[发明专利]基于OpenCL标准的快速全变分图像去噪方法

摘要

本发明提出了一种基于OpenCL标准的快速全变分图像去噪方法，主要解决现有全变分图像去噪效率低的问题，其实现步骤是1.读取原始图像到主机内存中，再传递到GPU的全局内存中；2.将GPU的全局内存数据读入到GPU的私有内存中，并分块读入到GPU的局部内存中；3.初始化参数；4.将GPU局部内存中的图像数据读入到GPU私有内存中并计算扩散项；5.根据原始图像和扩散项计算下次迭代的图像数据的值，并覆盖当前迭代次数下GPU局部内存中图像数据的值；6.迭代终止后将GPU的局部内存中的数据读入到GPU的全局内存中，再传回到主机内存中。本发明去噪效率高，可实现对高分辨率图像的实时处理。

主权项

一种基于OpenCL标准的快速全变分图像去噪方法，包括：(1)将原始图像数据读入到主机内存中，再将其传递到GPU的全局内存中；(2)将GPU的全局内存数据读入到GPU的私有内存中，并分块读入到GPU的局部内存中；(3)初始化最大迭代次数N＝50、空间步长λ＝1、时间步长Δt＝0.25和扩散项W＝0；(4)将当前迭代次数下GPU局部内存中的图像数据读入到GPU私有内存中，分别计算当前第n次迭代下图像fn的一阶和二阶梯度，包括：关于x方向的一阶梯度关于y方向的一阶梯度关于x方向的二阶梯度关于y方向的二阶梯度和先关于x方向后关于y方向的二阶梯度(5)由步骤(4)得到的梯度计算出第n次迭代下的扩散项Wn；(6)根据第n次迭代下的扩散项Wn和图像数据的值fn、GPU私有内存中原始图像数据的值f0、空间步长λ和时间步长Δt计算第n+1次迭代的图像数据的值fn+1，并将该值传回GPU的局部内存，覆盖第n次迭代下的图像数据的值fn；(7)判断迭代次数是否小于最大迭代次数N，如果迭代次数小于最大迭代次数，则重复步骤(4)‑步骤(6)；否则，将GPU局部内存的图像数据传回到GPU的全局内存，迭代结束，执行(8)；(8)将GPU的全局内存中的图像数据传回到主机内存中。