基于GPU加速的Otsu圖像閾值分割算法實現(xiàn).pdf

1、在數(shù)字圖像處理的應(yīng)用領(lǐng)域中，經(jīng)常需要對圖像目標(biāo)進行提取識別，如人臉識別、文字識別、指紋識別、車牌識別、基于內(nèi)容的圖像檢索等，圖像分割則是圖像識別預(yù)處理階段至關(guān)重要的步驟。圖像閾值分割是最常見的圖像分割處理方法。傳統(tǒng)的圖像閾值分割算法是利用圖像的灰度特征，通過自適應(yīng)選擇的最優(yōu)分割閾值來實現(xiàn)圖像分割。其中，最大類間方差法(0tsu)與物體和背景的像素分布模型無關(guān)，整體分割效果較好，廣泛用于天文、軍事、道路交通、醫(yī)學(xué)圖像及刑事偵破等領(lǐng)域。

2、r>　　 然而在機場安檢，車牌識別，軍事偵察，醫(yī)學(xué)診斷等實時性要求高和圖像處理操作數(shù)據(jù)量大的領(lǐng)域，0tsu圖像閾值分割算法計算速度還達不到實時性要求。針對這個問題，有學(xué)者利用模糊集和灰度直方圖相似性來縮短0tsu閾值的查找時間，也有學(xué)者利用競選算法來優(yōu)化0tsu法搜索圖像的全局閾值，雖然這些改進0tsu圖像閾值分割算法，取得了一定的加速效果，可是由于還是CPU中的串行計算方法，加速效果有限。
　　 為了解決上述問題，本文通過研

3、究0tsu圖像閾值分割算法和GPU的并行計算框架編程，提出一種基于GPU加速的0tsu圖像閾值分割算法。該方法針對0tsu圖像閾值分割算法在CPU中串行方法實現(xiàn)速度較慢，數(shù)據(jù)運算量大，或者采取折衷的求次優(yōu)閾值算法等問題，利用GPU并行框架結(jié)構(gòu)和向量并行計算能力，將CPU中串行的0tsu圖像閾值分割算法運算過程轉(zhuǎn)化為GPU中的并行處理紋理渲染過程，不但去除了0tsu圖像閾值分割算法在CPU和GPU中數(shù)據(jù)多次傳遞的延時問題，而且相對0tsu

4、圖像閾值分割算法在CPU的處理步驟，GPU中減少了渲染處理步驟，使0tsu圖像閾值分割算法在GPU中并行實現(xiàn)，數(shù)據(jù)運算速度加快。同時，保留了0tsu算法閾值的最優(yōu)解。
　　 本文的創(chuàng)新點是將CPU中算法的串行思路轉(zhuǎn)變到GPU中算法的并行思路，在考慮了0tsu圖像閾值分割算法滿足可并行化的條件，充分利用GPU中紋理的RBGA四個通道，分別存儲所需要的并行數(shù)據(jù)，并且一遍渲染操作就完成了所有數(shù)據(jù)的運算，節(jié)省了大量的時間。