侯天峰, 曾舒婷

(南京大學金陵學院 信息科學與工程學院， 南京 210089)

0 引言

霧天等不利因素對圖像和視頻質(zhì)量有較大影響, 去霧可以改善圖片質(zhì)量。當前圖像去霧算法主要有兩類：一類是基于圖像增強的方法，如直方圖均衡化技術(shù)[1]。此類方法假設場景景深不變，但降質(zhì)與成像距離存在指數(shù)關(guān)系，因此圖像增強類方法去霧效果有限。另一類基于大氣散射原理，建立圖像退化模型，利用先驗知識進行去霧求解約束。如文獻[2]基于無霧圖像較有霧圖像有著更高的對比度這一先驗約束，通過提高恢復圖像的局部對比度來實現(xiàn)去霧。Fattal基于統(tǒng)計學的提出一種新的去霧方法，對色彩差異豐富的圖像取得了不錯的效果[3]。文獻[4]基于大量戶外無霧圖像的統(tǒng)計規(guī)律，提出一種簡單有效的暗原色先驗單幅圖像去霧算法，對一般戶外圖像取得了很好的去霧效果，但算法運算復雜度較高，難以應用于快速處理場景。

CUDA是NVIDIA公司提出的GPU并行計算架構(gòu)[5]，利用GPU中的多顆計算核心進行通用計算處理工作，計算性能可獲得顯著提升，給GPU編程和并行計算提供了一個簡單方便的途徑[6]，因此自提出以來得到迅速發(fā)展。目前，使用GPU進行數(shù)據(jù)密集型計算已經(jīng)成為數(shù)據(jù)處理并行化的主要手段之一，廣泛應用于科學技術(shù)、人工智能及大數(shù)據(jù)方向。如何根據(jù)GPU特點設計適合其處理的并行算法，以及合理利用CPU/GPU的協(xié)同處理提高性能是解決性能問題的主要工作[7]。

本文研究了暗原色先驗的去霧算法及各個算法步驟的運算復雜度，并基于CUDA框架，設計和提出算法并行化處理方案，實現(xiàn)CPU+GPU的異構(gòu)計處理，以顯著提高運算速度，滿足高清實時圖像處理的需求。

1 暗原色去霧算法

去霧問題數(shù)學模型可以描述如式(1)。

I(x)=J(x)t(x)+A(1-t(x))

(1)

(1)式為大氣散射模型，描述霧化圖像的退化過程，其中I是退化后圖像，J是無霧圖像，A為大氣光，t稱為透射率。去霧的目標就是從I中復原J。

暗原色先驗指出在絕大多數(shù)戶外圖像局部區(qū)域里，局部區(qū)域內(nèi)圖像像素總會有至少一個顏色通道具有很低的值如式(2)。

(2)

Jc代表J的某個顏色通道，Ω(x)為鄰域。Jdark稱為J的暗原色，Jdark的強度總是很低且趨近于0。

假設大氣光A給定，局部區(qū)域的透射率恒定不變。方程(1)在三個顏色通道中使用最小運算符，并同除以A，得到式(3)。

(3)

根據(jù)暗原色先驗的規(guī)律，無霧自然圖像的暗原色項Jdark應該接近于0如式(4)。

可見，《辭源》的既有處理方式很明顯將“安劉1”與“安劉2”雜糅了在一起，此種處理方式所造成的結(jié)果便是典故詞語詞目的失收。

(4)

由于Ac總為正數(shù)，導出式(5)。

(5)

把上式代入(4)，可估算出透射率t，為使圖像看起來更真實自然，通常會保留一部分霧，由ω控制如式(6)。

(6)

由上式估計出透射率是粗略的，為了提高精度，可應用軟摳圖或?qū)驗V波進行透射率精化得到完善后的透射率t(x)[2-3]。

通過下式計算去霧圖像如式(7)。

(7)

2 去霧算法并行化方案

2.1 求解暗原色、初始透射率和大氣光

設定圖像分辨率為m×n，求解暗通道和初始透射率在計算上基本一致，因此實現(xiàn)并行化過程也基本相同，在進行數(shù)據(jù)劃分和線程分配時候的操作也近似。兩個步驟并行度一樣皆為去霧圖像的像素個數(shù)。一個線程對應一個像素點，每個單一線程都可以取得所需的數(shù)據(jù)窗，然后進行處理，如圖1所示。

圖1 像素和線程對應關(guān)系

圖1中某個15×15的局部區(qū)域，其求暗通道計算與其他區(qū)域互不沖突，整個圖像可以劃分成可分m×n個圖像塊，相應的暗通道求解可以分配給一個CUDA的Block來實現(xiàn)。每個像素點對應一個線程id，可以通過歸約算法實現(xiàn)求最小值運算。

大氣光的估計步驟：首先選取暗原色中亮度最大的0.1%的像素，這些像素大都是不透明的，在以上像素當中，輸入圖像中強度最大的像素點被選定為大氣光。暗原色圖像求取0.1%亮度最大像素點的過程，也可以通過圖像分塊的方式，實現(xiàn)并行化處理。

2.2 透射率精化

本文精化透射率使用導向濾波算法[8]，其主要計算過程為一系列Box filter處理，即均值濾波，二維圖像均值濾波可分解為x和y方向的兩次一維濾波(下圖3中表示為i和j)。單一Box filter計算，可以通過圖像分塊的方式進行并行化，此外還可以使用縱向合并，將有并列關(guān)系的Kernel合并至同一個Kernel，以降低啟動Kernel的開銷，與此同時將數(shù)據(jù)進行共享，從而降低訪問開銷，如圖2所示。

上圖中的橢圓代表一個Kernel，矩形代表數(shù)據(jù)，上圖所表示的即為將Kernel進行合并的示例圖，由此我們可以減少Kernel的數(shù)目從而減少開銷，同時在部分Kernel中，數(shù)據(jù)是共享的，從而減少相應的訪問次數(shù)。

2.3 圖像去霧

去霧部分在整個去霧算法中占用的系統(tǒng)資源其實是最少的，其計算量也最小，而且每個像素的處理都是獨立的，所以在處理圖像去霧的并行化時，可以將去霧的運算部分集合到上面計算透射率時整合的最后一個Kernel，從而減少了數(shù)據(jù)訪問和啟動開銷。

3 實驗

本文實驗在搭載NVDIA GPU的筆記本電腦上實現(xiàn)的，主要配置為：GTX 860m顯卡，英特爾i5處理器4210h。代碼基于C++編程，利用Qt平臺搭配OpenCV，使用CUDA9.1。

實驗中，通過對比同算法在有無CUDA加速的情況下對相同的一幅圖像進行去霧處理，其運算效果和消耗的時間來評價協(xié)同計算的優(yōu)勢。為實驗的嚴謹性，本文選取了不同分辨率的含霧圖像進行了多組實驗，結(jié)果如表1所示：

表1 不同分比率含霧圖像處理時間對比

圖2 精細化透射率模塊Kernel關(guān)系

一般來說圖片尺寸越大，提升的效果就越明顯，如圖3所示。

測試中所使用的4組樣本實例和去霧效果如下圖4所示。

需要說明的是，本文實現(xiàn)的是He的原暗原色去霧算法，主要工作是探究GPU并行化處理方案，進行處理時間優(yōu)化，至于去霧效果自然與原算法一致，GPU加速并不會導致去霧效果有所損失。同時，目前去霧領(lǐng)域并未提出較為有效的去霧效果客觀評價指標，主要評判依據(jù)還是從幾個方面進行主觀比較，包括有霧覆蓋區(qū)域恢復細節(jié)程度、邊緣的暈化現(xiàn)象、對比度、色彩失真度、色彩噪聲等。這也是作者后續(xù)需要繼續(xù)努力研究的方向。

圖3 不同像素圖像處理時間提升倍率

(a) 原圖

(b) 暗原色

(c) 初始透射率

(d) 精化透射率

(e) 去霧圖像

圖4 圖像去霧效果

4 總結(jié)

本文基于CUDA平臺，對暗原色去霧算法進行研究，并探討和提出并行化處理方案，實驗結(jié)果表明本文方法可以顯著提升算法執(zhí)行效率。受制于算法本身復雜度和硬件測試平臺的限制，離真正的實時化處理尚有舉例，因此繼續(xù)改善算法和減少運算時間是后續(xù)工作繼續(xù)努力的方向。