[发明专利]一种基于CUDA的快速图像类比合成方法

说明书

技术领域

本发明涉及图像处理领域，尤其是一种图像类比合成方法。

背景技术

纹理合成可以从小区域纹理样本自动生成视觉上相似和连续的大样本纹理。基于样图的纹理合成方法是继纹理映射、过程纹理合成等方法后发展起来的一种新的纹理拼贴技术，避免了以往方法中的接缝、走样、反复调整参数等问题。目前，对基于样图的纹理合成的研究可大致分为二方面。一方面，希望在合成中加入更多控制因素来约束纹理生成，产生更具多样性的纹理。另一方面，希望加快合成速度，使合成趋于实时。

图像类比框架借用了类比思想，提供了一种非常自然的方法来定义图像间的转换，使用户可以控制生成结果，产生多种图像特效。图像类比框架适用于各种应用，如纹理合成、纹理转移、超分辨率、艺术风格学习，texture-by-number(TBN)等。传统方法采用两种搜索策略来查找具有最相似邻域的候选点：最相似邻域查找ANN(approximate-nearest-neighbor)获得全局最优的匹配点，经典的Ashikhmin算法获得邻域相关的待选点。但为了获得一个匹配点，ANN需要上万次的迭代，迭代次数随源图像分辨率的提高线性增加，Ashikhmin算法也根据邻域大小需要进行多次计算才能获得一个待选点。合成一张图像要花费几十分钟甚至更长的时间。

目前的研究中，研究者采用各种方法来加快合成速度，提高合成质量。如采用粒子群优化算法来加快最相似邻域查找过程，提高合成速度。对TBN应用，有研究者提出用Random Walk算法进行最相似邻域搜索，无需预处理，提高搜索速度。对于艺术风格学习，研究者提出了适用于不同绘画风格的基于笔刷的算法，可以生成油画、水粉画、钢笔画等风格效果，这些算法大多是模拟一种特定的绘画材质，有的还需要人工交互。还有研究将纹理优化技术用于图像类比合成来提高合成质量，但合成速度还是较慢。

计算机中多核/众核体系架构的引入，使得计算能力成倍增加，GPU的并行处理能力也越来越强大。Nvidia公司推出的CUDA开发工具使程序员能在C语言环境下完成对GPU并行处理架构的调用，能更有效的把计算问题映射到硬件架构上。研究者提出利用GPU来进行并行可控纹理合成，但其主要针对同质纹理合成，不适用于复合纹理的合成。

现有方法大多针对该框架中的某一种具体应用来加快合成速度或提高合成质量，还没有一种快速的方法能较高质量的适用于整个图像类比框架的合成。

发明内容

为了克服已有图像类比合成方法的合成速度较慢、合成质量较差的不足，本发明提供一种提升合成速度、提高合成质量的基于CUDA的快速图像类比合成方法。

本发明解决其技术问题所采用的技术方案是：

一种基于CUDA的快速图像类比合成方法，所述合成方法包括如下步骤：

1)生成源图像A，滤波后的图像A’，源图像B的高斯金字塔；

2)当前合成第L层，对金字塔从粗糙层到精细层执行以下过程：

2.1)对B′_L+1超采样得到B′_L；

2.2)对B′_L中的每个像素点q，采用基于GPU的全局搜索策略找到全局搜索最优解q_global；

2.3)对B′_L中的每个像素点q，采用基于GPU的k-coherence搜索策略找到一致性搜索最优解q_kcoh；

2.4)如果全局搜索得到的结果更好，则将q_Best赋值为q_global，否则将q_Best赋值为q_kcoh，把q_Best在A′_L中的对应坐标保存在B′_L(q)中；

2.5)循环执行步骤2.2)～2.4)根据设定的次数，得到滤波后的图像B’；

3)对滤波后的图像B’做合成放大，得到高分辨率的EHB’。

进一步，所述步骤2.1)中，将B′_L+1与纹理存储器绑定，每个线程执行的操作为：得到B′_L(p)的坐标(u，v)，取得B′_L+1中(u/2，v/2)点颜色值color，B′_L(p)的值为color*2+(u％2，v％2)。