉(zhuǎn)； 步驟5、將復(fù)原得到的圖像從GPU的顯存中拷貝到CPU的內(nèi)存中，CPU將復(fù)原后的圖像 進行保存。
[0008] 作為本發(fā)明進一步的方案；所述低照度圖像增強算法全部在GPU上運行，輸入數(shù) 據(jù)和輸出數(shù)據(jù)在CPU和GPU之間進行拷貝。
[0009] 作為本發(fā)明進一步的方案；在GPU上，每個kernel都開辟與圖像像素點數(shù)目相同 的線程，每個線程對一個像素點進行處理。
[0010] 作為本發(fā)明進一步的方案；所述步驟2中，為每個顏色通道開辟像素點總數(shù)/512 個block,每個block中的線程對單個像素點進行反轉(zhuǎn)操作，具體的反轉(zhuǎn)算法如下： 廠(4=255 -￡'屯-) 式中；C表示RGB顏色通道，L表示輸入的原始圖像，I表示反轉(zhuǎn)后的輸出圖像。
[0011] 作為本發(fā)明進一步的方案；所述步驟2中，計算暗原色圖方法，包括W下步驟： 將所述反轉(zhuǎn)圖像的RGBS通道值拷貝到GPU共享存儲器中，在Block中每個線程W單 個像素點為單位，對7*7窗口內(nèi)像素點的各個通道做最小值濾波，再對其每個顏色通道求 最小值作為該像素點的暗原色值。
[0012] 作為本發(fā)明進一步的方案；所述步驟3中，使用圖像的亮度和暗原色圖共同作用 來估算大氣光值A(chǔ)，包括W下步驟： 在GPU上開辟圖像像素點數(shù)目的線程，每個線程分別計算單個像素點的大氣光綜合 評估值F，并保存于全局存儲器中；然后對每個block中所有線程求得的像素點F值進行 log(n)次歸約，得到此block中F的最大值，并將其存于共享存儲器中；再對共享存儲器中 的像素點進行歸約，進行循環(huán)規(guī)約后，最終得共享存儲器中的最大值，即為估算所得全局大 氣光A，具體求得大氣光綜合評估值F的算法如下：
式中：巧J亮度圖像Y與暗原色圖像/)fg'ws的比值，亮度圖像Y的計算公式為；
式中；R、G、B分別代表圖像RGBS通道分量值。
[0013] 作為本發(fā)明進一步的方案；所述步驟4中，采用有霧圖像的亮度圖Y估算透射率 t，將亮度值進行歸一化，并使用一個常量C削弱歸一化的亮度值，得到圖像透射率圖t，并 用一個局部變量保存每個像素點的透射率值，計算透射率t的公式為： 式中；C為用于削弱亮度圖像Y的參數(shù)，C取值范圍為[1. 06,1. 0引。
[0014] 作為本發(fā)明進一步的方案；所述步驟4中，在一個kernel中，每個線程先后完成計 算當前像素點的透射率，計算該點的復(fù)原圖，并將復(fù)原后的圖像再次反轉(zhuǎn)，其中，計算復(fù)原 圖的具體算法如下：
式中；I(x)為反轉(zhuǎn)后的圖像，A為全局大氣光，t(x)為透射率圖像。
[0015] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是： (1)本發(fā)明提出了一種基于CUDA的低照度圖像增強并行優(yōu)化方法，將低照度圖像增強 算法全部在GPU上運行，并在GPU上為每個kernel都開辟與圖像數(shù)目相同的線程，每個線 程對一個像素點進行處理，提高了算法的并行性，W滿足高分辨率圖像的實時處理效果。
[0016] (2)本發(fā)明針對基于暗原色去霧技術(shù)的低照度圖像增強算法中，不適合在GPU上 運行的計算全局大氣光的部分進行改進，使用暗原色和圖像的亮度值來評估大氣光值，減 少了數(shù)據(jù)間的相關(guān)性。使用該種新的改進方法使得整個算法更容易W及更快地在GPU上運 行，避免了不斷進行CPU和GPU進行數(shù)據(jù)拷貝的過程。
[0017] (3)本發(fā)明在進行CUDA編程時，充分使用全局存儲器和共享存儲器，從而減少CPU 和GPU之間的數(shù)據(jù)傳遞，減少算法耗時。
【附圖說明】
[0018] 圖1是本發(fā)明算法在GPU上的執(zhí)行流程圖； 圖2是圖1中kernel1的執(zhí)行流程圖； 圖3是規(guī)約思想示意圖； 圖4是圖1中kernels的執(zhí)行流程圖； 圖5是本發(fā)明數(shù)據(jù)在CPU和GPU上的傳遞圖； 圖6是本發(fā)明在GPU上算法各中間過程的加速比圖。
【具體實施方式】
[0019] 下面將結(jié)合本發(fā)明實施例及附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整 地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒?發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實 施例，都屬于本發(fā)明保護的范圍。
[0020] 請參閱圖1-圖5, 一種基于CUDA的低照度圖像增強并行優(yōu)化方法，在GPU上使用3 個kernel,kernell主要負責計算圖像反轉(zhuǎn)W及暗原色的估算，kernels主要負責對全局大 氣光的估算，kernels主要負責透射率、去霧模型的計算W及圖像的反轉(zhuǎn)操作。每個kernel都開辟與圖像像素點數(shù)目相同的線程，每個線程對一個像素點進行處理。具體按照W下步 驟實施： 步驟1、在CPU上將圖像數(shù)據(jù)讀取到內(nèi)存中，然后分別將圖像數(shù)據(jù)的=個顏色通道值拷 貝到GPU上的顯存中，為了運算提高速度，此處將數(shù)據(jù)拷貝到GPU的全局存儲器中。
[0021] 步驟2、如圖2所示，使用一個kernel用于計算圖像反轉(zhuǎn)和暗原色圖。
[002引步驟2. 1、對于一張m*n大小的圖像，每個顏色通道開辟m*n/512個block,每個block中的線程從全局存儲器中讀取數(shù)據(jù)對單個像素點進行反轉(zhuǎn)操作。<