CN106228506A - 一种基于gpu的多帧图像并行处理的方法 - Google Patents
一种基于gpu的多帧图像并行处理的方法 Download PDFInfo
- Publication number
- CN106228506A CN106228506A CN201610554378.5A CN201610554378A CN106228506A CN 106228506 A CN106228506 A CN 106228506A CN 201610554378 A CN201610554378 A CN 201610554378A CN 106228506 A CN106228506 A CN 106228506A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- gpu
- multiple image
- thread
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种为大量图像并行进行图像处理算法。本算法为将多帧图像转化为单帧图像并实现并行处理过程等。本发明方法主要提供如下功能：将多帧的待处理的图像数据整合成单帧图片，之后利用异构通用计算编程架构在GPU中进行图像处理，以实现对多帧图像并行处理的目的，以提高图像处理效率，提高GPU多处理器资源利用率。
Description
技术领域
本发明涉及一种为多帧图像数据进行图像处理的算法，涉及计算机编程语言、图像处理等技术领域，属于计算机图像处理应用领域。
背景技术
现今，大数据时代对数据处理分析提出了更高的要求。随着视频监控的大量应用，对视频监控视频处理与分析的需求也日益增长。视频处理分析作为大数据处理应用之一，更是具有数据密集型的特点，对快速有效的高性能数据处理更是有迫切的要求。视频分析处理对高性能数据处理能力的要求具有重要的意义。
传统的视频图像处理就是逐帧对单路监控图像进行处理，在多处理器和云计算技术兴起后，以上处理进行了并行化，提高了处理速度。但是，由于视频分析处理具有密集数值计算特点，将这类数据用多处理器和云计算技术进行处理，浪费了以上计算设施的大量逻辑分析资源。
随着微电子技术的发展，新型计算技术也层出不穷，基于GPU的通用异构计算技术，为处理密集型数值计算提供一种高效的并行处理手段，非常适合图像处理的各种处理，如图像分割与匹配，边缘提取等。
发明内容
传统的图像处理就是逐帧的对图像进行处理，在多处理器技术兴起的今天，利用GPU的多处理器特点，以达到多帧图像并行处理的目的。
为了实现上述目的，本发明包括以下内容：如图1所示，基于CUDA技术的大量图像并行处理流程简图
1.首先，在主机端(一般为CPU)获取到待处理的多帧图像数据，并将之转化为单祯图像，拷贝到设备端(一般为GPU)等待处理。
2.根据图像数目，在设备端分配存储空间，即按照图像帧数分配存储块，为便于叙述，这里监控源数目为n。因此可以在设备端分配n个存储块。每一个存储块对应存储一帧图像。由CUDA中线程与存储块的关系可以知道，每一个存储块对应一个线程块。由图2可以知道，每一帧图像对应一个存储块，每一个存储块对应一个线程块，每帧图像中每一个像素对应线程块中的一个处理线程。
3.当设备端存储空间分配结束，利用图像处理的相关算法，对每个处理线程进行计算，以完成相关的图像处理操作。
4.待图像处理结束，将设备端的实验结果拷贝回主机端，并将单帧整合图像分解为多帧独立的已完成处理的图像。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1基于CUDA算法的大量图像并行处理流程简图
图2.设备端存储空间分配
图3具体实施运用示意图
具体实施方式
首先，通过多通道视频采集装置获取到多帧待处理的图像，在主机端进行图像整合处理，将多帧视频图像转化成为单祯图像，之后，将数据从主机端拷贝到设备端等待处理。在设备端，首先根据待处理的图像数目进行存储空间分配，每一个图像对应一个线程块，每个线程块中的各个线程对应着一个kernel程序，从而进行Sobel边缘检测处理。待处理结束后，将处理结果反送回主机端，之后，将单张整合图像分解转化为多张边缘检测处理过后的图像结果，完成处理过程，具体的流程如图3所示。
Claims (3)
1.一种为大量图像并行进行边缘检测的处理方法，其特征在于：将多帧图像数据转化成为单帧图像数据，通过基于图形处理器(GPU)通用计算能力的，利用显示存储器进行图像数据提取与存储的，简化图像处理的，允许多帧图像同时进行图像处理的方法。
2.根据权利要求1所述的将多帧图像数据转化成为单帧图像数据，其特征在于：在主机端，将多帧图像整合为一帧“图像”，之后，将待处理的图像数据存储在高速存储器中，当进行边缘检测时，直接从纹理寄存器中提取和调用数据。
3.根据权利要求1所述的基于GPU的通用计算方法，其特征在于：根据异构通用计算编程架构(如NVIDIA公司推出的CUDA架构等)，进行数据结构的安排，每帧图像对应一个单一的线程块(Block)，而各线程块有统一的构成一个网格，在进行图像处理时，每个线程Thread均对应于Kernel程序，从而使得，各个线程可以并行的完成各帧图像的图像处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610554378.5A CN106228506A (zh) | 2016-07-14 | 2016-07-14 | 一种基于gpu的多帧图像并行处理的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610554378.5A CN106228506A (zh) | 2016-07-14 | 2016-07-14 | 一种基于gpu的多帧图像并行处理的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106228506A true CN106228506A (zh) | 2016-12-14 |
Family
ID=57520664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610554378.5A Pending CN106228506A (zh) | 2016-07-14 | 2016-07-14 | 一种基于gpu的多帧图像并行处理的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106228506A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651999A (zh) * | 2016-12-27 | 2017-05-10 | 北京智能管家科技有限公司 | 帧动画加载加速方法及装置 |
| CN108615262A (zh) * | 2018-04-28 | 2018-10-02 | 重庆大学 | 一种基于gpu的海量模型并行碰撞检测方法 |
| CN112995532A (zh) * | 2021-02-03 | 2021-06-18 | 上海哔哩哔哩科技有限公司 | 视频处理方法及装置 |
| CN114913063A (zh) * | 2021-02-10 | 2022-08-16 | 京东方科技集团股份有限公司 | 一种图像处理方法和装置 |
| US11521291B1 (en) | 2020-04-08 | 2022-12-06 | Apple Inc. | Method and device for latency reduction of an image processing pipeline |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102695040A (zh) * | 2012-05-03 | 2012-09-26 | 中兴智能交通（无锡）有限公司 | 基于gpu的并行高清视频车辆检测方法 |
| US8593472B1 (en) * | 2009-07-31 | 2013-11-26 | Nvidia Corporation | System and method for accessing a frame buffer via a storage driver |
| CN103700123A (zh) * | 2013-12-19 | 2014-04-02 | 北京国药恒瑞美联信息技术有限公司 | 基于cuda架构的gpu加速x光图像重建方法和装置 |
| US20150172687A1 (en) * | 2008-12-31 | 2015-06-18 | Advanced Micro Devices, Inc. | Multiple-candidate motion estimation with advanced spatial filtering of differential motion vectors |
| CN104881848A (zh) * | 2015-05-14 | 2015-09-02 | 西安电子科技大学 | 一种基于cuda的低照度图像增强并行优化方法 |
| US9143780B1 (en) * | 2008-12-23 | 2015-09-22 | Elemental Technologies, Inc. | Video encoder using GPU |
-
2016
- 2016-07-14 CN CN201610554378.5A patent/CN106228506A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9143780B1 (en) * | 2008-12-23 | 2015-09-22 | Elemental Technologies, Inc. | Video encoder using GPU |
| US20150172687A1 (en) * | 2008-12-31 | 2015-06-18 | Advanced Micro Devices, Inc. | Multiple-candidate motion estimation with advanced spatial filtering of differential motion vectors |
| US8593472B1 (en) * | 2009-07-31 | 2013-11-26 | Nvidia Corporation | System and method for accessing a frame buffer via a storage driver |
| CN102695040A (zh) * | 2012-05-03 | 2012-09-26 | 中兴智能交通（无锡）有限公司 | 基于gpu的并行高清视频车辆检测方法 |
| CN103700123A (zh) * | 2013-12-19 | 2014-04-02 | 北京国药恒瑞美联信息技术有限公司 | 基于cuda架构的gpu加速x光图像重建方法和装置 |
| CN104881848A (zh) * | 2015-05-14 | 2015-09-02 | 西安电子科技大学 | 一种基于cuda的低照度图像增强并行优化方法 |
Non-Patent Citations (3)
| Title |
|---|
| MAOYUN GUO: "《CUDA-based hierarchical multi-block particle swarm optimization algorithm》", 《IEEE CONFERENCES》 * |
| 吴健 等: "《一种多路快速视频拼接系统设计与实现》", 《计算机工程》 * |
| 左颢睿 等: "《基于GPU的快速Sobel边缘检测算法》", 《光电工程》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651999A (zh) * | 2016-12-27 | 2017-05-10 | 北京智能管家科技有限公司 | 帧动画加载加速方法及装置 |
| CN108615262A (zh) * | 2018-04-28 | 2018-10-02 | 重庆大学 | 一种基于gpu的海量模型并行碰撞检测方法 |
| US11521291B1 (en) | 2020-04-08 | 2022-12-06 | Apple Inc. | Method and device for latency reduction of an image processing pipeline |
| US11704766B2 (en) | 2020-04-08 | 2023-07-18 | Apple Inc. | Method and device for latency reduction of an image processing pipeline |
| CN112995532A (zh) * | 2021-02-03 | 2021-06-18 | 上海哔哩哔哩科技有限公司 | 视频处理方法及装置 |
| CN112995532B (zh) * | 2021-02-03 | 2023-06-13 | 上海哔哩哔哩科技有限公司 | 视频处理方法及装置 |
| CN114913063A (zh) * | 2021-02-10 | 2022-08-16 | 京东方科技集团股份有限公司 | 一种图像处理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106228506A (zh) | 一种基于gpu的多帧图像并行处理的方法 | |
| CN104834561B (zh) | 一种数据处理方法及装置 | |
| DE102020110688A1 (de) | Hardware-agnostischer compiler für tiefgehende neuronale netze | |
| CN106991665B (zh) | 基于cuda图像融合并行计算的方法 | |
| CN104835110B (zh) | 一种基于gpu的异步图数据处理系统 | |
| CN102880509B (zh) | 基于cuda的格网数字高程模型邻域分析的系统和方法 | |
| CN106340055A (zh) | 一种基于多线程的OpenGL快速绘制方法 | |
| CN106951322A (zh) | 一种cpu/gpu异构环境的图像协同处理程序获取方法及系统 | |
| CN106815070B (zh) | 一种用于图像分析的高性能计算框架方法及系统 | |
| CN105373517A (zh) | 基于Spark的分布式稠密矩阵求逆并行化运算方法 | |
| CN105809666A (zh) | 图像抠图方法及装置 | |
| CN103888782B (zh) | 一种hevc解码器并行任务划分方法 | |
| CN113792240A (zh) | 一种页面加载的方法、装置及电子设备 | |
| CN110134517A (zh) | 一种基于公式解析的并行计算方法及装置 | |
| TW200943084A (en) | Pre-processing optimization of an image processing system | |
| CN107153679B (zh) | 一种针对半结构化大数据的提取统计方法及系统 | |
| CN103049304B (zh) | 一种通过死代码移除来加快gpu运行速度的方法 | |
| CN103900533A (zh) | 基于3s技术的海岛资源动态监测方法 | |
| CN106934757A (zh) | 基于cuda的监控视频前景提取加速方法 | |
| Zhuo et al. | The algorithm of text classification based on rough set and support vector machine | |
| CN105512237A (zh) | 一种复杂结构的数据导入系统 | |
| Wu et al. | Real-time low-power binocular stereo vision based on FPGA | |
| CN102999323B (zh) | 一种生成目标代码的方法、数据处理的方法及装置 | |
| CN106485412B (zh) | 一种变电站图像智能分析层次化多任务分布式计算方法 | |
| CN104090813A (zh) | 一种云数据中心的虚拟机cpu使用率的分析建模方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161214 |