HetCompute Image Processing Tutorial(一)

一、抽象

１），本教程的目标是说明如何使用HetCompute编程模型使用任务并行性和共享内存来处理图像。

二、图像处理过滤器

１），作为一个例子，应该探索非局部均值（NL-means）图像去噪算法。在该算法中，像素的估计值被计算为图像中所有像素的加权平均值。权重取决于像素对之间的相似性，相似性被定义为加权欧几里德距离的递减函数。具有类似灰度邻域的像素平均具有较大的权重。对于实际的计算算法，在SxS窗口中限制搜索类似的窗口。具有7x7相似性方形邻域的21x21搜索窗口被认为足够可靠地去噪，同时处理更精细的细节。

２），使用以下等式计算权重： 

　　　　　　　　　　　

３），　其中Z(i)是归一化常数：　　　　　　

　　　　　　　　　　　

４），实现这个算法的伪代码如下：

　　　

三、使用HetCompute运行并行图形处理

１），上面提出的去噪算法是无序并行的。在这个实现中，不使用就地算法（输出是写在单独的图像中）；因此，每个像素可以与所有其他像素并行处理。

２），比较简单的并行化

　　　a，对于这种算法，简单的实现只需将去噪图像中最外层的循环并行化，为每个像素创建一个任务，然后异步启动它。

　　　　

　　　b），虽然这种并行化策略非常简单，而且易于在hetcompute中实现，但是这种实现的性能可能不是最佳的，原因有几　个，如并行处理教程中所讨论的。特别是，这个实现太细粒度了，无法克服并行开销，并且不利用缓存位置。