[发明专利]基于GPU的视频增强去噪方法及装置

说明书

本发明公开了一种基于GPU的视频增强去噪方法，包括以下步骤：S1、将视频图像输入到GPU；S2、获取视频图像中每个像素点的亮度值，根据预设的滤波模板，计算每个像素点的亮度与滤波模板对应的能量强度；S3、根据步骤S2计算出的能量强度与预设的阈值，获取视频图像中的边界像素、平滑像素和噪声像素；S4、对噪声像素进行降噪处理；S5、对边界像素、平滑像素进行增强处理。本发明在对图像增强的同时增加对噪声数据的处理，得到更好的画质，从整体提高处理后的图像效果，从而提高用户体验。同时对算法进行调整，使得该算法可以很好地运行在GPU上，充分利用GPU上富裕的运算能力和总线资源。

技术领域

本发明涉及计算机图像处理领域，尤其涉及基于GPU的视频增强去噪方法及装置。

背景技术

视频图像增强是按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法，也是提高图像质量的过程。图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。

在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。

基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。

GPU(Graphics Processing Unit)，图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器。

GPU的核数远超CPU，被称为众核(NVIDIA Fermi有512个核)。每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单(GPU初始时在浮点计算上一直弱于CPU)。从结果上导致CPU擅长处理具有复杂计算步骤和复杂数据依赖的计算任务，如分布式计算，数据压缩，人工智能，物理模拟，以及其他很多很多计算任务等。GPU常常出现的一类操作是对海量数据进行相同的操作，如：对每一个顶点进行同样的坐标变换，对每一个顶点按照同样的光照模型计算颜色值。GPU的众核架构非常适合把同样的指令流并行发送到众核上，采用不同的输入数据执行。在2003-2004年左右，图形学之外的领域专家开始注意到GPU与众不同的计算能力，开始尝试把GPU用于通用计算(即GPGPU)。之后NVIDIA发布了CUDA，AMD和Apple等公司也发布了OpenCL，GPU开始在通用计算领域得到广泛应用，包括：数值分析，海量数据处理(排序，Map-Reduce等)，金融分析等等。

现有技术中对视频增强时，存在以下问题：

1、从单一的画质增强处理，缺少针对画质增强后所带来的噪声数据的处理，导致画面有提升，但是画面颗粒感严重。

2、传统的视频增强算法执行在CPU上，应用在视频播放过冲中，由于视频资源占用较大的CPU，并且视频资源庞大，占用大量的CPU以及总线资源。

3、传统的去噪算法消除噪声数据时会对图像画质产生损失，造成边缘模糊，同时算法对待高强度和颗粒化的噪声效果不是很明显。

发明内容