ARM架構下計算機圖像并行化處理技術研究

張 鑫

(青海民族大學 計算機學院,西寧 810007)

ARM架構下計算機圖像并行化處理技術研究

張 鑫

(青海民族大學 計算機學院,西寧 810007)

為在圖像處理與分析時具備良好的視覺效果，提高圖像處理的速度，需要對ARM架構下計算機圖像并行化處理技術進行研究;當前采用的方法是對各種變換頻域圖像特征提取與計算機圖像集合特征的提取進行相結合，克服了當前對圖像進行提取時存在圖像形狀描述的缺陷，提取圖像特征向量維數相對較低;實驗表明，通過對圖像進行特征提取能很好地對圖像效果進行展示，將圖像的紋理特征進行詳細的表述，將該方法應用到圖像處理技術當中，具有良好的去噪效果及擴展性，該方法過程簡單，但存在圖像視覺效果較差的問題;為此，提出一種ARM架構下計算機圖像并行化處理技術研究方法;該方法首先利用非局部均值去噪算法對圖像進行去噪處理，然后結合圖像去噪的結果利用小波變換對去噪圖像進行邊緣檢測，最后采用非線性增強算法對圖像進行增強完成對ARM架構下計算機圖像并行化處理技術研究；實驗結果表明，所提方法不僅提高圖像處理速度，還提高圖像視覺效果，具有廣泛的應用價值。

ARM架構；圖像并行化處理；非局部均值算法；小波變換

0 引言

隨著計算機網絡技術的不斷發展與廣泛的應用，數字圖像在生活中扮演了信息方面的重要角色，計算機圖像處理是信號和信息處理學科的重要組成部分[1]。但隨著計算機技術的逐漸進步，對計算機圖像處理技術的要求也就越高[2]。如何把原始的圖像與計算機進行結合創造出更具有視覺效果的圖像、滿足人們不同的需求[3]是當今的繼續解決的重要問題。計算機圖像并行處理技術具有較強的實踐性與理論性，而圖像并行處理技術的發展主要依賴于計算機并行處理技術[4]。圖像處理主要就是將圖像進行轉化成數字矩陣將其存放至計算機中，采用一定的方法進行處理[5]。當前進行計算機圖像處理時存在處理速度較慢及視覺效果較差的問題[6]。而進行ARM架構下計算機圖像并行化處理技術研究是解決上述問題的有效途徑。引起該領域專家與學者們的重視，并進行研究，取得了有效成果[7]。

劉敏提出一種對數變換的圖像增強方法，該方法利用圖像樣條融合技術，將原始圖像與對數變換的圖像進行相融合，對圖像的對比度進行改善，該變換方法可應用于任何圖像對比度的增強，優勢較明顯，研究潛力較大。李涵提出基于幕律變換的圖像處理技術方法，該方法不需要對幕律變換的指數進行選擇，利用在圖像對比度中效果較差，對于圖像中的背景處理效果較差。萬余方提出一種基于直方圖均衡化的圖像處理方法，利用變量直方圖均衡化來提高圖像的對比度，在直方圖均衡化的基礎上，定義新圖像對比度增強的變換函數，為圖像亮度約束函數，保持對圖像直方圖拉伸進行控制，減少圖像亮度的變化。王磊提出一種基于局部數據的圖像處理方法，該方法首先對圖像局部數據進行提取，因圖像對比度增強以及噪聲都基于圖像的局部均值以及方差，由此該算法對圖像像素的均值以及方差可以進行轉化。李德森提出一種基于平滑濾波器的圖像處理技術方法，該方法首先對平滑濾波器進行控制，保持圖像融合技術以提高圖像的細節。圖像融合技術主要應用于分辨率的光譜圖像與全色圖像中。馬德里提出一種改進直方圖均衡化的圖像處理方法，對圖像進行設定一個獨立的動態參數，與傳統的直方圖均衡化對比具有自適應統計圖像灰度進行改進圖像，由此呈現視覺效果較好的圖像。文獻[8]提出了一種基于小波變換的圖像并行處理技術研究方法。該方法首先對各種變換頻域的圖像特征提取與計算機圖像集合特征的提取進行相結合，克服了當前對圖像進行提取時存在的圖像形狀描述的缺陷，提取圖像特征向量維數相對較低，實驗表明，通過對圖像進行特征提取能很好的對圖像效果進行展示，將圖像的紋理特征進行詳細的表述，將該方法應用到圖像處理技術當中，具有較好的去噪效果以及良好的擴展性，該方法過程簡單，但存在圖像視覺效果較差的問題。文獻[9]提出了一種基于改進算法的圖像處理并行處理技術研究方法。該方法首先對圖像中出現的邊緣模型進行描述，把連續型的邊緣作為主要的研究對象，對圖像邊緣進行構造檢測的模板，針對圖像邊緣檢測的導數極大值帶來的圖像邊緣定位準確度較低的缺點，對圖像進行邊緣細化處理，實驗結果表明，該方法對圖像噪聲具有較強的去噪能力，對圖像提取的邊緣較準確，但該方法存在圖像并行化處理較差的問題。文獻[10]提出一種基于Retinex算法的圖像處理技術研究。該方法首先依據圖像的像素分量輸入彩色圖像進行分解，代表圖像場景中不同波長的反色光強度，利用Retinex算法對圖像像素間的相對色彩明暗關系進行確定圖像像素的色彩，將Retinex算法空間內的圖像色彩映射到RGB的空間中，獲取原始圖像增強后的圖像。通過該方法獲取的經過增強的圖像具有逼真度較強，圖像處理效果較好，但該方法存在圖像處理速度較慢的問題。

依據上述問題，提出一種ARM架構下計算機圖像并行化處理技術研究方法。該方法首先利用非局部均值去噪算法對圖像進行去噪，然后結合圖像去噪的結果利用小波變換對去噪圖像進行邊緣檢測，最后利用非線性增強算法對圖像進行增強完成對ARM架構下計算機圖像并行化處理技術研究。仿真實驗結果表明，本文方法不僅提高了圖像處理的速度，還提高了圖像視覺效果，具有廣泛的應用價值。

1 計算機圖像處理技術研究

首先對計算機圖像進行分割，結合分割的圖像利用自適應提取算法對圖像進行特征提取，最后對提取的圖像利用直方圖均衡化對圖像進行增強完成對圖像的處理。

假設Ri與Rj表示利用閾值T進行計算機圖像分割，Ai表示區域Ri的圖像的大小，μ表示區域Ri的圖像平均灰度，ki表示與Ri相鄰的區域圖像個數，可定義圖像歸一化系數為：

(1)

式(1)中表示計算機圖像分割部分的最大方差與圖像灰度平均值的最大差。

(2)

式(2)中，Ti表示Ri與圖像相鄰區域平均的對比度，而Mi表示圖像Ri內部的均勻性。

假設，圖像提取的特征點的數量為Nk，圖像提取特征點的期望值為Nt，圖像特征提取的灰度閾值為Gk+1，進行圖像特征點的提取可表示為：

(3)

利用直方圖均衡化增強算法進行圖像增強，對計算機圖像進行分塊，每個圖像的邊緣以圖像像素(i,j)為中心，以w為邊長的圖像邊緣用O(i,j)進行表示，計算圖像的梯度值(dx,dy)為：

(4)

由上述公式可轉化為：

(5)

將圖像像素點與所在圖像的主方向進行對比，利用公式(6)進行計算圖像權系數h。

(6)

式(6)中，σ表示圖像允許誤差的角度。利用上述的圖像增強完成對圖像的處理。但該方法進行圖像處理時不能將圖像同時進行并行化處理。

2 ARM架構下計算機圖像并行化處理技術方法

首先利用非局部均值去噪算法對圖像進行去噪，然后結合圖像去噪的結果利用小波變換對去噪圖像進行邊緣檢測，最后利用非線性增強算法對圖像進行增強完成對ARM架構下計算機圖像并行化處理技術研究。具體過程如下：

2.1 基于非局部均值算法對ARM架構下圖像去噪

利用非局部均值去噪算法對圖像進行去噪，假設噪聲信號與圖像無關的高斯白噪聲，圖像噪聲模型為：

V(i)=X(i)+N(i)

(7)

式(7)中，X(i)表示沒有受噪聲污染的原始計算機圖像，N(i)表示受污染的計算機圖像。已知離散含有噪聲的圖像v={v(i)|i∈I}，I表示計算機圖像域，對于計算機圖像中的任意像素i，ONLM算法利用計算機圖像中像素灰度值的加權平均值得出圖像點的灰度估計值為：

(8)

式(8)中，圖像權值w(i,j)依賴圖像像素i與j間的相似度，可滿足0≤w(i,j)≤1并且Σjw(i,j)=1，圖像像素i與像素j間的相似度由灰度值矩陣Ni與Nj間的相似度而決定的，Ni表示以圖像像素i為中心的方形鄰域，各鄰域間的圖像灰度值矩陣的相似度通過高斯加權的歐式距離d(i,j)進行衡量，可定義為：

(9)

(10)

(11)

式(11)中，參數h表示指數函數的圖像衰減因子，圖像控制指數函數的衰減速度，由此完成對計算機圖像的去噪。

2.2 基于小波變換對ARM架構下圖像邊緣檢測

結合上述去噪后的圖像利用小波變換邊緣檢測的分析方法進行計算機圖像邊緣檢測，假設圖像函數θ(x,y)滿足條件為：

(12)

稱θ(x,y)表示平滑函數，取高斯函數作為平滑函數為：

(13)

式(13)中，A表示圖像幅值，(x,y)表示圖像點的坐標，σ表示圖像的半軸。

對于θ(x,y)，定義的圖像小波函數為：

(14)

(15)

在尺度2j時圖像函數f(x,y)小波變換的模和幅角為：

(16)

由上述能看出，平滑后圖像函數的突變點對應于矢量方向A2jf(x,y)上M2jf(x,y)的局部圖像邊緣點，需沿圖像方向A2jf(x,y)對M2jf(x,y)的局部圖像邊緣點，可得出圖像函數的邊緣點，對?(x0,y0)，如果M2jf(x,y)在由A2jf(x,y)給定的圖像邊緣點，可稱(x0,y0)表示f(x,y)的小波變換的圖像邊緣點，由此完成對計算機圖像的邊緣檢測。

2.3 基于非線性算法對ARM架構下計算機圖像增強

結合上述對圖像進行的邊緣檢測，利用非線性函數對圖像低頻的部分進行非線性增強。首先統計原始計算機圖像的灰度范圍內像素為零的空閑灰度級數目Lr。將灰度級別頻率小于閾值Δ的灰度級別視為空閑的圖像灰度級別，可減少頻率極小的噪聲對空閑的圖像灰度級的干擾。Δ的取值是計算機圖像增強處理效果的關鍵，Δ過大易造成有效的圖像信號被壓縮，Δ過小易導致圖像增強的效果不明顯。

(17)

統計his′=0的圖像灰度即個數為Lr。

對計算機圖像的灰度范圍內的灰度級別數目進行計算：

Le=255-Lr

(18)

將上述統計出的圖像空閑灰度級別的數目Lr按有效的灰度級頻率的大小進行分配。

假設灰度級的概率密度函數為：

(19)

公式(19)中，n表示圖像像素的總數，nk表示灰度級為rk的像素頻數。

(20)

(21)

上述公式中，M=max(|w(i,j)|)。

采用ENG對計算機圖像進行分線性增強，圖像結果為增大值，對于圖像增強算子可依據計算機圖像選擇不同閾值作為圖像增強細節的初始值，達到增強圖像的目的，使計算機圖像具有更好的視覺效果以及更高的圖像對比度。由上述的計算能看出，可同時對檢測以及圖像增強進行圖像并行化處理。由此完成對ARM架構下計算機圖像并行化處理技術研究。

3 實驗結果與分析

為了證明ARM架構下計算機圖像并行化處理技術的有效性以及可行性，需要進行一次仿真實驗，在Matlab2016的環境下搭建計算機圖像并行化處理技術的仿真實驗平臺。實驗數據選用256×256大小的圖像進行驗證本文方法。表1表示文獻[8]、文獻[9]與本文方法加入標準差5、10、15、20、25、的高斯白噪聲的峰值信噪比(dB)對比。

表1 不同方法的去噪信噪比對比 dB

由表1能看出，本文所提方法的圖像去噪的信噪比隨著噪聲標準差的增加，圖像去噪信噪比比較穩定，而文獻[8]與文獻[9]所提方法的圖像去噪信噪比明顯不穩定，可行性較低，由此證明本文方所提方法的可行性較高。圖1表示不同圖像邊緣檢測方法對比。

圖1 不同圖像邊緣檢測方法對比

對圖1進行分析可知，Canny算子沒有檢測出圖像中的細節邊緣，但本文圖像邊緣檢測方法不僅能檢測出圖像的細節邊緣，而且抑制噪聲的能力更強，檢測出的圖像邊緣比較連續，包含的圖像細節較多，而Canny邊緣檢測雖然除去了噪聲，但丟失了圖像局部邊緣的細節信息，本文所提方法不僅能保留圖像細節邊緣，還可以丟棄無用的圖像噪聲點，保留有用的圖像信息，使經過邊緣檢測的圖像連續并且清晰準確。圖2表示不同圖像增強方法的效果對比。

圖2 不同方法的圖像增強效果

由圖2能看出，在對原始圖像進行圖像增強時，直方圖均衡化增強在一定程度上可提高圖像的層次感，但直方圖均衡化并沒有對圖像的灰度進行調整，使圖像看起來顏色較暗，直方圖均衡化在增強圖像的同時也增強了圖像的背景，過程較為復雜，不適合進行進一步的研究與分析，而本文所提方法，能有效的提高圖像的對比度。

仿真實驗表明，所提方法可對圖像進行并行化處理，解決圖像處理時處理速度較慢以及視覺效果較差的問題，具有較大的發展潛力以及廣泛的實用價值

4 結論

當前采用對各種變換頻域圖像特征提取與計算機圖像集合特征提取相結合的方式，避免對提取圖像過程中圖像形狀描述不佳和提取圖像特征向量維數較低的情況。仿真實驗表明，通過對圖像進行特征提取可以將圖像紋理特征表述詳細，繼而更好地展示圖像效果。該方法應用在圖像處理技術中，能夠得到較好的去噪效果，并且具有良好的擴展性。該方法雖然操作簡單，但圖像視覺效果不佳。為此，提出一種ARM架構下計算機圖像并行化處理技術研究方法。該方法通過非局部均值去噪算法對圖像進行去噪，再利用小波變換方式進行邊緣檢測，最后通過非線性增強算法對圖像進行增強，完成在ARM架構下計算機圖像并行化處理技術的研究。仿真實驗表明，所提方法能夠提高圖像處理效率和視覺效果，具有可實踐性。

[1] 江 燕,王敬東.圖像處理在平面零件分揀控制中的應用[J].電氣傳動,2015,45(2):76-80.

[2] 伍云霞,田一民.基于字典學習的煤巖圖像特征提取與識別方法[J].煤炭學報,2016,41(12):3190-3196.

[3] 張曉琳,崔寧寧,楊 濤,等.一種分層顯著點的爐內火焰圖像特征提取方法[J].小型微型計算機系統,2015,36(7):1587-1590.

[4] 顧 明,鄭林濤,尤 政.基于顏色空間轉換的交通圖像增強算法[J].儀器儀表學報,2015,36(8):1901-1907.

[5] 云海姣,吳志勇,王冠軍,等.結合直方圖均衡和模糊集理論的紅外圖像增強[J].計算機輔助設計與圖形學學報,2015,27(8):1498-1505.

[6] 王 亮.超分辨率圖像的小特征增強方法研究與仿真[J].計算機仿真,2016,33(8):373-376.

[7] 江 麗.基于Matlab空間域算法的圖像增強技術的研究與應用[J].電子設計工程,2016,24(22):131-133.

[8] 嚴傳波,木拉提·哈米提,李 莉,等.基于解析Fourier-Mellin矩新疆草藥圖像綜合特征的檢索研究[J].科技通報,2016,32(3):47-52.

[9] 齊興斌,趙 麗,李雪梅.基于BIRCH聚類加速的彩色圖像增強算法[J].計算機測量與控制,2016,24(4):137-140.

[10] 袁 玲,黃 靖,劉婭琴,等.基于圖像融合的去掌紋手掌靜脈圖像增強方法[J].科學技術與工程,2016,16(36):48-54.

Computer Image Parallelization Processing Technology in ARM Architecture

Zhang Xin

( College of Computer, Qinghai University for Nationalities,Xining 810007,China)

In order to have good visual effects and improve the speed of image processing in image processing and analysis, it is necessary to study the parallel processing technology of computer image under ARM architecture. The current method is used to extract and transform domain image feature with computer image collection characteristics combined to overcome the current extraction of image defects of image shape description and extraction of image feature vector dimension is relatively low. Experimental results show that the good display effect through the image to extract the features of the images, the image texture features were detailed description, the method is applied to image processing technology, has good denoising effect and expansibility, the process is simple, but has poor visual effect of image problem. Therefore, a method of parallel processing of computer image under ARM architecture is proposed. This method uses the non local mean denoising algorithm for image denoising, and then combined with the results of image denoising using wavelet transform to detect the edge of image denoising, the nonlinear enhancement algorithm to enhance the completion of the parallel ARM architecture of computer image processing technology research on image. The experimental results show that the proposed method can not only improve the image processing speed, but also improve the visual effects of the image. It has a wide range of practical value.

ARM architecture;image parallelization processing; non-local mean algorithm; wavelet transform

2017-05-19；

2017-05-30。

張 鑫(1979-)，男，甘肅蘭州人，碩士，講師，主要從事計算機圖形圖像、視覺傳達設計方向的研究。

1671-4598(2017)12-0237-03

10.16526/j.cnki.11-4762/tp.2017.12.061

TP391

A