Вы находитесь на странице: 1из 4

Склеймин Юрий Борисович, Чеботарева Виктория Альбертовна

Применение дискретного косинусного преобразования для фильтрации изображений.


Реализация метода во встраиваемых системах.

Благодаря развитию аппаратных средств становиться возможным


применение технологии обработки изображений в различных отраслях
деятельности. Методы цифровой обработки изображений требуют высокой
производительности вычислительных систем и применения специальных
аппаратных средств.
До недавнего времени использование данных методов было затруднено. С
появлением высокопроизводительных процессоров с низким энергопотреблением
появилась возможность использовать технологии обработки изображений во
встраиваемых системах.
Одной из часто встречающихся задач является фильтрация изображений.
Фильтрация необходима при реализации фундаментальных операций
компьютерного зрения, распознавания образов и улучшения качества изображений.
Существует большое разнообразие фильтров позволяющих решать следующие
задачи: сглаживающие фильтры(Гауссовский фильтр, фильтр Баттерворта),
контрастоповышающие фильтры, фильтры выделения границ. Фильтрация
является трудоемкой задачей и может быть выполнена с использованием одного из
подходов – работа в пространственной области (непосредственно с пикселями
изображения) или работа в частотной области с применением различных
ортогональных преобразований. Для фильтрации в частотной области широко
используется преобразование Фурье. Работа в частотной области позволяет
снизить вычислительную сложность алгоритмов фильтрации, но возможна
реализация только линейных фильтров [1]. Общая схема фильтрации в частотной
области описывается выражением:

где - ДПФ исходного изображения размерами , -

передаточная функция фильтра, - обратное ДПФ, а - результат фильтрации


(выходное изображение). Функции F, H, и g представляют собой массивы размерами

, как и исходное изображение. Произведение формируется как

поэлементное произведение массивов. Для ДПФ что существуют эффективные алгоритмы


его вычисления. Двумерное ДПФ, задается формулами:

, для и . (1)

Если ввести сокращенное обозначение для комплексной экспоненты

то

Прямое вычисление данных выражений не эффективно из-за высокой


трудоемкости. Одним из методов снижения трудоемкости служит разбиение двумерного
ДПФ на строки и столбцы. Сначала выполняются одномерные ДПФ для всех строк
изображения затем для всех столбцов [2]. Еще больше снизить трудоемкость позволяет
использование алгоритма быстрого преобразования Фурье (БПФ). Оценка трудоемкости
для этих случаев показана ниже.
Для прямого вычисления

Комплексных сложений и умножений.


Для метода разложения на строки и столбцы прямого вычисления

Если числа являются степенями числа два, то можно использовать алгоритм

БПФ и число комплексных умножений будет определяться:

Необходимое число сложений больше в два раза.


Вычислительная эффективность является достоинством технологии фильтрации
изображений в частотной области. К недостаткам следует отнести необходимость работы

с комплексными числами. Комплексные числа будут содержать матрицы

, кроме того, из-за накопления ошибок округления результат

обратного преобразования Фурье может содержать не только действительные значения,


но и комплексные величины.
Для устранения этих недостатков предлагается использовать дискретное
косинусное преобразование (ДКП). ДКП эффективно используется в алгоритме сжатия
изображений JPEG и по своим свойствам аналогично дискретному преобразованию
Фурье. Применение ДКП к матрице действительных чисел (исходному изображению) дает
на выходе также матрицу действительных чисел. Это свойство дополнительно снижает
трудоемкость и упрощает алгоритмы. По аналогии с (1) Двумерное ДКП, задается
формулами:

, для и ,

Если ввести сокращенное обозначение для базисной функции

то получим выражение полностью аналогичное (2).


Для реализации методов фильтрации в частотной области и их возможного
применения во встраиваемых системах, необходимо использовать
высокопроизводительные платформы. Дополнительной возможностью повышения
быстродействия является применения многопроцессорных архитектур. Эффективная
реализация параллельных вычислений на многопроцессорных архитектурах требует
дополнительных исследований. В качестве платформы для экспериментальной проверки
была выбрана демонстрационная плата Parallella Desktop (P1601)[3].

Плата предназначена для построения энергоэффективных вычислительных систем и


исследований в области параллелизма, и построена на базе процессора Zynq ARM/FPGA
SoC работающего под управлением дистрибутива Ubuntu 15.04, названного Parabuntu, а
также 16-ядерного сопроцессора Epiphany. Порты включают microSD, GbE, micro-HDMI,
и два USB. Четыре 60-pin разъёма служат для расширения ввода-вывода и связаны с FPGA
и с чипом Epiphany. Для данной платы доступен набор инструментальных средств,
позволяющий выполнить разработку и тестирование алгоритмов фильтрации
изображений в частотной области и исследовать возможности их реализации на
многопроцессорных системах. В частности, доступны компилятор GCC C/C++ с
библиотеками для реализации параллельных вычислений, интерпретатор языка Python и
другие средства разработки. Для программ на C/C++ может использоваться отладчик
GDB - Epiphany debugger. Имеются примеры реализации алгоритмов быстрого
преобразования Фурье.

Экспериментальная проверка показа возможность использования дискретного


косинусного преобразования для выполнения фильтрации изображений. Время
выполнения меньше, чем при использовании преобразования Фурье. Возможности ещё
большего сокращения времени обработки за счет использования параллельных
вычислений будут дополнительно исследованы Чеботаревой В.А. в рамках выполнения
выпускной квалификационной работы.

Литература

1. Гонсалес Р., Вудс Р. Цифровая обработка изображений, Москва:


Техносфера, 2012. – 1104 с.
2. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов: Пер.
с англ.—М.: Мир, 1988.— 488 с, ил.
3. https://www.parallella.org/ - официальный сайт компании Parallella