Высокопроизводительные парал. вычисления на кластерных системах. Воеводин (2005) (1186026), страница 20
Текст из файла (страница 20)
Каждый отсчетцветного изображения, в случае если используется модель храненияRGB, представлен в виде вектора (r, g, b)T. На первом этапе для каждого отсчета цветного изображения осуществляется переход от моделиRGB в модель XYZ [8] по формуле:⎛ x ⎞ ⎛ 0,412453 0,357580 0,180423 ⎞ ⎛ r ⎞⎟⎜ ⎟⎜ ⎟ ⎜⎜ y ⎟ = ⎜ 0,212671 0,715160 0,072169 ⎟ ⎜ g ⎟ .⎜ z ⎟ ⎜ 0,019334 0,119193 0,950227 ⎟ ⎜ b ⎟⎠⎝ ⎠⎝ ⎠ ⎝(1)Переход от модели XYZ в модель Lab с координатами (L, a, b)Tосуществляется согласно следующим соотношениям:L = 116 × f 1( y y N ) − 16,a = 500[ f 1( x x N ) − f 1( y y N )],(2)a = 200[ f 1( y y N ) − f 1( z z N )],где xN = 96,422, yN = 100, zN = 82,521,97⎧t 1 3∀t > 0,008856,f 1(t ) = ⎨⎩7,7867t + 0,137931 ∀t ≤ 0,008856.(1)Соотношение (2) обеспечивает «растягивание» близкой к нулю области XYZ, в результате чего сглаживается неравноконтрастностьXYZ.После перехода к описанию в цветовом пространстве Lab осуществляется обработка с целью устранения искажений.
Известно, чтокомпонента L отвечает за уровень яркости, а остальные две за цветообразование, поэтому перечисленным выше типам искажений (дефокусировка, смаз, влияние турбулентностей атмосферы) преимущественноподвергается L компонента. С учетом этого технология улучшениякачества цветных изображений при указанных типах искажений можетбыть сведена к обработке компоненты L.Для этой компоненты осуществляется слепая параметрическаяидентификация [6] восстанавливающего фильтра.
Эта задача решаетсяв классе фильтров с бесконечной импульсной характеристикой (БИХфильтров), для которых связь отсчетов выходного g(n1, n2) и входногоf (n1, n2) изображений описывается соотношением [1]:g (n1 , n2 ) = −+∑bm1 ,m2( m1 ,m2 )∈Q f∑am1 ,m2 g (n1( m1 ,m2 )∈Qg− m1 , n2 − m2 ) +f (n1 − m1 , n2 − m2 ) + ξ(n1 , n2 ), (4)где am1 ,m2 , bm1 ,m2 - подлежащие определению коэффициенты фильтра,ξ(n1, n2) - дискретный шум. Затем с использованием этого фильтра обрабатывается L компонента изображения [2].Завершающим этапом является переход из пространства Lab впространство RGB. На первом этапе, используются соотношения, получаемые из выражения Ошибка! Источник ссылки не найден.:L + 16 ⎞⎛ ax = xN × f 2 ⎜+⎟,116 ⎠⎝ 500⎛ L + 16 ⎞y = yN × f 2 ⎜⎟,⎝ 116 ⎠b ⎞⎛ L + 16z = zN × f 2 ⎜−⎟,116200⎠⎝98где⎧t 3∀t > 0,20689,(6)f 2(t ) = ⎨⎩0,128424t + 0,0177137 ∀t ≤ 0,20689.в соответствии с которыми осуществляется обратный переход в пространство XYZ.
Затем осуществляется переход их пространства XYZ впространство RGB:⎛ r ⎞ ⎛ 3,240479 − 1,537150 − 0,498535 ⎞ ⎛ x ⎞⎜ ⎟ ⎜⎟⎜ ⎟0,041556 ⎟ ⎜ y ⎟ .⎜ g ⎟ = ⎜ − 0,969256 1,875992⎜ b ⎟ ⎜ 0,055648 − 0,204043 1,057311 ⎟ ⎜ z ⎟⎝ ⎠ ⎝⎠⎝ ⎠(7)Технология распределенной обработкибольшеформатных изображенийРассмотрим особенности организации распределенной обработкиизображений. С вычислительной точки зрения алгоритм обработки Lкомпоненты цветного изображения в соответствии со схемой классификации, изложенной в [9] относится к классу процессов обработки,которые должны осуществляться итерационно, с обменом даннымипосле каждой итерации. Поэтому центральным вопросом в данномслучае, также как и при обработке черно-белых изображений, являетсядекомпозиция данных.В данном случае L -компонента цветного изображения для минимизации коммуникационных расходов разбивается на квадратные области [2] (рис.
1,а). При этом обмен данными будет происходить в последовательности, указанной на рис. 1,б и на рис. 1,в. Вследствие неоднородности многопроцессорной вычислительной системы, времяобработки одинаковых фрагментов изображения в узлах будет различным. На время обработки фрагмента влияют многие параметры узла, вчастности частота процессора, частота системной шины и памяти, размер КЭШа, параметры коммуникационной среды и т.д. Определениеявных априорных зависимостей времени обработки изображения от егоразмера представляет серьезные трудности и не всегда возможно. Поэтому система строится на основе клиент-серверной архитектуры свозможностью управления процессом в ходе обработки.Платформой для реализации программного комплекса обработкицветных изображений ImageProc выбрана Java 2 Enterprise Edition™(J2EE) от Sun Microsystems.
Данная платформа является основой серверов приложений многих компаний и хорошо документируема.99а)б)в)Рис. 1. а) двумерная декомпозиция; б) первый этап обмена данными;в) второй этап обмена даннымиНа рис. 2 представлена структурная схема программного комплекса. Кроме основных компонентов на рисунке представлены сетевыепротоколы, в соответствии с которыми происходит обмен между компонентами. При разработке пользовательского интерфейса используется идеология тонкого клиента, поэтому у пользователя нет необходимости в установке дополнительного программного обеспечения.
Реализация программного комплекса выполняется с использованием свободно распространяемого программного обеспечения: Linux, JSP – контейнер Tomcat. Технология Java Server Pages (JSP) имеет ряд преимуществ по сравнению с другими технологиями создания приложенийдля обработки динамического WEB-содержания. Во-первых, как любаяJava технология, она является кроссплатформенной. Во-вторых, JSPтехнология помогает эффективно отделить представление от содержания. Использование Web Cluster в приведенной системе позволяет оперативно обрабатывать большеформатные изображения, что являетсяважной особенностью, среди аналогичных систем.Рис.
2. Структурная схема программного комплексаВ описанной системе компоненты изображения a и b хранятся насервере, где и осуществляется формирование выходного изображенияпосле завершения обработки L-компоненты.100На рис. 3 и 4 приведены исходное искаженное и обработанное сиспользованием описанной технологии изображения.Рис. 3. Искаженное изображениеРис. 4. Восстановленное изображениеРабота выполнена при поддержке программ BRHE, INTAS и Российского фонда фундаментальных исследований (гранты №№ 03-0100109, 04-07-90149, 04-07-96500).Литература1.
Методы компьютерной обработки изображений / Под ред.В.А. Сойфера. М.:ква, Физматлит, 2001.2. Дроздов М.А., Зимин Д.И., Скуратов С.А., Попов С.Б., ФурсовВ.А. Технология определения восстанавливающих фильтров и обработки больших изображений // Компьютерная оптика. № 25, 2003.3. Dudgeon Dan E., Mersereau Russell M. , Multidimensional digitalsignal processing, Prentice-Hall, Inc., Englewood Cliffs, 1984.4. Pratt William K. Digital Image processing. A wiley-interscinencepublication, John Wiley and Sons, New York, 1978.5. Горячкин О.В. Методы слепой обработки сигналов и их приложения в системах радиотехники и связи.
М.: Радио и связь, 2003.6. Никоноров А.В., Попов С.Б., Фурсов В.А. Идентификация моделей цветовоспроизведения // Матер. VI Международ. конф. «Распознование образов и анализ изображений: новый информационный подход», Новгород, 2002.1017. Ford Adrian, Roberts Alan. Color Space Conversions, 1998.8. Зимин Д.И., Фурсов В.А. Технология определения восстанавливающего фильтра и обработки цветных изображений // Компьютернаяоптика. № 27, 2005.9. Зимин Д.И., Фурсов В.А.
Итерационное планирование распределения ресурсов многопроцессорных систем // Матер. IV Международ.науч.-практического семинара «Высокопроизводительные параллельные вычисления на кластерных системах», Самара 2004.МОДЕЛЬ ПАРАЛЛЕЛЬНОЙ ПРОГРАММЫ И ЕЕИСПОЛЬЗОВАНИЕ ДЛЯ ОЦЕНКИ ВРЕМЕНИ ВЫПОЛНЕНИЯНА ИНСТРУМЕНТАЛЬНОМ КОМПЬЮТЕРЕВ. Иванников, С. Гайсарян, А. Аветисян, В. БабковаИнститут системного программирования РАН, Москва1.
ВведениеСовременные системы параллельного программирования несовершенны и трудны в использовании, а инструменты, входящие в ихсостав, не охватывают всего процесса разработки и опираются на технологии, разработанные десятки лет назад [1].
Кроме того, существующие средства разработки параллельных программ базируются наиспользовании целевой аппаратуры. Как следствие разработка каждойпараллельной программы связана со значительными, и, что важнее,непредсказуемыми затратами труда прикладных программистов, производительность большинства программ составляет несколько процентов от пиковой производительности вычислительной системы. Необходимы новые технологии параллельного программирования доступные как программисту средней квалификации, так и специалистам вобласти других наук, умеющим программировать.В настоящее время надежды с созданием таких технологий связаны с исследованием и разработкой адекватных моделей параллельныхпрограмм и параллельных систем и инструментальных средств, обеспечивающих разработку программ на моделях [2]. Это не только позволит перенести большую часть разработки на инструментальныйкомпьютер, сократив время и стоимость разработки, но и существеннорасширит возможности прикладного программиста по изучению и модификации разрабатываемой программы.В настоящей работе рассматривается модель параллельной про102граммы, которая может эффективно интерпретироваться на инструментальном компьютере, обеспечивая возможность достаточно точного предсказания времени реального выполнения параллельной программы на заданном параллельном вычислительном комплексе.
Текущая версия модели разработана для параллельных программ с явнымобменом сообщениями, написанным на языке Java с обращениями кбиблиотеке MPI, и включена в состав среды ParJava [3].2. Модель параллельной программыМодель параллельной Java-программы строится по ее абстрактному синтаксическому дереву. Это оказалось возможным, потому чтоJava – хорошо структурированный язык и граф потока управленияJava-программы сохраняет структуру исходной программы. При построении модели в дереве сохраняются управляющие конструкцииязыка Java, а выражения и вызовы функций заменяются базовыми блоками.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
