基于Tegra X1處理器的4K內(nèi)窺鏡圖像處理算法研發(fā).pdf

1、醫(yī)療電子內(nèi)窺鏡作為一種重要的臨床診斷及治療儀器，一直以來對圖像質量都有著極高的要求。而伴隨著4K顯示技術的到來，電子內(nèi)窺鏡所支持的圖像分辨率也應當?shù)玫较鄳奶岣摺Ｓ捎?K分辨率的圖像具有4倍于1080P圖像的數(shù)據(jù)量，為了保證電子內(nèi)窺鏡顯示圖像的實時性和低延遲，需要研發(fā)一種更加高效的圖像處理算法。
　　本文在搭載了兩片Tegra X1處理器的硬件平臺上，利用GPU并行處理技術，研發(fā)了4K分辨率電子內(nèi)窺鏡系統(tǒng)中的圖像處理算法。算法的主

2、要部分為實時的圖像前端處理，用于處理內(nèi)鏡采集到的原始數(shù)據(jù)以供顯示設備使用;另一部分為非實時的H.264視頻編碼，利用處理器GPU的剩余性能對部分重要數(shù)據(jù)進行編碼及存儲。
　　本文首先根據(jù)CUDA編程模型以及Tegra X1的具體硬件配置，為每個模塊單獨設計了線程分配方案以提高程序的并行效率。其次，本文在優(yōu)化方面使用共享內(nèi)存減少了對全局內(nèi)存數(shù)據(jù)的讀寫;通過調(diào)整各線程處理順序減少了程序條件分支;使用零拷貝減少了CPU-GPU數(shù)據(jù)通信的

3、時間。在算法協(xié)同運行方面，本文使用流處理消除了不同進程使用同一個GPU資源時互相的干擾問題，并通過將編碼算法中的各個模塊進一步劃分，縮短了單個任務對GPU的連續(xù)占用時間，從而保證了圖像前端處理的實時性與低延遲。
　　測試結果顯示，本文研發(fā)的圖像處理算法能夠在保證30fps實時圖像前端處理的同時，進行速度約為0.7至1.0fps的4K視頻編碼。而在不進行視頻編碼時，圖像前端處理的速度能夠達到56fps。此外，本文還評估了H.264視