[发明专利]通过优化缓存重用在多处理器共享存储器系统上体积绘制

说明书

技术领域

本发明涉及图像处理领域，特别涉及体积绘制并且特别指的是通过考虑硬件架构来优化缓存重用的方法。

在工程和科学的许多领域如医学技术图像处理中，快速显现大量图像数据是主要问题。因为现代体素数据集的规模，尤其是在医学成像中，要计算体积数据集的所有项目，不得不进行巨量的存储器存取。由于通过增加计算内核数量所致并行化提升而带来的硬件计算能力改进大于存储器带宽的以及存储器延迟的提升，所以对于体积绘制算法，体积数据存储器存取性能在许多情况下成为确定总体性能的制约因素。因此，为了实现最佳性能，重要的是通过最大化缓存重用使存储器存取的影响最小化。许多已知的体积绘制过程就缓存重用而言显示出重大缺点。

背景技术

取决于各自计算机平台，已知用于体积绘制的不同方法。在使用多核处理器的共享存储器系统的情况下，通行方法是，通过分解用于体积或图像绘制的图像空间，来分布绘制图像所需要的工作负荷。将结果图像分解成许多小瓦片(tile)，其中各瓦片保持完整图像的一部分。然后，在不同硬件组件上和/或借助不同线程，可以计算图像的瓦片的不同部分。

在大多数硬件上，对所要存取的数据进行缓存，因而，数据集一旦加载，将在存储器缓存中保留一些时间。对缓存存储器的存取远远快于对标准存储器的存取。如果在包含体素数据的随机存取存储器(RAM)中的每个数据集对于各绘制图像只是一次加载进入缓存或从不加载，则存储器存取策略是最优的。通常，存储器系统包括由多个缓存级别构成的多层次结构的缓存，其中，这种层次结构的末级缓存(LLC)通常在所有内核之间共享。

对于多处理器系统上的体积绘制主要存在两类：

-对象空间分解算法，其中将体积分解成多个子块；以及

-图像空间分解算法，其中将得到的图像分解成多个瓦片；以及

-之前所提及方法的组合。

本发明针对第二类，即针对图像空间分解算法，并可以与对象空间分解方案相结合。

一般而言，在射线跟踪或光栅化图形基元(如网格和样条(spline))的背景下也使用图像空间分解算法。

在Kutluca H.等人于1997年发表的论文“Image-space decomposition algorithms for sort-first parallel volume rendering of unstructured grids”中，描述了三大类图像空间分解算法：

1.静态分解

2.动态分解，以及

3.适应性分解。

静态分解方案将图像分解成多个区域，这些区域静态地分配给可用的多个线程。这种静态负荷平衡方法遭遇的问题是，绘制负荷在多个处理器间可能不会均匀地分布。

动态负荷平衡基于这样的想法，各线程一完成其先前绘制工作，就动态地查询新工作负荷。动态算法将图像分解成小瓦片。各线程接收一个瓦片、计算该图像、并且在完成时请求要绘制的下一空闲瓦片。此方法保证在仍有工作要做时没有任何线程是空闲的。

对这种基本动态算法的一种改进是额外地适应工作负荷的大小。这里，开始时一个线程不是查询仅仅一个瓦片，而是查询多个瓦片。稍后，当未处理瓦片的数量减少时，被查询瓦片的数量减少，直至刚好一个瓦片被查询并且达成该基本算法(参见S.Parker等人，1998)。

这种修改基于这样的想法，开始时减少线程争用，同时达成该基本方案而不使粒度变松，从而，仍允许细粒度工作负荷分布。

另一项建议的改进是，将初始图像分解成大小相等的矩形区域，其中将各处理器分配给这样的区域。于是，各区域由更小的瓦片组成，并且，各处理器按扫描线顺序来处理块体的多个瓦片。当一个处理器完成了计算所有其瓦片时，其转向未完成工作负荷的按扫描线次序的下一处理器，并且获取(grab)仍需计算的瓦片。由于开始时各处理器在彼此靠近的多个瓦片上工作，所以这样一种算法改进了开始时关于各处理器的瓦片局部性。这种效果有多大，取决于整个工作负荷在初始区域之间如何分布。