[发明专利]一种基于并行计算的像素筛查方法

说明书

本发明公开了一种基于并行计算的像素筛查方法，包括以下步骤：步骤一：首先根据图片像素的数量分配相应的threads；步骤二：通过每个线程协作运行对分块图像进行运算；步骤三：对每个像素和预设设定的缺陷阈值进行比较；步骤四：利用规约算法对共享内存中的数据进行计算得出最终结果；本发明能够有效减少像素筛查的计算时间，完成待处理图像的缺陷统计所需的时间将远小于传统串行筛查算法，从而保证缺陷检测的实时性。

技术领域

本发明涉及图像处理领域，更具体的说，尤其涉及一种基于并行计算的像素筛查方法。

背景技术

工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响，所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端，在现代工业中得到越来越广泛的研究和应用。在机器视觉的缺陷检测中，我们通常会先对图像进行滤波处理，一般经过噪声滤除之后，只要检测到有像素点就认为是不合格品，这个检测过程称为像素筛查过程。

目前像素筛查过程常采用串行方法，就是根据设定的阈值，对满足灰度值要求的像素变量置1和不满足灰度值要求的像素变量置0，然后把所有像素所占用的变量元素值相加；同时可以输出缺陷的坐标位置，但是缺陷点可以在任何位置，如果在矩阵的最后，这等于还是要遍历整个图像矩阵。然而对于在线系统来说，运行时间越少越好，当需要处理的图像像素点过多或处理器配置较低，对图像进行像素筛查处理将变得费事，实时性受到限制。

发明内容

本发明的目的在于解决传统的像素筛法算法采用现有的串行方式处理，对像素点较多的图像处理比较费时，不能保证图像处理的实时性问题，从而提供一种基于并行计算的像素筛查方法，以减少计算时间，借此保证检测系统的实时性。

本发明通过以下技术方案来实现上述目的：一种基于并行计算的像素筛查方法，包括以下步骤：

步骤一：首先根据一个像素分配到一个线程的原则将图像中的像素分配到各个线程，CUDA架构中thread的分布结构为多个thread组成一个block；多个block构成一个grid；其中，thread为线程，block为块，grid为格，每个分割图像的线程索引为idx＝threadIdx.x+blockDim*blockIdx.x；

式中：threadIdx表示线程块X维度上的线程索引，blockDim.x表示一个线程块X维度上的线程数量，blockIdx.x表示块所在grid中X维度上的块号，idx得到的是当前线程在整个线程网格中X维度的索引。

步骤二：通过每个线程协作运行对分块图像进行运算：当一个线程完成一个像素的运算之后，把结果存放到共享内存当中去，接着马上直接运算第二个分块的相应像素的计算，同时把运算结果直接和第一个共享内存中的数据相加，图像的大小就是blockDim.x*gridDim.x，其中blockDim.x表示一个线程块X维度上的线程数量，gridDim.x表示一个线程格中X维度上的块数量，也就是每隔blockDim.x*gridDim.x像素的值在一个线程中计算，其结果存放在相应的共享内存中，依次类推，最后所有的相加结果都在共享内存中，其数组大小就是blockDim.x*gridDim.x。

步骤三：对每个像素和预设设定的缺陷阈值进行比较：如果像素值小于这个阈值，就是赋值1，大于这个阈值就赋值0，然后存入共享内存。

步骤四：利用规约算法对共享内存中的数据进行计算得出最终结果：把每block中的线程数对半分，让共享内存中的第一个数值和第一半加1的数值相加，结果仍然存在共享内存中，这样依次相加，得到结果的数组数量正好是原来的一半，然后接着再分一半，按照上面的方法再次相加，直到加到最后变成一个数值，然后存入一个长度是块数的数组变量，把这个数组变量直接从GPU拷贝到CPU中去，再采用传统的方法相加每个元素，最后得到一个数值，这个数值就是缺陷点数。