[发明专利]一种基于GPU并行计算的高清视频图像增强方法

说明书

一种基于GPU并行计算的高清视频图像增强方法，采用计算统一设备架构（CUDA）编程模型，其特征在于，包括以下步骤：读入高清视频帧图像，初始化GPU，分别为高清视频帧图像RGB三通道数据分配一Kernel函数，RGB三通道数据类型由BYTE型转为double型，再转换到对数域中，像素点灰度值校正的起点和终点选取，线性拉伸增强后的RGB三通道图像，之后按R、G、B顺序依次写入一个24位的彩色图像，计算结果传回CPU端输出保存，直至所有需要图像增强处理高清视频帧图像处理完成之后释放GPU显存。本发明实现了高清视频图像的增强，实现了算法的GPU并行加速，有效提高了处理效率，实现了高清视频的实时要求，可在普通终端（普通电脑）上运行，有效地降低了成本。

技术领域

本发明涉及并行计算领域，以及图像处理技术领域，尤其涉及一种基于GPU并行计算的高清视频图像增强方法。

背景技术

目前由于高清数字摄像机的普及，存在着海量的高清视频数据，由于雾霾、低照度、环境光等影响，使得其中大量的视频数据无法看清或色彩失真，视频图像的视觉效果受到严重影响，需要对视频及图像在输出前进行增强处理，以达到适合观看的效果。

现有的Retinex算法，图像增强效果较好，且适应性较强，但主要存在的问题是在CPU的处理效率较低，针对高清视频处理达不到实时（25帧/秒），或者需要更高端的服务器或图像工作站来处理，成本较高。

另外，目前迫切需要一种在普通终端（普通电脑）上可以运行的图像增强算法，来处理高清视频，使其达到实时或超实时以适合视觉观看。

发明内容

为克服现有技术的不足，本发明提供了一种基于GPU并行计算的高清视频图像增强方法，结合GPU对 Retinex算法进行优化处理，使其可以在普通台式电脑处理高清视频达到实时或超实时的能力。

为此，本发明实施例提供了如下技术方案：

一种基于GPU并行计算的高清视频图像增强方法，其特征在于，包括以下步骤：

步骤1：根据高清视频帧序列依次读入原始高清视频帧图像S(i,j)，获取原始高清视频帧图像RGB通道数据SR(i,j)、SG(i,j)和SB(i,j)及帧图像尺寸信息，所述帧图像尺寸信息包括帧图像的高度height和宽度width；

步骤2：GPU初始化，包括设置纹理及CUDA数组类型，为数据开辟GPU显存，将所述原始高清视频帧图像RGB通道数据赋值予CUDA数组并绑定纹理内存A；

步骤3：为所述原始高清视频帧图像RGB三通道数据分别分配一Kernel函数，依据所述高清视频帧图像尺寸信息确定执行每个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；

步骤4：分别启动所述三个Kernel函数，从所述纹理内存A中分别读取所述原始高清视频帧图像RGB通道数据，数据类型由BYTE型转为double型，并将数据转换到对数域中，即S’(i,j)=log S(i,j)，将计算结果存入所述CUDA数组并与纹理内存B绑定，之后清空纹理内存A；

步骤5：分别启动所述三个Kernel函数，从所述纹理内存B中读取所述原始高清视频帧图像RGB各通道对数域数据，分别对其进行图像增强处理，将增强后的高清视频帧图像RGB各通道数据存入所述CUDA数组并与纹理内存C绑定，之后清空纹理内存B；

步骤6：分别启动所述三个Kernel函数，分别从所述纹理内存C中读取所述增强后的高清视频帧图像RGB各通道数据进行线性拉伸，将线性拉伸后的3幅图像L(i,j)按R、G、B顺序依次写入一个24位的彩色图像中，将计算结果传回CPU端，输出保存，之后清空纹理内存C，所述线性拉伸公式为下述公式，max和min分别表示最大灰度值和最小灰度值；