布匹疵點(diǎn)檢測多機(jī)任務(wù)并行處理平臺的構(gòu)建

易燕，鄭力新，周凱汀，林似水

（1.華僑大學(xué) 信息科學(xué)與工程學(xué)院，福建 廈門361021；2.華僑大學(xué) 工學(xué)院，福建 泉州362021；3.廈門科華恒盛股份有限公司，福建 廈門361008）

目前，紡織企業(yè)的布匹疵點(diǎn)檢測基本上是由人工完成的，檢測速度慢、漏檢率高，亟需一種能夠快速檢測疵點(diǎn)的自動檢測系統(tǒng).織物疵點(diǎn)檢測的機(jī)器視覺實現(xiàn)是近年來國內(nèi)外學(xué)者在圖像領(lǐng)域的熱門研究課題之一［1］.龔艷軍［2］提出了相機(jī)＋數(shù)字信號處理器（DSP）＋計算機(jī)的硬件結(jié)構(gòu)，并通過自適應(yīng)小波分解的疵點(diǎn)檢測算法找出最適合布匹紋理的小波，但該方法實現(xiàn)復(fù)雜，實時性得不到保障.文獻(xiàn)［3］提出了利用PC機(jī)構(gòu)建雙緩沖并行系統(tǒng)代替專業(yè)的DSP開發(fā)板，但其采用的雙閾值結(jié)合形態(tài)學(xué)的算法過于簡單，檢測率并不理想.趙振宏等［4］構(gòu)建了相機(jī)＋多DSP＋FPGA的硬件結(jié)構(gòu)，但對于如何使用多協(xié)處理器來提高檢測系統(tǒng)的處理性能，并未給出方法.本文構(gòu)建一種多機(jī)并行處理平臺，將不同的疵點(diǎn)檢測算法運(yùn)行在平臺之上以提高算法的處理性能.

1 多機(jī)平臺的整體構(gòu)建與實現(xiàn)

1.1 硬件系統(tǒng)設(shè)計

圖1 多機(jī)平臺硬件系統(tǒng)框圖Fig.1 Hardware system block diagram of multiprocessor platform

采用多處理器方式可獲得較高的處理性能，但傳統(tǒng)結(jié)構(gòu)中服務(wù)器大部分時間都處于空閑狀態(tài)，且一般采用緊耦合的方式，即各個處理器的處理任務(wù)事先分配好，運(yùn)行時不能調(diào)整 .這樣可使系統(tǒng)獲取一個較好的性能，但各部分容易相互影響，可能致使整個系統(tǒng)崩潰.為克服傳統(tǒng)結(jié)構(gòu)的不足，考慮容錯機(jī)制［5-6］，整個系統(tǒng)采用松耦合方式，即在運(yùn)行過程中動態(tài)分配各個處理器的處理任務(wù)，且服務(wù)器也參與處理 .圖1為多機(jī)平臺的硬件系統(tǒng)框圖.

1.2 軟件架構(gòu)系統(tǒng)

根據(jù)疵點(diǎn)檢測圖像處理一般過程，抽象出圖像處理算法的一般模型，如圖2所示.圖像處理算法由一系列相互遞進(jìn)的過程組成，每個過程又由多個相互獨(dú)立的處理函數(shù)組成.將圖像處理算法看成是可以在多臺計算機(jī)之間并行處理而互不影響、相互獨(dú)立的任務(wù)，即引出多機(jī)平臺的軟件架構(gòu)（圖3）.

圖2 圖像處理算法模型Fig.2 Model of image processing algorithms

1.3 多機(jī)數(shù)據(jù)的高速可靠傳輸

硬件系統(tǒng)是由多臺計算機(jī)通過千兆以太網(wǎng)組成的小型局域網(wǎng)，具有網(wǎng)絡(luò)傳輸速度快、環(huán)境簡單、干擾因素少的特點(diǎn).依據(jù)具體情況，數(shù)據(jù)的可靠傳輸至關(guān)重要而數(shù)據(jù)包的順序則無關(guān)緊要，因此協(xié)議的關(guān)鍵是解決數(shù)據(jù)發(fā)送過程中的丟包問題.參照TCP（transmission control protocol）協(xié)議的可靠性機(jī)制［7］，以及 UDT（UDP-based data transfer protocol）等實現(xiàn)過程，引入了簡單的握手機(jī)制及數(shù)據(jù)重發(fā)機(jī)制，其框架如圖4所示.圖4中：實線表示數(shù)據(jù)流；虛線表示控制流.

圖3 多機(jī)平臺軟件整體框圖Fig.3 Software block diagram of multiprocessor platform

圖4 可靠傳輸協(xié)議Fig.4 Reliable transport protocol

1.4 多機(jī)任務(wù)管理層的實現(xiàn)

管理層負(fù)責(zé)任務(wù)的分配、跟蹤及對其他層的管理，具體實現(xiàn)了對客戶端的管理和對任務(wù)結(jié)構(gòu)體的定義 .把任務(wù)封裝成一個一維數(shù)組，通過傳輸協(xié)議發(fā)送給客戶端，而客戶端接收到任務(wù)結(jié)構(gòu)體后，將任務(wù)進(jìn)行解析，重新分配內(nèi)存，獲得可用的內(nèi)存指針.1.4.1 任務(wù)結(jié)構(gòu)體定義 根據(jù)傳輸數(shù)據(jù)特點(diǎn)及傳輸協(xié)議定義了任務(wù)結(jié)構(gòu)體（圖5）.其中，客戶端索引指處理該任務(wù)的客戶端的標(biāo)識碼，該字段值由任務(wù)分配算法根據(jù)客戶的處理情況進(jìn)行指定，實現(xiàn)任務(wù)的動態(tài)分配.函數(shù)索引指處理該任務(wù)所需函數(shù)的標(biāo)識碼，通過該字段值可指定任務(wù)的處理函數(shù)，實現(xiàn)不同任務(wù)對應(yīng)不同的處理算法.

1.4.2 任務(wù)封裝與解析 任務(wù)封裝的意義是將任務(wù)結(jié)構(gòu)體中對應(yīng)的數(shù)據(jù)全部放到一個數(shù)組里面，以便對該任務(wù)進(jìn)行發(fā)送.任務(wù)解析則相反，是將數(shù)組中的數(shù)據(jù)解釋成任務(wù)的結(jié)構(gòu)，以便應(yīng)用程序進(jìn)行處理.在任務(wù)傳遞時，如果只是將普通的結(jié)構(gòu)體轉(zhuǎn)換成數(shù)組的形式，是很容易實現(xiàn)的，有所不同的是結(jié)構(gòu)體里面包含圖像指針.圖像指針?biāo)赶虻膬?nèi)容里面又包含圖像數(shù)據(jù)指針.因此需要對任務(wù)結(jié)構(gòu)體做專門的處理，將需要的數(shù)據(jù)封裝成一個數(shù)組，以便程序進(jìn)行傳遞.在圖5所示的任務(wù)結(jié)構(gòu)體中，圖像指針為OpenCV里使用的IplImage結(jié)構(gòu) .該結(jié)構(gòu)體中定義了圖像的寬、高、位深、通道數(shù)等信息，而圖像的數(shù)據(jù)則是以指針的方式給出.因此，可將任務(wù)結(jié)構(gòu)體封裝成一個數(shù)組.

任務(wù)解析是將數(shù)組解析成圖5所示的任務(wù)結(jié)構(gòu)體形式，但這里并不能簡單地將指針進(jìn)行賦值.原因在于兩臺電腦的內(nèi)存分配不一樣，例如在電腦A中，分配的圖像結(jié)構(gòu)體指針為0x0012c288，而在電腦B中，該指針?biāo)赶虻膬?nèi)存有可能已被占用.因此，在任務(wù)的解析時，需要對各個數(shù)據(jù)空間進(jìn)行重新申請、分配，然后賦值相應(yīng)的指針.

圖5 任務(wù)結(jié)構(gòu)體Fig.5 Structure of task

2 多機(jī)平臺的疵點(diǎn)檢測算法的實現(xiàn)

2.1 并行處理的實現(xiàn)

將圖2算法模型實例化，假設(shè)其實例化算法任務(wù)遞進(jìn)模型如圖6所示.圖6中算法的任務(wù)遞進(jìn)分為4個過程，每個過程中包含1個或多個相互獨(dú)立的處理函數(shù)，將它們定義為任務(wù)，需將其分配到客戶端進(jìn)行并行處理.

對于任務(wù)分配的客戶端，先定義了分配算法函數(shù) .然后，通過調(diào)用分配算法函數(shù)，得到處理任務(wù)的客戶端信息.最后，按照圖5所示結(jié)構(gòu)體填充過程對應(yīng)的任務(wù)并標(biāo)記為Tij（i表示第幾個過程，j表示該過程中第幾個處理函數(shù)），例如：過程1的處理函數(shù)f1，1（x，y），f1，2（x，y），f1，3（x，y）對應(yīng)的任務(wù)分別為T11，T12，T13.

圖6中算法的遞進(jìn)關(guān)系可以從過程和任務(wù)兩個思路來理解 .過程的思路是，圖像進(jìn)入后，由過程1進(jìn)行處理，等

待過程1全部處理后再轉(zhuǎn)由過程2處理，按此順序遞進(jìn)處理，最后由過程4處理輸出結(jié)果.為了直觀的說明任務(wù)分配的情況，其具體分配情況如圖7所示.

圖6 算法的任務(wù)遞進(jìn)Fig.6 Steps of the task algorithm

圖7 基本實現(xiàn)的任務(wù)分配情況Fig.7 Task assignment of basic implementation

通過圖7可以看出：如果以“過程”為基元來處理的話，可能導(dǎo)致某一段客戶端的閑置.通過在客戶端實現(xiàn)一個任務(wù)列表，存儲2個以上的任務(wù)來節(jié)省任務(wù)的分配與接收時間 .在與過程不沖突的前提下，以“任務(wù)”為基元，根據(jù)“誰最閑，誰處理”的原則，在分配任務(wù)前計算客戶端任務(wù)的處理量大小（任務(wù)的運(yùn)算量之和），并將需要分配的任務(wù)按照處理量的大小進(jìn)行排序，將處理量最大的任務(wù)分配給總處理量最小的客戶端 .這樣不僅克服了任務(wù)分配不均的問題，同時也避免了時間的浪費(fèi)，這就是“任務(wù)”的思路.

2.2 Gabor濾波器組的疵點(diǎn)檢測算法

Gabor算法作為一種多尺度空間-空間頻域濾波方法，非常適用于提取多尺度的紋理特性［8］.其一般處理過程為預(yù)處理、Gabor濾波、特征提取、圖像融合，然后進(jìn)行分類等后處理，最后輸出結(jié)果 .二維Gabor函數(shù)空間表達(dá)式的一般形式［9-10］為

式（1）中：σx，σy是尺度因子，決定函數(shù)的空間擴(kuò)展；F表示Gabor函數(shù)的中心頻率 .由式（1）變形可得

圖8 算法的實現(xiàn)過程及任務(wù)分配情況Fig.8 Process of algorithm and allocation of task

3 實驗結(jié)果與分析

測試采用的PC機(jī)配置均為Intel（R）Core（TM）2，2.66 GHz，4 G，800 MHz.將實際拍攝的疵點(diǎn)圖像在不同數(shù)量PC機(jī)構(gòu)建的多機(jī)平臺下進(jìn)行實驗.

3.1 平臺有效性檢驗

測試圖片大小為512 px×512 px，以斷緯疵點(diǎn)圖像的檢測為例，其處理結(jié)果如圖9所示.

圖9 疵點(diǎn)圖像處理結(jié)果Fig.9 Result of processed defect image

分別利用1個尺度、2個方向（0°，90°）和2個尺度、4個方向（0°，45°，90°，135°）的 Gabor算法，對勾絲、斷經(jīng)、斷緯三類疵點(diǎn)多次測試并計算平均時間（t）和加速比（γ），結(jié)果如表1所示.其中：加速比γ為單臺處理機(jī)處理所需要的時間與p臺處理機(jī)處理所需的時間的比值.

表1 三類疵點(diǎn)的處理時間及加速比Tab.1 Processing time and speed ratio of three kinds of fabric defect

從表1可知：1個尺度、2個方向（0°，90°）的Gabor算法下，1臺服務(wù)器＋1臺客戶端的加速比均值約為1.67，較單服務(wù)器方式增幅可達(dá)到0.67；對于1臺服務(wù)器＋2臺客戶端時，加速比不僅沒有提高反而降低 .這是由于Gabor算法僅有1個尺度、2個方向，按照任務(wù)分配準(zhǔn)則，在服務(wù)器參與處理的情況下，只能將任務(wù)分配給3臺處理器（1服務(wù)器＋2客戶端）中的兩臺，這樣其中一臺就處于空閑狀態(tài)，同時服務(wù)端要對空閑客戶端進(jìn)行管理，從而導(dǎo)致了上述現(xiàn)象.此外，從1個尺度、2個方向（0°，90°）和2個尺度、4個方向（0°，45°，90°，135°）的 Gabor算法計算結(jié)果對比可知，算法復(fù)雜度越高，處理時間越長，但系統(tǒng)的加速效果越好，為降低漏檢率和保證實時性提供了有利的條件.

3.2 快速性對比實驗

對于疵點(diǎn)檢測可將圖片分割為兩部分，分別送給兩臺計算機(jī)處理，最后將結(jié)果進(jìn)行拼接 .這種架構(gòu)用于提高檢測速度［11］，這也是許多學(xué)者正在研究的一種架構(gòu).通過單機(jī)檢測算法，分別測試512 px×512 px，512 px×256 px兩種圖片大小的處理時間，并與1臺服務(wù)器＋1臺客戶端處理512 px×512 px大小的圖片的處理時間進(jìn)行對比，結(jié)果如表2所示.

表2 圖片處理時間的對比Tab.2 Contrast of image processing time

從表2可知：提出的多機(jī)任務(wù)架構(gòu)相對于拼接架構(gòu)單機(jī)處理速度提升了約10.2%，可見該架構(gòu)具有一定的優(yōu)勢.

4 結(jié)束語

通過對已有并行處理結(jié)構(gòu)的研究分析，結(jié)合疵點(diǎn)檢測算法的一般過程，構(gòu)建了布匹疵點(diǎn)檢測多機(jī)并行處理平臺 .實驗表明，平臺能夠獲得較為顯著的加速效果.然而，對疵點(diǎn)的分類算法尚未進(jìn)行研究，對于其他檢測算法效果仍有待驗證.雖將處理過程分解成任務(wù)并動態(tài)分配給客戶端，但對如何結(jié)合“數(shù)據(jù)分解”的方式，進(jìn)一步提高多機(jī)系統(tǒng)的處理性能，仍需進(jìn)一步研究.

［1］ KUMAR A.Computer-vision-based fabric detection：A survey［J］.IEEE Transactions on Industrial Electronics，2008，55（1）：348-363.

［2］ 龔艷軍.布匹疵點(diǎn)自動檢測系統(tǒng)的研究和設(shè)計［D］.武漢：華中科技大學(xué)，2005：8-12，33-46.

［3］ CHO C S，CHUUNG B M，PARK M J.Development of real-time vision-based fabric inspection system［J］.IEEE Transactions on Industrial Electronics，2005，52（4）：1073-1079.

［4］ 趙振華，鄭紅.嵌入式可重構(gòu)的多 DSP圖像并行處理系統(tǒng)［J］.單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2009（2）：12-15.

［5］ 陳筠.嵌入式多處理器實時系統(tǒng)的容錯研究與實現(xiàn)［D］.成都：電子科技大學(xué)，2006：4-17.

［6］ 張兵.多DSP并行處理模塊的實現(xiàn)及任務(wù)分配算法［D］.上海：上海大學(xué)，2007：33-44.

［7］ 武奇生.網(wǎng)絡(luò)與 TCP／IP協(xié)議［M］.西安：西安電子科技大學(xué)出版社，2010：142-151.

［8］ UNSER M.Texture classification and segmentation using wavelet frames［J］.IEEE Transactions on Image Processing，1995，4（11）：1549-1560（doi：10.1109／83.469936）.

［9］ MANJUNATH B S，MA W Y.Texture features for browsing and retrieval of image data［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1996，18（8）：837-842（doi：10.1109／34.531803）.

［10］ BODNAROVA A，BENNAMOUN M，LATHAM S J.Textile flaw detection using optimal Gabor filters［C］∥Proceedings 15th International Conference on Pattern Recognition.Barcelona：IEEE Press，2000：799-802（doi：10.1109／ICPR.2000.903038）.

［11］ HSU S，SAWHNEY H S，KUMAR R.Automated mosaics via topology inference［J］.IEEE Computer Graphics and Application，2002，22（2）：44-54（doi：10.1109／38.988746）.