CN104503731A - 二值图像连通域标记快速识别方法 - Google Patents

Abstract

本发明公开了一种二值图像连通域标记快速识别方法，包括以下步骤： CPU和GPU的初始化：扫描图像：将扫描结果保存在服务器环境的磁盘中；对扫描过的结果合并处理；判断是否迭代扫描，保存结果处理，结束。实现提高效率，并适合于并行化以及对大图像实时处理的优点。

Description

二值图像连通域标记快速识别方法

技术领域

本发明涉及图像处理领域，具体地，涉及一种二值图像连通域标记快速识别方法。

背景技术

目前，二值图像（binary image）是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。其优点是占用空间少。缺点是当表示人物、风景的图像时，二值图像只能描述其轮廓，不能描述细节。现有的连通域标记方法有：连通逐点扫描法，该方法需要处理大量重复标记，逻辑复杂，效率较低。

种子填充法，该方法效率较高，但不适合并行化。

以上两大类方法都是串行设计，不具备对大图像实时处理的条件。

统一计算设备架构（Compute Unified Device Architecture，CUDA），能够解决复杂的计算问题。例如，CUDA 能够加快AMBER这款分子动力学模拟程序的速度，可以实现18倍速度提升，因此，在机电领域CUDA是一个巨大的市场。现有方法存在效率低、不适合并行化以及不具备对大图像实时处理的缺陷。

发明内容

本发明的目的在于，针对上述问题，提出一种二值图像连通域标记快速识别方法，以实现提高效率，适合于并行化以及对大图像实时处理的优点。

为实现上述目的，本发明采用的技术方案是：

一种二值图像连通域标记快速识别方法，包括以下步骤：

S1、CPU和GPU的初始化：

S2、扫描图像：

S2a、建立独立的图像标记缓存和连通关系数组,利用GPU的CUDA架构并行执行扫描，搜索邻域内最小标号值的像素点对连通域进行标记；

S2b、分配N个线程，每个线程扫描对应行目标像素，并对目标做标记，利用CUDA平台内置的blockIdx变量跟踪每个进程的运行，并且每个线程返回该行连通域的个数；

S2c、实现进程block间的同步；

S3、将上述步骤S2扫描结果保存在服务器环境的磁盘中；

S4、对扫描过的结果合并处理；

S5、判断是否迭代扫描，如果迭代扫描结果是否，则重复步骤S1；

S6、如果迭代扫描结果是是则保存结果处理，结束。

优选的，所述步骤S1中CPU和GPU的初始化具体为：利用服务器环境建立虚拟图形工作站集群，所述服务器环境包括服务器计算机或服务器集群以及主控服务器，所述服务器计算机或服务器集群上安装有多块CUDA架构的GPU显卡，该服务器计算机或服务器集群作为计算节点，所述的主控服务器负责对所有任务进行调度控制，并负责管理各个节点的计算和对存储资源进行整合；

优选的，所述虚拟图形工作站集群为过逻辑组合构成动态虚拟机，各块GPU显卡之间通过SLI接口连接。

优选的，所述的CUDA架构平台的块大小为256或512。

优选的，在步骤S3中，设定连续地址空间每次的最大执行记录数PAGESIZE大小为8Kbytes，将扫描结果分割成pixSize/PAGESIZE个页面，pixSize为单个扫描结果的大小；对于不足PAGESIZE大小的文本将填充至PAGESIZE；对于一个扫描结果分割成M个PAGESIZE，第i页的最后maxPatternLength长度的内容和第i+1页的前面maxPatternLength长度的内容是一样的，i = 0,1,2,3…M-1，maxPatternLength为最长样本的长度；保存每一个扫描结果对应的存储空间，而且在以固定的缓冲大小传入GPU之前对文件的标识采用链表和数组的形式，即链表的每一节点用固定大小的数组记录固定数量的扫描结果。

优选的，所述步骤S4.对扫描过的结果合并处理包括以下步骤：

S4a. 利用GPU中的全局内存对扫描结果的合并处理；每16个线程合并读取全局内存中的一页存储页64B到共享内存中进行合并处理；

S4b.匹配完64B再去全局内存取出存放入共享内存，如此循环。

本发明的技术方案具有以下有益效果：

1.适用于对大图像实时处理：

本发明技术方案利用GPU进行二值图像连通域标记识别，通过GPU的并行匹配技术的优势，将图像扫描与GPU有机结合起来，加速连通域识别算法，不仅可以提高系统整体性能，也为工业裂痕扫描、遥感图像的路径提取、生物信息分析、海量信息检索等领域提供了重要方法和工具，比较适用于对大图像实时处理。

2.效率高：

本发明技术方案利用CPU与 GPU可协同处理的特性，分配N个线程，每个线程扫描对应行目标像素，并对目标做标记，利用CUDA平台内置的blockIdx变量跟踪每个进程的运行，避免了现在扫描方法中“4连通”和“8连通”那些繁杂的判断，而且执行的效率不受连通域形状及数量的影响，大大提高了复杂图像扫描效率，其方法简单、便捷。

3．可适合并行化：

因为GPU设备的分支转移控制和数据缓存机制都非常弱，而且GPU与GPU全局内存之间的数据传输速率和CPU与CPU高速缓存之间的数据传输速率相比要慢很多，本发明技术方案相对合理地设计与实现数据存储和并行计算的模式，避免了GPU设备的分支转移控制和数据缓存机制较弱、GPU与GPU全局内存之间的数据传输速率较慢的问题。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明实施例所述的二值图像连通域标记快速识别方法的流程图；

图2为本发明实施例所述图像扫描结果存储形式示意图；

图3为本发明实施例所述图像合并处理中GPU内存执行模型示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例一：

如图1所示，一种二值图像连通域标记快速识别方法，包括以下步骤：

S1．CPU和GPU的初始化：

利用服务器环境建立虚拟图形工作站集群，该虚拟图形工作站经过逻辑组合构成动态虚拟机，服务器环境包括服务器集群和主控服务器，即服务器环境包括服务器集群上安装有多块CUDA架构的GPU显卡，各块GPU显卡之间通过SLI接口（Scalable Link Interface、可升级连接接口）连接，CUDA架构平台的块大小为256或512；该服务器集群作为计算节点，主控服务器负责对所有任务进行调度控制，并负责管理集群上各个节点的计算和对存储资源进行整合；

S2．扫描图像：

S2a.建立独立的图像标记缓存和连通关系数组,利用GPU的CUDA架构并行执行扫描，搜索邻域内最小标号值的像素点对连通域进行标记；

S2b.分配N个线程，每个线程扫描对应行目标像素，并对目标做标记，利用CUDA平台内置的blockIdx变量跟踪每个进程的运行，并且每个线程返回该行连通域的个数；

S2c.主控程序实现进程block间的同步；

S3.将扫描结果保存在服务器环境的磁盘中；存储形式如图2所示。

S4．对扫描过的结果合并处理；图像合并处理中GPU内存执行如图3所示。

S5．判断是否迭代扫描，如果结果为是，则进入步骤S6，如果结果为否，则重复步骤S1；

S6．保存结果处理，结束。

在上述步骤S3中，设定连续地址空间每次的最大执行记录数PAGESIZE大小为8Kbytes，将扫描结果分割成pixSize/PAGESIZE个页面，pixSize为单个扫描结果的大小；对于不足PAGESIZE大小的文本将填充至PAGESIZE；对于一个扫描结果分割成M个PAGESIZE，第i页的最后maxPatternLength长度的内容和第i+1页的前面maxPatternLength长度的内容是一样的，i = 0,1,2,3…M-1，maxPatternLength为最长样本的长度；只需要保存每一个扫描结果对应于哪个存储空间，而且在以固定的缓冲大小传入GPU之前对文件的标识都采用链表和数组的形式，即链表的每一节点用固定大小的数组记录固定数量的扫描结果（图像扫描结果存储形式示意图参见图2）。

上述步骤S4.对扫描过的结果合并处理包括以下步骤：

S4a. 利用GPU中的全局内存（Global Memory）对扫描结果的合并处理；每16个线程合并读取Global Memory中的一页存储页64B到共享内存中进行合并处理；

S4b.匹配完64B再去Global Memory取出存放入共享内存，如此循环（图像合并处理中GPU内存执行模型示意图参见图3）。

实施例二：

与实施例一的区别在于，服务器环境包括一台服务器计算机和主控服务器。

S1．CPU和GPU的初始化具体为：

利用服务器环境建立虚拟图形工作站集群，该虚拟图形工作站经过逻辑组合构成动态虚拟机，服务器环境包括一台服务器计算机和主控服务器，即服务器环境包括服务器计算机上安装有多块CUDA架构的GPU显卡，各块GPU显卡之间通过SLI接口连接，CUDA架构平台的块大小为256或512；该服务器计算机作为计算节点，主控服务器负责对所有任务进行调度控制，并负责管理各个节点的计算和对存储资源进行整合；

本发明技术方案用于裂纹识别、遥感图像的路径提取及形状的目标识别等图像识别（目标提取）方法

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种二值图像连通域标记快速识别方法，其特征在于，包括以下步骤：

S1、CPU和GPU的初始化：

S2、扫描图像：

S2a、建立独立的图像标记缓存和连通关系数组,利用GPU的CUDA架构并行执行扫描，搜索邻域内最小标号值的像素点对连通域进行标记；

S2b、分配N个线程，每个线程扫描对应行目标像素，并对目标做标记，利用CUDA平台内置的blockIdx变量跟踪每个进程的运行，并且每个线程返回该行连通域的个数；

S2c、实现进程block间的同步；

S3、将上述步骤S2扫描结果保存在服务器环境的磁盘中；

S4、对扫描过的结果合并处理；

S5、判断是否迭代扫描，如果迭代扫描结果是否，则重复步骤S1；

S6、如果迭代扫描结果是是则保存结果处理，结束。

2.根据权利要求1所述的二值图像连通域标记快速识别方法，其特征在于，所述步骤S1中CPU和GPU的初始化具体为：利用服务器环境建立虚拟图形工作站集群，所述服务器环境包括服务器计算机或服务器集群以及主控服务器，所述服务器计算机或服务器集群上安装有多块CUDA架构的GPU显卡，该服务器计算机或服务器集群作为计算节点，所述的主控服务器负责对所有任务进行调度控制，并负责管理各个节点的计算和对存储资源进行整合。

3.根据权利要求2所述的二值图像连通域标记快速识别方法，其特征在于，所述虚拟图形工作站集群为过逻辑组合构成动态虚拟机，各块GPU显卡之间通过SLI接口连接。

4.根据权利要求3所述的二值图像连通域标记快速识别方法，其特征在于，所述的CUDA架构平台的块大小为256或512。

5.根据权利要求1至4任一所述的二值图像连通域标记快速识别方法，其特征在于，在步骤S3中，设定连续地址空间每次的最大执行记录数PAGESIZE大小为8Kbytes，将扫描结果分割成pixSize/PAGESIZE个页面，pixSize为单个扫描结果的大小；对于不足PAGESIZE大小的文本将填充至PAGESIZE；对于一个扫描结果分割成M个PAGESIZE，第i页的最后maxPatternLength长度的内容和第i+1页的前面maxPatternLength长度的内容是一样的，i = 0,1,2,3…M-1，maxPatternLength为最长样本的长度；保存每一个扫描结果对应的存储空间，而且在以固定的缓冲大小传入GPU之前对文件的标识采用链表和数组的形式，即链表的每一节点用固定大小的数组记录固定数量的扫描结果。

6.根据权利要求5所述的二值图像连通域标记快速识别方法，其特征在于，

所述步骤S4.对扫描过的结果合并处理包括以下步骤：

S4a. 利用GPU中的全局内存对扫描结果的合并处理；每16个线程合并读取全局内存中的一页存储页64B到共享内存中进行合并处理；

S4b.匹配完64B再去全局内存取出存放入共享内存，如此循环。