基于GPU的運(yùn)動模糊圖像復(fù)原算法實(shí)現(xiàn)及優(yōu)化研究.pdf

1、運(yùn)動模糊圖像在我們?nèi)粘Ｉ钪惺鞘殖Ｒ姷?，只要物體和拍攝的系統(tǒng)之間是相對運(yùn)動的，就會出現(xiàn)這類現(xiàn)象。因此去模糊技術(shù)是圖像預(yù)處理中一個十分重要的步驟。
　　GPU擁有巨大的存儲器帶寬和強(qiáng)勁的處理浮點(diǎn)數(shù)據(jù)的能力，因此GPU已經(jīng)被廣泛應(yīng)用于許多計(jì)算領(lǐng)域當(dāng)中。并且相對于 CPU來說，GPU已經(jīng)在諸多領(lǐng)域中加速比達(dá)到一到兩個數(shù)量級。另一方面，NVIDIA公司 CUDA架構(gòu)的推出解除了傳統(tǒng) GPU的設(shè)計(jì)初衷給開發(fā)人員帶來的束縛，使得 GPU開發(fā)

2、編程更簡單、功能更強(qiáng)大、應(yīng)用領(lǐng)域更廣泛。
　　本文將運(yùn)動模糊圖像復(fù)原算法與 GPU技術(shù)相結(jié)合，首先在CPU平臺和GPU平臺上分別實(shí)現(xiàn)了圖像的傅里葉變換，并分別實(shí)現(xiàn)了CPU和GPU平臺上的已知運(yùn)動模糊距離和模糊角度的運(yùn)動模糊圖像的維納濾波復(fù)原，并測得 GPU與 CPU的運(yùn)算時(shí)間，取得了較高的加速比。為了進(jìn)一步增加算法的并行化程度，利用GPU對以上兩種算法做了進(jìn)一步的并行優(yōu)化。在圖像受到噪聲干擾的情況下，運(yùn)用維納濾波恢復(fù)運(yùn)動模糊圖像，