一种基于OpenCL的图像去噪算法的并行优化方法

摘要

本发明公开了一种基于OpenCL的图像去噪算法的并行优化方法，根据图像分层的思想，通过联合双边滤波算法和联合WLS算法将图像分成高对比度的基础层和低对比度的细节层，接着使用Stockham FFT对细节层进行去噪处理，最后通过变化域谱收缩和图像相加方法将图像还原，达到去噪的效果。本发明针对基础层获取和细节层去噪两部分执行函数处理数据量大，但其数据并行性非常高的特点，使用OpenCL平台模型，在GPU上实现图像去噪算法的并行计算，最后对计算过程中的细节方面做了改进，如使用局部内存、选择合适的工作组大小和使用并行归约等，最终实现的去噪算法加速比能达到30倍以上，极大地提高了算法的实用性。