基于GPU的二维地震图像的快速缩放方法技术

本发明专利技术公开了一种基于GPU的二维地震图像的快速缩放方法，通过将GPU加速的双立方插值算法引入到地震彩色图缩放的应用中，提升了缩放和交互效果；将CUDA和openGL互操作技术引入到彩色图缩放算法中，加速缩放后彩色图的显示；将数据分块技术应用到地震剖面彩色图显示中，能解决海量地震剖面数据的显示和缩放问题；具有双立方插值的最优效果，没有马赛克，边缘过渡平缓；保证了海量数据也能实时缩放，且缩放速度快；本发明专利技术算法的内存限制远比普通双三次方插值的内存限制小得多，适合用于处理大数据量的地震剖面图像。

【技术实现步骤摘要】

本专利技术涉及一种基于GPU的二维地震图像的快速缩放方法。
技术介绍
图像信息是人类传递视觉信息的主要媒介，图像给人们直观而具体的物体形象，这是声音、语言和文字所不能比拟的。在地质勘探中，通过地质解释软件得到的大量二维图像如二维地震剖面图等信息，为勘探工作提供了诸多便利，二维地震图像信息准确性的高低，决定了地质解释软件的作用效果。在地质勘探领域，因为其处理的二维地震剖面道数经常是几万道的数量级，数据量非常之大，具有海量性，并且图像操作交互的实时性，大规模数据图形图像实时绘制在这一领域就显得尤其重要。在对图像的处理和交互操作中，图像的放大和缩小作为一种基本 的图像处理技术，在大规模数据图像的实时绘制中，作为一种常见的操作，在实际应用中具有重要的作用。图像放缩所用数学模型的优劣，通常会直接影响用户观看图像的质量和速度。在地质解释软件中，由于地震数据的海量性和交互的实时性，就要求对地质图像既有高质量的缩放也要有快速显示的效果。因此，要做到二维地震图像的快速缩放，需要三个关键步骤第一，把海量数据分块成合适大小的小块数据进行处理。第二，选择一个算法，确保地震剖面图像能有高质量的缩放效果。第三，这个算法时间复杂度小，能使二维地震图像数据经分块后形成的合适大小的小块数据能实时处理。地震剖面数据的一个最大的特点是数据量大，通常的情况下都有一两百兆，而且经常会有几个G的数据。面对如此庞大的数据，要进行快速缩放是非常困难的。这对计算机硬件和应用软件都提出了非常高的要求。对于海量地震图像数据处理来说，最大的问题是图像数据经常会比计算机的内存大。地震剖面数据还有一个很明显的特点就是它是一道一道的数据，可以按道存取。所以，对海量的地震剖面数据，可以先按要显示的道获取显示起始道和显示终止道的数据，这个数据一般会有100M左右，为中等合适大小的数据。海量数据分块好之后，对于合适大小的数据块，就需要选择一个能有高质量缩放效果的算法。数字图像是离散化的点阵数据。要对数字图像进行缩放，就必须利用已知的资料和先验知识对未知采样点进行估计。数字图像的缩放通常借助图像插值来实现。插值算法的好坏将直接关系到图像的失真程度。理论上，图像缩放可以看作一个二元函数重构与重采样的问题。若图像上像素(i，j)处的颜色值为fu，图像大小为MXN，现要将图像缩放至PXQ，则图像缩放可以描述如下假设f(x，y)是定义在二维区域上的一个函数，首先根据像素点处的离散颜色值{匕} (i=0，1，... M-l; j=0, I, . . . N-l)重构函数 f(x，y)，使得 f(i，j)=匕，其中(x, y) e X ;如果源图像为灰度图，那么f(x，y)为标量函数；如果源图像为彩色图像，那么f(x，y)为矢量函数；然后在X上按照适当的规则对f(x, y)进行重采样，结果即为缩放后的目标图像。当P〈M且Q〈N时，为图像缩小；iP>M且Q>N时为图像放大。作为图像处理中的基本操作，对图像缩放已有较多的研究，其中最主要的是基于插值核函数的方法。这类插值算法属于传统的线性插值算法，并与传统的图像缩放理论中“采用一个连续函数来描述离散图像”的理论相吻合。设(x，y)为目标图像T中的当前处理像素，该类方法的一般步骤是首先将(x，y)向前映射到源图像S中的(i+u，j+v)，其中(O彡u彡1，0彡V彡1)，然后采用像素(i，j)周围一定领域范围内的像素作为采样点，根据某种线性插值方法来得到所求像素(x，y)，可用公式表示为T (λ-, y) = Xlo Σ% sijf(x-i^y-j)(1)式中Sij取自源图像S的采样点；f(x-i，y-j)为插值核函数，为了减少运算量，往往选择线性的核函数，即f(x，y)=f(x)f(y)。 该类算法与传统插值算法原理基本相同，算法之间的区别在于所利用的采样点范围以及插值核函数的不同。下面列举了其中一些常见形式。它们具有不同的优缺点。I)最近邻域插值法(Nearest)这是图像缩放里的最简单的算法，因其插值核函数为零阶函数，也叫零阶插值，其核心是简单的像素复制。该算法利用的采样点区间为1X1，即T(x，y)=S(i，j)。该算法简单、直观、高效，但是在图像放大时会产生明显的锯齿现象，难以得到视觉上高质量的目标图像。该方法精度不高，但速度快，可以用在浏览等不重要但要求速度快的场合。2)双线性插值法(Bilinear)双线性插值也叫一阶插值，该算法通过对S(i，j)周围相邻的4个像素在两个方向分别作线性插值来决定新像素的值，采样点区间为2X2，所对应的4个采样点分别为S (i, j)、S (i+1, j)、S (i, j+1)和 S (i+1, j+1)，即:T (x, y) =S (i+u, j+v) = (l_u) ( 1-v) f (i, j) + (l~u) vf (i, j + 1) +u (l_v)f (i+1, v) +uvf (i+1, j+1)双线性内插法的计算比最近邻域插值法复杂些,计算量较大。但没有灰度不连续性的缺点，结果令人满意。它具有低通滤波性质，但该方法会使高频分量受损，图像轮廓有一定模糊。主要缺点为既平滑了图像高频分量又使低频分量产生了混叠。3)双三次插值法(Bicubic)双三次插值算法的采样点区间为4X4，利用了 S(i，j)周围16个像素的信息。该插值核函数一般采用理想插值函数sine (X) =sin (X)/x的理论上的最佳逼近。双立方插值可以通过拉格朗日多项式、三次样条函数或者三次卷积算法实现。三次样条函数就是理想的插值函数sine (X)=Sin(X) Λ的理论上的最佳逼近。拉格朗日多项式最易实现。双三次插值消除了最近邻域插值法的锯齿走样问题和“马赛克”问题，也解决了双二次插值的边缘模糊问题，内插效果最好，精度最高，具有较好的视觉效果，但计算量较大，复杂度较高。由于地质勘探领域里的特殊性，既要求效果好，精度高，又要求缩放实时交互。所以本专利技术既需要达到双三次方插值的效果，又要使交互达到实时的效果。对于地震数据图像来说，因为数据的海量性，分块成合适大小的数据，每一小块数据也有100Μ左右，如果直接使用传统的双三次方插值，虽然可以达到精度高的理想效果，但是要经过相对漫长的等待时间，交互效果较差。要解决双三次方插值处理时间长的问题，需要快速实现双三次方插值。这可以通过借用GPU加速并行计算来实现。目前图形硬件中的图形处理器(GPU)计算能力的增长速度已经超过了中央处理器(CPU)计算能力的增长速度，主流图形硬件制造商声称，现在每隔I年GPU的性能就会增长I倍。图形硬件技术一个最主要的突破就是在图形硬件中引入了可编程功能，该功能允许用户编制自定义的着色器程序(Shader program)来替换原来固定流水线中的某些功能模块，使得GPU在功能上更像一个通用处理器。虽然GPU具有非常高的计算速度，但并不能直接将以前在CPU中实现的算法照搬到GPU中来执行，这是因为GPU的指令执行方式和CPU不一样，GPU的体系结构是一种高度并行的单指令多数据(SIMD)指令执行体系。所以要基于可编程图形硬件实现一些在CPU中效率较低的算法，就必须重新组织算法实现的 数据结构和步骤，以充分利用GPU并本文档来自技高网...

【技术保护点】
一种基于GPU的二维地震图像的快速缩放方法，其特征在于：包括如下步骤：步骤一、海量地震剖面数据的分块：建立前、后台两个数据缓冲区，其中：前台缓冲区直接服务于图形图像显示，后台缓冲区则对应于硬盘操作，并通过多线程技术实现前、后台两个数据缓冲区之间数据内容的交换；步骤二、采用双立方插值算法来实现缩放；步骤三、CUDA框架下的GPU并行计算；步骤四、GPU加速实现双立方插值：（1）检测GPU性能参数；（2）初始化显示窗口；（3）为测量创建定时器；（4）获取分块后的图片数据；（5）分配CUDA数组，复制图像数据到数组；（6）设置并绑定CUDA纹理参数到CUDA数组；（7）创建像素缓冲区对象；（8）注册显存缓冲对象；（9）创建显示纹理；（10）插值渲染；步骤五、CUDA和openGL互操作加速显示：使用CUDA生成数据，然后使用OpenGL在屏幕上绘制出数据所表示的图形。

【技术特征摘要】
1.一种基于GPU的二维地震图像的快速缩放方法，其特征在于包括如下步骤 步骤一、海量地震剖面数据的分块建立前、后台两个数据缓冲区，其中前台缓冲区直接服务于图形图像显示，后台缓冲区则对应于硬盘操作，并通过多线程技术实现前、后台两个数据缓冲区之间数据内容的交换； 步骤二、采用双立方插值算法来实现缩放； 步骤三、CUDA框架下的GPU并行计算； 步骤四、GPU加速实现双立方插值 (1)检测GPU性能参数； (2)初始化显示窗口； (3)为测量创建定时器； (4)获取分块后的图片数据； (5)分配CUDA数组，复制图像数据到数组； (6)设置并绑定CUDA纹理参数到CUDA数组； (7)创建像素缓冲区对象；...

【专利技术属性】
技术研发人员：姚兴苗，吴凡贤，胡光岷，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：