[发明专利]一种基于GPU的低照度图像增强方法

说明书

技术领域

本发明属于互联网通信领域，尤其涉及一种基于GPU的低照度图像增强方法。

背景技术

图像增强是数字图像处理中一个重要技术领域，由于图像采集过程中易受外界环境的影响，如夜晚、雾或阴雨天等条件，将大大降低图像质量。因此，图像增强的目的在于通过调整图像动态范围，提高图像对比度以凸显图像细节信息，改善图像视觉质量，从而为智能监控、航空航天等领域提供信息保证。

基于直方图调整的图像增强作为经典算法被广泛应用，如直方图均衡和直方图匹配。虽然基于直方图的图像增强能够提高图像明暗区域之间的对比度，但是由于该算法利用图像整体灰度的统计信息，为一种全局处理方式，忽视了图像的局部信息，因此图像的局部对比度并未得到改善，相反由于针对图像中相同灰度级的像素点进行统一调节，反而削弱了图像的细节信息。

基于色调映射的图像增强也是一种较常用的方法，该方法采用简单的非线性映射函数来调节图像动态范围，如Sigmoid函数、Log函数等，由于该类非线性函数形式单一，通常只能对亮度水平处在一定范围的图像实施有效调节，同时该方法本质也是全局处理的方式，无法区分图像不同区域的细节信息。

此外，Kimmel等提出了一种变分框架下的Retinex图像增强算法，该算法中物体反射分量和光照分量均以光滑性先验假设为基础，并将光照分量视为乘性噪声，由此构造统一的变分函数。变分框架下的Retinex图像增强算法形式简单、求解速度快，但是其假设光照分量是缓慢均匀变化，导致在图像具有强烈边缘时光照分量估计不准确，从而易产生光晕现象。

通过上述分析可以发现，局部对比度增强、亮度自适应调节以及有效消除光晕现象是图像增强要解决的关键问题。另一方面，随着技术发展，采集到的图像分辨率不断提高，图像增强问题往往面对的是海量数据，尤其当算法复杂度较高时，期望仅依赖CPU实现处理任务优质高效完成存在巨大困难。

由于GPU（Graphic Processing Unit，图形处理单元）将大量晶体管用于算术逻辑单元，使其在并行计算领域显示出了巨大优势，并且随着GPGPU(General Purpose GPU)技术的发展，GPU的存储带宽及浮点数计算能力迅速提高，因此同CPU相比它适合高计算密度的并行数据处理。尤其NVIDIA推出CUDA(Compute Unified Device Architecture)后，为开发者提供了一套C语言编程平台，大大降低了编程复杂性，使得GPU编程技术得以广泛应用于图像处理领域。

发明内容

本发明实施例提供了一种基于GPU的低照度图像增强方法，能够实现亮度自适应调节，有效避免光晕现象，尤其使用GPU并行处理，提高了方法的执行效率。

为此，本发明实施例提供了如下技术方案：

一种基于GPU的低照度图像增强方法，所述方法采用计算统一设备架构CUDA编程模型，包括以下步骤：

读入原始低照度图像，获取原始图像RGB通道数据及图像尺寸信息，所述图像尺寸信息包括宽度和高度；

GPU初始化，包括设置纹理及CUDA数组类型，为数据开辟GPU显存，将所述原始图像RGB通道数据赋值予CUDA数组并绑定纹理内存A；

依据所述图像尺寸信息确定执行Kernel函数的线程数目，包括设置block尺寸和设置grid尺寸，所述block，是指GPU线程块单元，所述grid，是指GPU线程网单元；

启动所述Kernel函数，从所述纹理内存A中读取所述原始图像RGB通道数据，求取原始图像亮度分量，将计算结果存入所述CUDA数组并与纹理内存B绑定；

启动所述Kernel函数，从所述纹理内存B中读取所述原始图像亮度分量，对其进行图像增强处理，将增强后的图像亮度数据存入所述CUDA数组并与纹理内存C绑定，所述图像增强处理包括亮度分量的非线性调制和对比度增强；

启动所述Kernel函数，分别从所述纹理内存A、所述纹理内存B和所述纹理内存C中读取所述原始图像RGB通道数据、所述原始图像亮度分量及所述增强后的图像亮度分量，根据获得的数据恢复图像颜色，将计算结果传回CPU端，输出保存；

释放GPU显存。

与现有技术相比，本发明的实施例具有如下优点：

首先，本发明提出的基于GPU的低照度图像增强方法，实现了亮度自适应调节，将高维空间形象几何方法用于图像局部对比度增强，有效抑制了光晕现象的出现，并且利用CUDA技术，实现了算法的GPU并行加速，有效提高了处理效率，加速比可达3-5倍。