朱 瑾，吳開華

(杭州電子科技大學(xué)生命信息與儀器工程學(xué)院，浙江杭州310018)

0 引言

輪對是鐵路車輛重要的走行部件，其磨耗參數(shù)的在線檢測對交通運輸安全具有重大意義［1-2］?；诠怆妶D像的輪對磨耗參數(shù)在線檢測方法［3-5］因其非接觸、檢測精度高和速度快等優(yōu)勢受到關(guān)注和研究。該方法是將激光照射在輪對上，由CCD 攝像機獲取激光投影即輪對圖像，通過數(shù)字圖像處理技術(shù)對輪對圖像進行分析獲取磨耗參數(shù)。由于在線檢測中輪對圖像的數(shù)據(jù)量大且采用的圖像處理算法復(fù)雜度高而導(dǎo)致處理速度慢、影響輪對在線檢測的實時性。目前國內(nèi)的輪對磨耗在線檢測速度低于20 km/h，隨著列車的不斷提速，對車輛輪對在線檢測的速度及輪對圖像的處理速度提出更高的要求。

隨著計算機軟硬件的發(fā)展，計算機中使用多核處理器逐漸成為主流，多核處理器在計算機中的應(yīng)用［6］使得基于多核的圖像并行處理受到廣泛的研究和應(yīng)用［7-8］，圖像并行處理能夠使圖像的處理速度大大提高，在實際生產(chǎn)應(yīng)用中能夠帶來巨大的經(jīng)濟效益同時也影響著工業(yè)技術(shù)的發(fā)展。

基于多核的圖像并行處理技術(shù)取得了較多的研究成果［9］，但針對輪對圖像的并行研究還很少［10］。為保障高速輪對在線檢測的實時性和高效性，本研究針對輪對圖像，提出OpenMP 并行技術(shù)［11-12］在多核環(huán)境下對輪對圖像的處理進行并行優(yōu)化，并設(shè)計并行優(yōu)化方案，通過實驗分析其并行效果。

1 輪對圖像的特點及處理流程

輪對圖像是由CCD 攝像機獲取的8 位灰度圖，每個像素點的灰度值范圍是0 ～255。外界因素如曝光時間、環(huán)境光等變化的影響會使獲取的輪對圖像的灰度發(fā)生動態(tài)變化，其灰度分布和噪聲強弱也存在差異。通過統(tǒng)計大量輪對圖像，根據(jù)其特點分為常規(guī)輪對圖像、弱光輪對圖像以及強光輪對圖像3 種類型，3 種典型輪對圖像如圖1所示。

輪對圖像的處理流程主要包括圖像分割、圖像細化和像素跟蹤等。通過圖像分割，獲取目標輪廓曲線，圖像分割后，輪對輪廓曲線將有一定寬度，這對后期特征點的確定和參數(shù)計算不利。因此，研究者要采用圖像形態(tài)學(xué)對輪對圖像進行圖像細化處理，使得輪對輪廓曲線變成單像素線條。圖像由于拍攝或者前期處理的原因，細化后輪廓曲線可能是不連續(xù)的，還要對圖像進行像素跟蹤，將相鄰的不連續(xù)點連接。最終得到一條單像素連貫的目標輪對輪廓曲線。

圖1 3 種典型輪對圖像

由于圖像分割對后期的處理影響較大，本研究針對3 種類型的輪對圖像，采用不同的分割方法。常規(guī)輪對圖像，目標與背景差異明顯，可采用普通的分割方法，本研究采用區(qū)域生長分割算法對常規(guī)輪對圖像進行處理。對于輪廓線不清晰的弱光輪對圖像，為了保留較多的圖像信息，筆者先采用K-均值聚類法進行預(yù)處理。對背景噪聲較強的強光輪對圖像，普通的分割算法容易造成分割不足的現(xiàn)象。本研究采用灰度線性變換對圖像進行預(yù)處理，對預(yù)處理后的弱光輪對圖像和強光輪對圖像采用二維大津法進程圖像分割。分割流程如圖2所示。

2 輪對圖像處理的并行優(yōu)化設(shè)計

在線檢測的過程中，輪對圖像的處理還包括圖像的讀入和寫出，因此程序的設(shè)計分3 個處理單元:圖像數(shù)據(jù)讀入、圖像分析處理和結(jié)果圖像寫出。圖像數(shù)據(jù)的讀入和結(jié)果圖像的寫出過程涉及I/O 接口的交互操作，運行時間受到外設(shè)設(shè)備能力、帶寬和總線頻率的影響和制約;而圖像分析處理單元是通過圖像處理算法對輪對圖像進行分析，主要利用CPU 的計算資源，算法中需要大量的運算操作，處理速度受CPU 性能的影響。

圖2 輪對圖像分割流程圖

OpenMP 并行是基于fork-join 執(zhí)行模型，該模型如圖3所示。在這種執(zhí)行模型中，程序開始時一個主線程串行執(zhí)行，到并行區(qū)域是會啟動一組線程來并行執(zhí)行。當并行結(jié)束后，回到主線程串行操作模式。

圖3 fork-join 并行模型

本研究的軟件開發(fā)設(shè)計采用Visual Studio 2010 編譯器，能夠直接支持OpenMP 的并行實現(xiàn)。OpenMP 的并行編譯指導(dǎo)語句主要是:①#pragma omp parallel 指并行結(jié)構(gòu)，其中的代碼被多個工作線程執(zhí)行;②#pragma omp for 指工作共享結(jié)構(gòu)，使循環(huán)被分配帶多個線程中并行執(zhí)行。通過編譯指導(dǎo)語句，能夠快速地進行程序中線程的創(chuàng)建和銷毀，實現(xiàn)極低的系統(tǒng)開銷和線程等待時間。

OpenMP 具有靈活簡易、可移植等優(yōu)點，在程序架構(gòu)的設(shè)計較為簡潔易懂，且編譯指導(dǎo)指令能夠較容易的達到并行化目的。用于循環(huán)結(jié)構(gòu)的并行化操作，該技術(shù)也受到循環(huán)的制約，應(yīng)用范圍受到限制。由于輪對圖像具有數(shù)量多，且處理流程一致的特點，可以利用OpenMP 并行技術(shù)進行編程指導(dǎo)，采用多圖并行處理的編程模式，實現(xiàn)輪對圖像的并行優(yōu)化。

對輪對圖像處理的并行優(yōu)化設(shè)計如圖4所示，可將多幅圖像分成一組，按組操作。本研究對圖像的每個處理單元通過OpenMP 編譯指令語句開辟多個線程，實現(xiàn)一組輪對圖像的并行處理。當一個處理單元完成后回到主線程，再進行下一個處理單元的并行化。筆者總共設(shè)計3 個循環(huán)，開辟的線程數(shù)參考CPU 的核數(shù)設(shè)定。當一組圖像寫出后再進行下一組圖像數(shù)據(jù)的處理。

圖4 OpenMP 對輪對圖像的處理流程

3 實驗及結(jié)果分析

為滿足最大256 輛編組的輪對在線檢測，本研究采用基于光電圖像的輪對磨耗在線檢測方法，需處理4 092 組輪對，共8 184 幅輪對圖像。當車輛輪對的在線檢測速度為80 km/h 時，要保證檢測的實時性，全部輪對圖像的處理時間需限定在353 s 內(nèi)完成，因此輪對圖像的處理應(yīng)不大于43 ms/幅。

本研究將OpenMP 技術(shù)對輪對圖像并行優(yōu)化處理與輪對圖像單線程處理進行實驗對比分析。實驗的測試平臺是基于四核處理器的凌華工控機，操作系統(tǒng)為Windows XP，處理器為Pentium 4，內(nèi)存為3.5 GB。

輪對圖像處理中，OpenMP 并行編程對圖像處理3個單元均開辟4 個線程。筆者將輪對圖像分成8 幅圖像一組，分析輪對圖像特點，每組組合不同類型的輪對圖像，分成6 種情況，每種情況實驗10 次，得到運行結(jié)果。取每種情況在單線程和OpenMP 四線程環(huán)境下得到的輪對圖像處理速度的最大值、最小值以及平均值，結(jié)果如表1所示。

表1 單線程和OpenMP 四線程對輪對圖像的處理結(jié)果(單位:ms/幅)

該實驗每次對8 幅輪對圖像進行處理，由于不同類型的輪對圖像采用的分割方法不同，一組輸入圖像不一定為同一類型的圖像，多圖并行處理會存在等待和資源競爭，耗時差別較明顯。由表1 可知，采用單線程對輪對圖像進行處理，平均處理時間達91 ms/幅，遠大于43 ms/幅在線檢測的要求。采用OpenMP 并行技術(shù)對輪對圖像的處理進行并行優(yōu)化，平均耗時為33 ms/幅，比單線程輪對圖像的處理速度有大于2 倍的提升，能夠滿足車輛輪對在線檢測速度達到80 km/h時對輪對圖像處理速度的要求。OpenMP 并行技術(shù)能夠更充分地利用計算機多核資源，提高圖像的處理速度。

4 結(jié)束語

本研究針對基于光電圖像的輪對在線檢測中的輪對圖像，在多核環(huán)境下，采用OpenMP 并行技術(shù)對輪對圖像的處理進行并行優(yōu)化，設(shè)計并行方案，并通過實驗與單線程對輪對圖像的處理進行對比分析。

實驗結(jié)果表明，通過OpenMP 并行技術(shù)對輪對圖像處理的并行優(yōu)化能夠有效提高輪對圖像的處理速度，可滿足車輛輪對80 km/h 速度在線檢測時的圖像處理速度要求，保障了在線檢測的實時性和高效性。

［1］郭 瓊，崔建英，張志峰.鐵路車輛輪對檢測技術(shù)綜述［J］.儀器儀表學(xué)報，2008，(z2):1125-1127.

［2］高靜濤，戴立新，王澤勇.輪對狀態(tài)動態(tài)檢測系統(tǒng)應(yīng)用綜述［J］.鐵道技術(shù)監(jiān)督，2009(7):10-12.

［3］WU K H，CHEN J.Dynamic measurement for wheel diameter of train based on high-speed CCD and laser displacement sensors［J］.SENSOR LETTERS，2011，9(5):2099-2103.

［4］趙 勇.基于激光圖像的輪對踏面磨耗動態(tài)測量［J］.激光與紅外，2012，42(7):743-746.

［5］任宏偉，李 聲.基于圖像的輪對在線動態(tài)檢測應(yīng)用研究［J］.機車車輛工藝，2004(5):29-31.

［6］李曉明，王 韜，劉 東，等.走進多核時代［J］.計算機科學(xué)與探索，2008，2(6):562-568.

［7］楊冠男，袁 杰.多核并行運算加速圖像處理［J］.現(xiàn)代電子技術(shù)，2013，36(2):36-38.

［8］王成良，謝客家，劉 昕.多核圖像處理并行設(shè)計范式的研究與應(yīng)用［J］.計算機工程，2011，37(14):221-225.

［9］黃文慧.圖像處理并行編程方法的研究與應(yīng)用［D］.廣州:華南理工大學(xué)軟件學(xué)院，2012.

［10］史 倩，吳開華.輪對磨耗在線檢測技術(shù)研究［D］.杭州:杭州電子科技大學(xué)生命信息與儀器工程學(xué)院，2013.

［11］JIN H，JESPERSEN D，MEHROTRA P，et al.High performance computing using MPI and OpenMP on multi-core parallel systems［J］.Parallel Computing，2011，37(9):562-575.

［12］陳永健.OpenMP 編譯與優(yōu)化技術(shù)研究［D］.北京:清華大學(xué)計算機科學(xué)與技術(shù)學(xué)院，2004.