一種圖像負(fù)載均衡處理方法及裝置的制造方法
【專利說明】一種圖像負(fù)載均衡處理方法及裝置 【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像負(fù)載均衡處理方法及裝置。 【【背景技術(shù)】】
[0002] 計(jì)算技術(shù)視覺技術(shù)的發(fā)展，新一代視頻編碼技術(shù)的提出，讓我們享受到高分辨率 和超高分辨率圖像及視頻帶來的視覺盛宴，但是這也使得圖像處理以及視頻編碼中的計(jì)算 復(fù)雜度大幅增長(zhǎng)，為實(shí)時(shí)的并行超高分辨圖像/視頻處理帶來巨大挑戰(zhàn)，同時(shí)并行處理架 構(gòu)也可能帶來負(fù)載不均衡、功耗損失增大的問題，如何將實(shí)時(shí)高效的并行處理策略和負(fù)載 均衡技術(shù)完美結(jié)合已經(jīng)成為當(dāng)前計(jì)算機(jī)視覺和數(shù)字圖像處理領(lǐng)域的發(fā)展趨勢(shì)。
[0003] 無(wú)論是圖像處理還是視頻編碼，其并行技術(shù)的重要構(gòu)成部分便是分塊的方法。目 前的分塊方法容易造成不同的并行處理單元之間的負(fù)載不均衡。 【
【發(fā)明內(nèi)容】
】
[0004] 為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種圖像負(fù)載均衡處理方法及裝置，從 而使得不同的并行處理單元之間的負(fù)載盡可能均衡。
[0005] -種圖像負(fù)載均衡處理方法，包括如下步驟：
[0006] S1，將原始圖像f(x，y)沿縱向和橫向劃分為多個(gè)圖像塊；
[0007] S2,計(jì)算縱向邊界的左右兩個(gè)圖像塊的紋理特征，移動(dòng)所述縱向邊界使所述縱向 邊界左右兩個(gè)圖像塊之間的紋理特征相似度最大；
[0008] S3,計(jì)算橫向邊界的上下兩個(gè)圖像塊的紋理特征，移動(dòng)所述橫向邊界使所述縱向 邊界上下兩個(gè)圖像塊之間的紋理特征相似度最大；
[0009] S4,將確定的最終的橫向邊界和縱向邊界對(duì)應(yīng)的最終圖像塊分別分配給不同的計(jì) 算單元進(jìn)行并行處理。
[0010] 在一個(gè)實(shí)施例中，在步驟S2和S3中，所述紋理特征為紋理梯度特征，通過如下步 驟計(jì)算圖像塊的紋理梯度特征：
[0011] S21，用高斯函數(shù)G(x，y)與原始圖像f(x，y)進(jìn)行卷積形成一幅平滑后的圖像 fs (χ, y)：
[0012] fs(x,y) = G(x,y)*f(x,y)；
[0013] 其中，高斯函數(shù)
[0014] S22,計(jì)算平滑后的圖像fs(X，y)的像素點(diǎn)（X，y)的梯度幅度Mfcy):
[0017] S23,計(jì)算原始圖像f (X，y)中縱向或橫向的第i塊圖像塊的紋理梯度特征X(i):
[0019] 在一個(gè)實(shí)施例中，在步驟S2和S3中，通過如下步驟確定兩個(gè)圖像塊之間的紋理特 征相似度最大：
[0020] S31，計(jì)算相鄰的第i塊圖像塊的紋理梯度特征X(i)和第i+Ι塊圖像塊的紋理梯 度特征X(i+1);
[0021] S32,比較第i塊圖像塊的紋理梯度特征X(i)與第i+1塊圖像塊的紋理梯度特征 X(i+1)之間的大小，若X(i)較大則將第i+Ι塊圖像塊至第i塊圖像塊的方向作為對(duì)應(yīng)邊界 的移動(dòng)方向，若X(i+1)較大則將第i塊圖像塊至第i+Ι塊圖像塊的方向作為對(duì)應(yīng)邊界的移 動(dòng)方向；
[0022] S33,沿移動(dòng)方向以基本單元為步長(zhǎng)移動(dòng)邊界，循環(huán)計(jì)算邊界兩側(cè)的兩個(gè)圖像塊的 紋理梯度特征差異A，直至I A-2Ct|大于Δ或到達(dá)兩側(cè)邊界；其中，Δ = |X(i+l)-X(i) |， (；表示移動(dòng)經(jīng)過的基本單元的紋理梯度特征；
[0023] S34,將最后一個(gè)基本單元的梯度特征Ct的前一個(gè)基本單元的邊界作為第i塊圖 像塊與第i+Ι塊圖像塊之間的邊界。
[0024] 本發(fā)明還提供了一種圖像負(fù)載均衡處理裝置，包括如下單元：
[0025] 第一處理單元，用于將原始圖像f(x，y)沿縱向和橫向劃分為多個(gè)圖像塊；
[0026] 第二處理單元，用于計(jì)算縱向邊界的左右兩個(gè)圖像塊的紋理特征，移動(dòng)所述縱向 邊界使所述縱向邊界左右兩個(gè)圖像塊之間的紋理特征相似度最大；
[0027] 第三處理單元，用于計(jì)算橫向邊界的上下兩個(gè)圖像塊的紋理特征，移動(dòng)所述橫向 邊界使所述縱向邊界上下兩個(gè)圖像塊之間的紋理特征相似度最大；
[0028] 第四處理單元，用于將確定的最終的橫向邊界和縱向邊界對(duì)應(yīng)的最終圖像塊分別 分配給不同的計(jì)算單元進(jìn)行并行處理。
[0029] 在一個(gè)實(shí)施例中，所述紋理特征為紋理梯度特征，在第三處理單元和第四處理單 元中，通過如下步驟計(jì)算圖像塊的紋理梯度特征：
[0030] S21，用高斯函數(shù)G(x，y)與原始圖像f(x，y)進(jìn)行卷積形成一幅平滑后的圖像 fs (χ, y)：
[0032] 其中，高斯函數(shù)
[0033] S22,計(jì)算平滑后的圖像fs(X，y)的像素點(diǎn)（X，y)的梯度幅度Mfcy):
[0036] S23,計(jì)算原始圖像f (X，y)中縱向或橫向的第i塊圖像塊的紋理梯度特征X(i):
[0038] 在一個(gè)實(shí)施例中，在第三處理單元和第四處理單元中，通過如下步驟確定兩個(gè)圖 像塊之間的紋理特征相似度最大：
[0039] S31，計(jì)算相鄰的第i塊圖像塊的紋理梯度特征X (i)和第i+Ι塊圖像塊的紋理梯 度特征X (i+Ι);
[0040] S32,比較第i塊圖像塊的紋理梯度特征X(i)與第i+Ι塊圖像塊的紋理梯度特征 x(i+l)之間的大小，若x(i)較大則將第i+ι塊圖像塊至第i塊圖像塊的方向作為對(duì)應(yīng)邊界 的移動(dòng)方向，若x(i+l)較大則將第i塊圖像塊至第i+ι塊圖像塊的方向作為對(duì)應(yīng)邊界的移 動(dòng)方向；
[0041] S33,沿移動(dòng)方向以基本單元為步長(zhǎng)移動(dòng)邊界，循環(huán)計(jì)算邊界兩側(cè)的兩個(gè)圖像塊的 紋理梯度特征差異A，直至I A-2Ct|大于Δ或到達(dá)兩側(cè)邊界；其中，Δ = |X(i+l)-X(i) |， (；表示移動(dòng)經(jīng)過的基本單元的紋理梯度特征；
[0042] S34,將最后一個(gè)基本單元的梯度特征Ct的前一個(gè)基本單元的邊界作為第i塊圖 像塊與第i+ι塊圖像塊之間的邊界。
[0043] 本發(fā)明根據(jù)初始的相鄰圖像塊紋理梯度特征差異大小確定邊界移動(dòng)方向，進(jìn)而按 照使得相鄰兩圖像塊紋理梯度特征差異減小的原則移動(dòng)邊界，一旦出現(xiàn)相鄰圖像塊間的紋 理特征相似性降低則立即停止，該算法有效的保證了相鄰并行塊具備相似紋理特征，同時(shí) 減少了計(jì)算復(fù)雜度。
[0044] 本方法可以實(shí)現(xiàn)不同的并行處理單元之間的負(fù)載均衡，降低功耗，同時(shí)滿足并行 度需求，實(shí)現(xiàn)高效、實(shí)時(shí)的圖像并行處理，并行效率最優(yōu)，將使得計(jì)算機(jī)視覺和圖像處理的 各個(gè)研究領(lǐng)域廣泛受益。 【【附圖說明】】
[0045] 圖1是本發(fā)明一種實(shí)施例的圖像負(fù)載均衡處理方法的流程圖；
[0046] 圖2是本發(fā)明一種實(shí)施例的圖像塊的邊界移動(dòng)示意圖。 【【具體實(shí)施方式】】
[0047] 以下對(duì)發(fā)明的較佳實(shí)施例作進(jìn)一步詳細(xì)說明。
[0048] 如圖1所示，一種實(shí)施例的圖像負(fù)載均衡處理方法，包括如下步驟：
[0049] Sl :輸入原始圖像f (X，y)。原始圖像f (X，y)可以通過攝像機(jī)、照相機(jī)采集所得， 或者通過計(jì)算機(jī)工具所得的視頻圖像，數(shù)據(jù)格式不限。
[0050] S2,將原始圖像f(x，y)沿縱向和橫向劃分為MXN個(gè)圖像塊，縱向和橫向分別為 M和N。可以對(duì)輸入的原始圖像f(x，y)以最小單元為單位進(jìn)行矩形均勻劃分，形成初始的 MXN個(gè)基本圖像塊。用i表征當(dāng)前縱向劃分的圖像塊的邊界位置，用j表征當(dāng)前橫向劃分 圖像塊的邊界位置，初始化時(shí)分別賦i和j初值為1。
[0051] S3,利用Canny算子計(jì)算原始圖像f(x，y)中每個(gè)像素位置的梯度幅度。
[0052] S31，用高斯函數(shù)G(x，y)與原始圖像f(x，y)進(jìn)行卷積形成一幅平滑后的圖像 fs (χ, y)：
[0053] fs