基本图像处理算法的优化分析

基本图像处理算法的优化分析

摘要数字视频图像处理技术已经被广泛地应用到各个领域内，并取得了良好效果。但是就现状来看，以往所应用的基于通用CPU的图像处理系统已经无法完全满足现在所需，还需要在原有基础上来对基本图像处理算法进行优化，以求更好地提高数字图像处理速度。

关键词图像处理；算法优化；GPU

基于处理图像幅度的不断加大，以及像元密集度的逐渐增加，图像处理算法所需要面对的情况更为复杂，传统基于CPU的数字图像处理算法已经无法满足实时性要求。将GPU作为基础，基于其可编程性特点，加强对其的研究，通过其来实现对图像处理算法的优化设计，提高图像处理综合效果。

1 图像处理技术分析

图像为传递信息的重要媒介，同时也是获取信息的重要方式，因此图像处理技术在持续研究以及不断更新，实现对模拟图像处理以及数字图像处理。模拟图像处理即图像明暗程度与空间坐标处于连续状态时，无法通过计算机来对其进行处理，必须要通过光学或者电子手段处理。数字图像处理则是对图像进行简单的采样与量化处理后，通过计算机以及其他实时硬件来处理图像信息。相比来看，模拟图像处理技术具有更强灵活性，但是处理精度较低。相反数字图像处理精度高且具有较强变通能力，逐渐发展成现在主要图像处理技术。基于计算机技术、数字成像技术以及人工智能技术等，现在数字图像处理技术在不断完善，应用也越来与广泛。对于图像处理技术进行分析，可确定其包括图像分割、图像增强、图像压缩、图像复原、运动图像检测以及图像理解等[1]。传统基于CPU的图像处理技术已经无法满足实际应用需求，想要进一步提高图像处理速度以及质量，还需要在原有技术上来进行优化，争取通过高效的图像处理算法来达到最佳效果。

2 基于GPU图像处理算法优化设计

2.1 GPU结构特点

GPU即图形处理器，主要用于图形渲染的设备。相比于CPU倾向程序执行效率，GPU更倾向于大量并行数据计算，将数字图像算法特点与GPU通用计算特点进行有效结合，基于GPU来处理数字图像，可以实现图像处理算法的优化，提高图像处理速度。近年来GPU发展迅速，除了速度与质量方面的优化外，也为更多图像处理技术的发展提供了基础。现今GPU已经兼具流处理、高密集型并行运算等特点，且为GPU处理性能的拓展提高打好了基础。

2.2 GPU数字图像处理算法

总结GPU所适合的优化程序特征，包括较高的数据并行性与数据计算密度、数据量巨大、数据耦合度低以及数据与CPU间传输少。以往图像处理算法多以CPU作为基础进行串行处理，通过CPU的计算资源完成串行算法加速，且要将其转换成适合CPU编程结构处理的并行算法[2]。数字图像处理算法主要为基于空域处理和基于时域处理两种。第一，基于空域处理。结合整个数字图像平面上所有像素，然后对所有像素进行直接处理。在这个过程中要重点考虑像素级处理、特征级处理以及目标级处理三个部分，同样也是此特点使得空域处理算法可以提高GPU加速效果。第二，基于时域处理。与空域处理方法不同，时域处理时需要对数字图像进行傅里叶变换，以此来得到待处理图像的频谱，为后续处理提供基础，然后将处理后的结果再次逆变换，便可得到最终处理结果。相比而言，基于时域图像处理，具有更高密度的计算量。

2.3 GPU加速图像滤波算法

图像滤波作为图像处理技术的关键步骤之一，主要可实现图像噪声消除以及图像边缘检测。对于数字图像处理，图像滤波主要可以分为空域滤波与频域滤波两种方法。第一，空域滤波。以二维卷积原理为基础，通过对滤波图像以及滤波器核来进行卷积达到空域滤波目的。第二，频域滤波。主要先对待处理图像进行傅立叶转换，使得空域向频域转换，并且对滤波器核同样进行傅立叶转换，然后将两个转换结果相乘，由所得乘积结果进行傅立叶反转换，便可将其转换到空域内。在不同条件下两种图像处理方法各有优缺点，且以CPU为基础的研究两种方法均比较成熟，但是想要解决计算量增大的问题还需要做更进一步的研究与优化。与CPU自身结构限制不同，GPU处理数据时主要是通过硬件结构方面的较多运算逻辑单元实现，无须利用大量资源进行缓存以及流程控制，使得图像处理速度更快[3]。同时GPU存在多个处理器，可以满足很大计算量处理要求。另外，数字图像处理数据运算密集度高，基于GPU来进行图像处理可以通过运算时间来掩盖内存读取数据的等待时间，使得高速数据缓存机制进一步优化。

2.4 GPU加速星图配準算法

星图配准为图像配准的重要研究内容，其主要通过对不同环境下两幅及以上图像进行几何变换，来达到将各个图像匹配对应的目的，现在已经成为数字图像处理研究的要点。想要实现图像匹配效果，首先需要确定一个最优的变换形式，以求能够将两幅图像匹配。可选择的图像变换包括仿射变换、刚体变换以及投影变换等。以刚体变换为例，一幅图片进行变换后，则图像变换前后的对应两点间距不变。具体变换匹配过程中，又可以将刚体变换分解成平移、反转与旋转三种不同形式。（x，y）为变换前图像内点，（x’，y’）为变换后图像内点，则刚体变换公式为：y’=b00+b10x+b01y+b20x2+b11xy+b02y2+...

3 结束语

图像处理技术在不断研究与更新，使得图像处理效率逐渐提高。对于传统基于CPU图像处理技术来讲，基于GPU的图像处理算法在实际应用中具有更大优势。对数字图像处理技术特点以及要求进行分析，以求更好的应对大数据量以及

高密集度的处理要求，还需要继续对图像处理算法进行优化分析。

参考文献

[1] 徐启航，游安清，马社，等.基本图像处理算法的优化过程研究[J].计算机科学，2017，44（S1）：169-172.

[2] 范梦然.GPU上基本图像处理算法性能优化关键技术研究[D].北京：中国科学院大学（中国科学院工程管理与信息技术学院），2017.

[3] 郭艳菊.基于仿生智能优化的图像处理算法研究[D].天津：河北工业大学，2014.

尹卓钰（1984-）女，江西景德镇人；毕业院校：南昌大学，专业：软件管理，学历：本科，现就职单位：上海飞导光电科技有限公司，研究方向：大数据挖掘与分析。