直方图均衡化图像增强算法的改进及其OpenCL并行实现

摘要

进入21世纪以来,图像处理技术得到飞速发展,图像增强作为它的一个重要分支,在医学、刑侦学、航天技术等研究方向有着很重要的应用价值。直方图均衡化是一种简单、快速且有效的图像增强算法,它通过对原始图像按照累积分布函数进行变换,将分布不均的直方图拉伸均匀分布,从而增强图像对比度,使图像更清晰。但是经过处理后,图像中表征图像细节的灰度级会在处理过程中被合并,从而导致图像细节信息丢失,边缘弱化。针对现有算法的不足,本文提出了一种改进的直方图均衡化算法,另外还研究了利用GPU的并行计算能力提高该算法处理速度的OpenCL并行算法。
　　论文首先对前人有关直方图均衡化图像增强算法的研究工作进行了概述,分析了传统算法的缺点,针对其缺点本人提出先将要处理的图像进行线性平滑滤波,过滤掉图像中的噪声,然后再对其进行Laplacian算子变换,提取出原图像中的高频细节成分,最后将其与原图像的直方图均衡化结果进行加权叠加,得到一个改进的均衡化图像,既增强了图像对比度又保留了图像细节。另一方面,由于该算法要对图像每一个像素进行处理,因此在处理较大图像时,传统串行处理方式效率很低。OpenCL作为一个通用的开放的并行计算环境,它为实现GPU并行计算程序的跨平台移植提供了解决方案。本文在探索直方图均衡化算法改进的同时,结合OpenCL并行架构的特点,深入分析了改进后算法的并行性。针对其中的三个部分:线性平滑滤波处理图像的噪声,Laplacian算子变换和均衡化分别进行了OpenCL并行加速。
　　最后编程实现了本人提出的算法,并在OpenCL并行环境和普通CPU平台下进行了性能对比实验。实验结果表明:改进后的算法对图像的增强效果明显好于传统直方图均衡化,OpenCL平台加速后的处理时间相对于传统串行的处理时间大幅缩短,尤其在图像分辨率为4000*3200及以上时,速度提高了五十倍左右,并且加速比随着分辨率的增加而提高。

目录

封面

声明

中文摘要

英文摘要

目录

第1章绪论

1.1 选题背景

1.2 研究的目的和意义

1.3 图像增强算法及其并行性的研究现状

1.4 研究内容及论文组织结构

第2章OpenCL相关理论及其并行架构

2.1 OpenCL并行架构模型

2.2 OpenCL中的内核程序

2.3 并行架构CUDA和OpenCL

2.4 OpenCL的优势

2.5 本章小结

第3章直方图均衡化算法的实现和改进

3.1 算法的理论背景

3.2 串行算法思路与实现

3.3 串行算法的分析和改进

3.4 本章小结

第4章基于OpenCL的直方图均衡化并行实现

4.1 并行计算基础

4.2 并行算法的构思

4.3 并行算法OpenCL实现

4.4 本章小结

第5章算法的性能测试及结果分析

5.1性能测试方法与实验环境

5.2串行和并行算法在时间效率上的比较

5.3 OpenCL并行算法的性能分析

5.4 实验结论及意义

第6章总结

6.1 主要工作

6.2 未来展望

参考文献

攻读硕士学位期间发表论文清单

致谢