面向異構眾核處理器的圖像半色調化并行算法研究.pdf

1、圖像半色調化是一種廣泛應用在圖像處理領域中的影印技術。近年來隨著高分辨率、大尺寸規(guī)模圖像的應用，傳統(tǒng)的圖像半色調化串行算法已不能滿足實時處理的需求。異構眾核處理器的不斷發(fā)展和大規(guī)模的應用，為加速圖像半色調化處理指明了方向。然而目前針對圖像半色調化算法異構眾核加速的相關研究較少。本文所做的工作可分為以下兩個部分：
　　針對圖像處理領域中比較耗時的圖像卷積運算，本文利用異構眾核處理器對其進行并行加速。首先對圖像卷積運算并行化；然后使用

2、共享存儲器優(yōu)化和寄存器劃塊優(yōu)化策略對并行算法作進一步優(yōu)化；最后分別對比水平一維卷積、垂直一維卷積和二維卷積在不同異構眾核處理器平臺上的加速效果。實驗結果表明，在異構眾核處理器平臺上，圖像卷積算法中優(yōu)化策略的選取則需要結合具體的應用場景和應用平臺。
　　針對圖像打印領域中比較耗時的圖像半色調化算法，本文利用異構眾核處理器對其進行并行加速。首先利用局部鄰域理論對傳統(tǒng)的圖像半色調化串行算法進行改進，顯著減少串行算法的計算復雜度；然后采用

3、泊松碟采樣法消除數據依賴關系，為算法在眾核處理器上并行加速奠定基礎；最后采用共享存儲器優(yōu)化、合適粒度任務并行優(yōu)化、歸約樹優(yōu)化、常量存儲器優(yōu)化以及基于紋理存儲器的二維緩存優(yōu)化等一系列優(yōu)化策略，對并行算法作進一步優(yōu)化。實驗結果表明，在面向桌面端的Intel Xeon CPU+Tesla K20異構計算平臺上，并行優(yōu)化后的算法相對于優(yōu)化前的初始并行算法性能提升約5~18倍；并行優(yōu)化后的算法相對于串行算法性能提升約95~110倍。在面向移動端的