本文提出使用CPU+GPU異構(gòu)計(jì)算技術(shù)對(duì)顯微鏡下的多張不同焦距圖像進(jìn)行圖像融合，使用GPU的并行處理功能快速計(jì)算圖像上每個(gè)像素位置的聚焦清晰值，取最高值所在位置的圖像像素融合為顯微鏡超景深圖。實(shí)驗(yàn)結(jié)果顯示，采用了CPU+GPU異構(gòu)計(jì)算技術(shù)的圖像融合計(jì)算速度遠(yuǎn)高于CPU計(jì)算的速度。

【關(guān)鍵詞】圖像融合 景深 擴(kuò)展 圖形處理器 C++ AMP

顯微鏡光學(xué)系統(tǒng)中，高倍數(shù)顯微鏡放大倍率搞，工作距離短，圖像景深淺。只有在聚焦平面附近的圖像才能被看清晰顯示。顯微圖像融合技術(shù)可以將多幅不同聚焦位置的圖像融合成一幅各處都清晰的圖像。廣泛的應(yīng)用于生物醫(yī)學(xué)、微電子和材料檢測(cè)等領(lǐng)域。但融合算法的計(jì)算量非常大，收到計(jì)算機(jī)計(jì)算能力的限制，一直無(wú)法實(shí)現(xiàn)圖像的快速或?qū)崟r(shí)融合。

受到計(jì)算機(jī)芯片制造技術(shù)的限制，CPU芯片已經(jīng)無(wú)法通過(guò)無(wú)限制增加頻率的方式提升計(jì)算速度，轉(zhuǎn)為采用“多核”方式提供更強(qiáng)性能的計(jì)算機(jī)。隨著GPU的性能不斷提升，以前的幾十個(gè)計(jì)算單元增長(zhǎng)到目前的幾千個(gè)計(jì)算單元，越來(lái)越多的程序通過(guò)CPU+GPU的異構(gòu)計(jì)算方式，利用GPU強(qiáng)大的并行計(jì)算能力提升應(yīng)用程序的計(jì)算速度。異構(gòu)計(jì)算技術(shù)已廣泛的用于科學(xué)建模與仿真、實(shí)時(shí)控制系統(tǒng)、財(cái)務(wù)跟蹤模擬和預(yù)測(cè)、游戲和圖像處理等工作上。

1 C++ AMP技術(shù)

目前成熟的異構(gòu)計(jì)算技術(shù)的GPU計(jì)算接口包括NVIDIA 的CUDAC和AMD的OPENCL接口。微軟提供了一種GPU并行計(jì)算模式，C++AMP。其開發(fā)環(huán)境是windows平臺(tái) + VisualStudio+DirectX。C++AMP采用了面向?qū)ο蟮腃++語(yǔ)言開發(fā)，支持CPU和GPU的跨平臺(tái)編譯運(yùn)行，具有邏輯結(jié)構(gòu)簡(jiǎn)單、數(shù)據(jù)隱式拷貝、自動(dòng)負(fù)載均衡等特點(diǎn)，可以快速、穩(wěn)定地實(shí)現(xiàn)并行計(jì)算。C++AMP比另外兩種并行端口適用范圍更廣，可以實(shí)現(xiàn)真正意義上的跨平臺(tái)運(yùn)行。

2 多聚焦圖像融合算法及GPU算法實(shí)現(xiàn)

2.1 多聚焦圖像融合算法原理

顯微鏡成像過(guò)程中，只有在景深范圍內(nèi)的圖像是清晰的，不在景深范圍內(nèi)圖像則是模糊的。不同高度位置拍攝的的顯微圖像的清晰部分融合在一起，生成擁有完整清晰圖像合成圖是多聚焦圖像融合的目的。

目前的圖像融合方法主要分為兩類：基于頻域的圖像融合和基于空間域的圖像融合。頻域融合算法計(jì)算復(fù)雜、需時(shí)較長(zhǎng)，而空域算法計(jì)算較為簡(jiǎn)單、分析速度快。對(duì)比兩者方法特點(diǎn)和效果，本文采用空域算法中的改進(jìn)Laplace算法提取清晰度位置，進(jìn)行圖像融合。

如圖1所示，本文的圖像融合算法主要分為4步。

步驟1，對(duì)圖像上每一個(gè)像素點(diǎn)進(jìn)行聚焦清晰度計(jì)算，獲得該點(diǎn)位置的聚焦評(píng)價(jià)函數(shù)值。

步驟2，對(duì)相同位置的不同圖像在該位置的聚焦清晰度評(píng)價(jià)值進(jìn)行濾波和擬合，并獲取聚焦清晰度值最大值及其所在高度位置。

步驟3，根據(jù)步驟2獲得的聚焦清晰度最大值所在的位置，在原使圖像中提取該位置的像素點(diǎn)值作為融合以后的圖像的像素值。

步驟4，重復(fù)步驟2和步驟3，直到完成全部的圖像融合，獲得聚焦清晰的合成圖。

2.2 改進(jìn)Laplacian算子

聚焦清晰圖像的特點(diǎn)是邊緣銳化程度較高，由于梯度算子|▽f（x，y）|具有各向同性和旋轉(zhuǎn)不變性，可把圖像中各不同走向的邊緣和線條突出，離焦量越小圖像邊緣越銳化，圖像灰度梯度可以用來(lái)評(píng)價(jià)圖像的聚焦程度。

3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證異構(gòu)計(jì)算技術(shù)是否能夠明顯加快景深融合的計(jì)算速度，本文使用相同的算法分別使用CPU和GPU對(duì)數(shù)據(jù)進(jìn)行計(jì)算。

3.1 實(shí)驗(yàn)環(huán)境

硬件環(huán)境：CPU采用英特爾酷睿i5-4670@3.40GHz四核處理器，8G內(nèi)存，GPU采用NVidia公司的GeForce GT760顯卡，顯卡有1152個(gè)流處理單元，4G顯存， 1033MHz主頻。

軟件環(huán)境：Windows7.0，Visualstudio 2013開發(fā)環(huán)境，C++Amp技術(shù)在GPU下進(jìn)行異構(gòu)計(jì)算。

圖像融合算法的C++Amp異構(gòu)計(jì)算處理流程如下。

步驟1，設(shè)置加速器

accelerator default_device；

步驟2，定義GPU中的顯存并拷貝圖像數(shù)據(jù)和濾波掩碼到顯存中。

std：：vector v_img（width*height）；

std：：vector v_filter（radius * 2 + 1）；

for （i = 0； i < width*height； i++）

v_img[i] = （float）img[i]/ （float）RAND_MAX；

步驟3，使用GPU對(duì)圖像進(jìn)行并行計(jì)算并返回計(jì)算結(jié)果。

parallel_for_each（a_img.extent， [=， &a_img_buffer， &a_img， &a_filter]（index<2>idx） restrict（amp）

{

a_img_buffer[idx] = convolution<1>（idx， radius， a_img， a_filter）；

}）；

3.2 異構(gòu)計(jì)算速度和效果對(duì)比

為了對(duì)比異構(gòu)計(jì)算技術(shù)進(jìn)行多層顯微圖像融合的速度和效果，實(shí)驗(yàn)對(duì)同一段視頻文件分別單獨(dú)用CPU和使用CPU+GPU的異構(gòu)計(jì)算進(jìn)行圖像融合，兩者計(jì)算機(jī)速度對(duì)比如表1所示，圖2，3，4為樣本融合效果圖。

測(cè)試結(jié)果對(duì)比可知，使用了CPU+GPU異構(gòu)計(jì)算技術(shù)的處理的速度比單獨(dú)用CPU快約110倍。由此可見，異構(gòu)計(jì)算技術(shù)對(duì)圖像處理的加速效果是非常明顯的，融合的效果也比較好。

4 結(jié)論

本文提出使用CPU+GPU異構(gòu)計(jì)算技術(shù)對(duì)顯微鏡下的多張不同焦距圖像進(jìn)行圖像融合，使用GPU的并行處理功能快速計(jì)算圖像上每個(gè)像素位置的聚焦清晰值，取最高值所在位置的圖像像素融合為顯微鏡超景深圖。通過(guò)實(shí)驗(yàn)比較可以看出，采用了異構(gòu)計(jì)算技術(shù)的圖像融合計(jì)算速度遠(yuǎn)高于CPU計(jì)算的速度。

參考文獻(xiàn)

[1]符強(qiáng)，顯微圖像融合研究[M].桂林電子科技大學(xué)，2007.

[2]何曉昀.基于GPU的多聚焦顯微圖像快速三維重構(gòu)技術(shù)[J].電子技術(shù)與軟件工程，2015（24）：104.

[3]左顥睿，張啟衡，基于GPU的快速Sobel邊緣檢測(cè)算法[J].光電工程，Jan.2009，Vol.36，No1：8-11.

[4]林超.基于C++ AMP加速并行蟻群算法[J].現(xiàn)代電子技術(shù)，2014（23）：69-71.

[5]C++AMP用Visual C++加速大規(guī)模并行計(jì)算.

[6]鄢樹等.基于小波變換的圖像融合性能的研究[J].微計(jì)算機(jī)信息.2010.1-1：119-120.

[7]CUDA_C_Programming_Guide[EB/OL]. Nvidia.2011.

[8]Hillesland KE，Molinov S，Grzeszczuk R.Nonlinear Optimization framework for image-based modeing on programmable graphics hardware[J].ACM Transaction on Graphics，2003，Vol.22，No3：925-934.

[9]白洪濤.基于GPU的高性能并行算法研究[M].吉林大學(xué)，2010.

[10]向昌成.多聚焦圖像融合研究[D].電子科技大學(xué)，2010.

[11]姜志國(guó)，韓冬兵等.基于全自動(dòng)控制顯微鏡的自動(dòng)聚焦算法研究[J].中國(guó)圖象圖形學(xué)報(bào).Apr，2009.Vol.9，No4：396-401.

[12]何曉昀.磨粒表面形貌分析與三維重構(gòu)[D].武漢理工大學(xué)，2005.

作者簡(jiǎn)介

冼李豐，廣東理工學(xué)院汽車檢測(cè)與維修專業(yè)14級(jí)學(xué)生。

作者單位

1.廣東理工學(xué)院 廣東省肇慶市 526060

2.肇慶市端州區(qū)百圖維光電科技有限公司 廣東省肇慶市 526060