基于GPU并行计算的图像二值化技术和研究【毕业论文】

基于GPU并行计算的图像二值化技术和研究【毕业论文】

ID:430534

大小:1016.50 KB

页数:29页

时间:2017-08-01

基于GPU并行计算的图像二值化技术和研究【毕业论文】_第1页
基于GPU并行计算的图像二值化技术和研究【毕业论文】_第2页
基于GPU并行计算的图像二值化技术和研究【毕业论文】_第3页
基于GPU并行计算的图像二值化技术和研究【毕业论文】_第4页
基于GPU并行计算的图像二值化技术和研究【毕业论文】_第5页
资源描述:

《基于GPU并行计算的图像二值化技术和研究【毕业论文】》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、毕业论文本科毕业论文(20届)基于GPU并行计算的图像二值化技术和研究专业:计算机科学与技术摘要二值化是将一个图像转变成为二值图像24毕业论文,即只有0和255两种亮度值。二值化的关键是阈值的选取,通常大于阈值的就是255,反之则设定为0。在数字图像处理中,二值图像占有非常重要的地位,图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。图像二值化是图像模式识别的前提,直接决定识别的图像识别的结果。由于图像二值化需要有效的确定每个像素的二值化值,因此计算量大,难以达到实时要求,需要对二值化进行有效的改进。

2、CUDA是NVIDIA的GPGPU模型,它可以直接以大多数人熟悉的C语言,写出在显示芯片上执行的程序。由于目前的显示芯片具有高度的可程序化能力,具有相当高的内存带宽,以及大量的执行单元,并且与高阶CPU相比,显卡的价格较为低廉。CUDA编程架构比传统的编程简单,适合解决可大量并行化的问题,而对不能并行处理的问题则交由CPU来完成,实现了CPU与GPU的联动,提高了计算效率,降低了计算时间开销。实验表明,和传统的基于CPU的二值化相比,使用CUDA的图像二值化技术大约能降低90%的计算时间。【关键词】二值化,CUDA,GPU,图像处理,加速24毕业

3、论文TheStudyBasedonGPUParallelComputingandTechnologyofImageBinarizationAbstractBinaryzationisawaytomakeanimageintoabinaryimage,thatonly0and255twobrightnessvalues.Thekeyofbinaryzationisthresholdselection,Usuallyturnthegreaterthanthethresholdinto255,converselysetto0.Indigitalimag

4、eprocessing,binaryimageisoccupiedaveryimportantposition,Thebinaryzationofimageisbenefitforitsfurtherprocessing.Maketheimagebecomesimple,Anddecreasethedataquantity,Canhighlightinterestingoutlineofthegoals.Imagebinaryzationisthepremiseofimagepatternrecognition,Imagerecognitiond

5、irectlydeterminetheresultofidentification.Duetotheneedforeffectivebinaryimageofeachpixeltodeterminethebinaryvalues,SotheamountofcalculationisverylargeandHardtoachievereal-timerequirements,binaryneededtoeffectivelyimprove.CUDAisThemodelofNVIDIA'sGPGPU,itcandirectlytousemostCwh

6、ichpeoplearefamiliarwith,towriteexecutionproceduresindisplaychip.Asaresultofcurrentdisplaychiphastheabilityofhighlyprogrammable,withThehighmemorybandwidth,andalargeamountofexecutionunit,comparedwithhighorderCPU,thepriceofVideocardisrelativelycheaper.TheframeworkofCUDAprogramm

7、ingismoresimplethantraditionalprogramming,suitforsolvingtheproblemcanbelargeparallelized,AndfortheproblemisnotparallelprocessingcanbecompletedbytheCPU,CarryoutthelinkagebetweenCPUandGPU,improvestheefficiencyofComputation,Reducestheconsumingofcomputationaltime.Experimentsshow,

8、comparedwiththetraditionalbinaryzationbasedonCPU,UsetheimageCUDAbina

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。