

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、二值圖像連通域標記是指將二值圖像中通過給定規(guī)則相互連接的像素附上同樣的標記,而相互不連接的像素附上不同標記的處理過程。二值圖像連通域標記在機器人視覺,人臉識別等相關領域有著重要的應用。二值圖像連通域快速標記算法是在CPU(Central Processing Unit)上進行一次光柵掃描標記后采用集合合并方式處理等價類的一種算法,該算法在以CPU為處理核心的算法中是效率最高和最具魯棒性的算法。但是與其他現(xiàn)有標記算法相比該算法的效率和性能
2、提升幅度比較有限。本文以并行處理為出發(fā)點,設計和實現(xiàn)了一種并行的二值圖像連通域標記算法來提高二值圖像連通域標記問題的處理效率。
GPU(Graphic Processing Unit)是顯卡的“心臟”,由于現(xiàn)代計算機對圖像處理要求越來越高,特別是計算機系統(tǒng)對于2D和3D圖像的實時處理主要依賴于GPU的圖像處理能力。當前可編程GPU具有卓越的計算功率和非常高的存儲器帶寬,可以被認為是一種高度并行化、多線程和多核的處理器。CUDA
3、(Compute Unified Device Architecture)是NVIDIA公司提出的一種新的實現(xiàn)GPU通用計算的軟硬件架構。通過CUDA架構編程人員可方便的使用類似C語言的代碼啟動大量的GPU線程實現(xiàn)并行工作。本文所設計的算法以CUDA架構為基礎,并以CUDA C為編程語言,實現(xiàn)二值圖像連通域標記問題的并行處理。
通過二值圖像連通域標記問題的可并行化分析,設計出了一種完全基于GPU內(nèi)核多線程并行運行的二值圖像連通
4、域標記算法。該算法的輸入為PBM(Portable Bitmap Image)格式二值圖像文件,經(jīng)過I/O(Input/Output)初始化后將二值圖像文件格式化為由4個特定位置像素為一最小連接體,以最小連接體為元素的矩陣描述原始圖像。通過對圖像描述矩陣進行初次標記,一次和反推標記和循環(huán)等價標記三個完全并行步驟后實現(xiàn)了對二值圖像連通域標記問題的處理。該算法最終輸出為對應的標記值矩陣和連通域數(shù)目。
在算法設計基礎上編程實現(xiàn)了二值
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 二值圖像連通域標記快速算法實現(xiàn)
- 改進的多值圖像連通域標記ASIC設計.pdf
- 多值圖像連通域標記ASIC設計.pdf
- 基于小波域的二值圖像數(shù)字水印算法研究.pdf
- 基于邊緣的快速圖像插值算法研究.pdf
- 海量灰度圖像8連通域標記算法的設計與應用.pdf
- 基于高層綜合方法的連通域標記算法硬件加速研究.pdf
- 海量灰度圖像八連通域并行標記算法的研究與應用.pdf
- 基于FPGA的圖像連通域處理的研究.pdf
- 實時的圖像連通域分析算法設計與實現(xiàn).pdf
- 改進的模糊連通度圖像分割算法.pdf
- 基于小波域的奇異值數(shù)字水印改進算法.pdf
- 基于CUDA的肝臟CT圖像分割算法研究.pdf
- 基于混沌與置亂加密的DCT域二值圖像數(shù)字水印算法.pdf
- 基于CUDA的圖像細化算法研究與應用.pdf
- 基于文本圖像二值算法的優(yōu)化研究.pdf
- 畢業(yè)設計(論文)二值圖像像素標記算法與實現(xiàn)
- 基于改進二值化算法的QR碼識別.pdf
- 基于CUDA的Canny圖像邊緣檢測算法.pdf
- 基于邊緣方向的高精度快速圖像插值算法研究與應用.pdf
評論
0/150
提交評論