Actas JP2011 - Universidad de La Laguna

Actas XXII Jornadas de Paralelismo (JP2011) , La Laguna, Tenerife, 7-9 septiembre 2011Reducción de ruido impulsivo Fijo y Uniformeen imágenes digitales usando las GPUs.M. Guadalupe Sánchez 1 Vicente Vidal 2 Jordi Bataller 3 Alejandro Rivera 4Resumen— La gran demanda de aplicaciones entiempo real y gráficos en 3D de alta definición, han hechoque evolucionen no sólo en las implementacionesde gráficos, sino también las aplicaciones de propósitogeneral basada en la GPU. El problema de la reducciónde ruido impulsivo en imágenes a color es unproceso ampliamente estudiado en el campo de procesamientode imágenes. Con este fin, muchos métodosse han propuesto, sin embargo, el coste computacionalen la mayoría de ellos es muy alto si el tamaño dela imagen es grande y se requiere procesamiento entiempo real. En este artículo presentamos un métodopara reducir el ruido impulsivo (modelo de valor fijo yaleatorio), basado en el concepto de peer group. Utilizamosla Unidad de Procesamiento Gráfico (GPU)para obtener una aplicación paralela mejorando la eficienciacomputacional. Los resultados muestran queel problema de la reducción de ruido impulsivo con elmétodo propuesto puede ser paralelizado y es eficienteen calidad, coste computacional y robustez.Palabras clave— Eliminación de ruido, algoritmo paralelo,peer group, GPU, CUDA.I. IntroducciónMUCHOS desarrolladores e investigadores estánencontrando aplicaciones prácticas basadas enlas GPUs (Graphics Processor Units) para acelerarel procesamiento de datos o en cálculos complejos.Las GPUs están especializadas en computación decálculo intensivo y altamente paralelo. En la actualidadmuchas aplicaciones en el procesamiento deimágenes y vídeo requieren un rendimiento en tiemporeal, por ejemplo, en video-vigilancia o en medicina.Las imágenes tienden a ser dañadas debido a sumala adquisición o transmisión a través de un canalcontaminado [1], [2], [3], lo que afecta su procesamiento.Esto hace necesario un proceso previo conla finalidad de eliminar el ruido en la imagen utilizandotécnicas de filtrado.Dos tipos comunes de ruido son, el ruido gaussianoy ruido impulsivo. El más usual es el ruidoimpulsivo, que se presenta durante la transmisión dedatos por un canal contaminado, sensores ruidososo en errores en la captura de los datos. Estos erroressólo afectan a ciertos píxeles de la imagen [3].El modelo más común de ruido impulsivo (Salt yPepper o valor fijo)considera que el impulso es, unvalor extremo en el rango de la señal reemplazandosu valor original. Un segundo tipo es cuando un pixeles reemplazado por un valor aleatorio uniformemente1 Dpto. de Sistemas y Computación, Instituto Tecnológicode Cd. Guzmán, e-mail: msanchez@dsic.upv.es2 Dpto. Sistemas Informáticos y Computación, Univ.Politécnica de Valencia, e-mail: vvidal@dsic.upv.es3 Dpto. Sistemas Informáticos y Computación, Univ.Politécnica de Valencia, e-mail: bataller@dsic.upv.es4 Dpto. Sistemas y Computación, Instituto Tecnológico deCd. Guzmán, e-mail: arivera@itcg.edu.mxdistribuido dentro del rango de la señal [1]. En estetrabajo se aborda el ruido impulsivo de ambos tipos.Por lo general, las técnicas de eliminación de ruidode una imagen tienen dos pasos: la detección y el filtradode los pixeles ruidosos. Algunas técnicas parala detección de píxeles corruptos utilizan el conceptode peer group. El peer group es el conjunto de pixelessimilares a uno dado, de acuerdo a una medidade distancia [4], [5].En este artículo presentamos un algoritmo paralelobasado en el peer group y la norma euclideacomo la métrica de distancia. Nuestro método es unaadaptación de los algoritmos secuenciales presentadosen los paper [3], [6] y [9] para reducir el ruidoimpulsivo, para operar eficientemente en una GPU.Para demostrar que el algoritmo es altamente paralelizabley eficiente en calidad y robustez, se comparanlos costes de cómputo paralelo con los de su versiónsecuencial.El trabajo se organiza de la siguiente manera. Lasección 2 presenta la propuesta del algoritmo paralelopara la GPU. El estudio experimental se muestraen la sección 3. La sección 4 analiza la complejidadcomputacional del algoritmo con el enfoque en la utilizaciónde la memoria de texturas. Por último en lasección 5 se concluye el trabajo.II. Algoritmo paralelo para detectar yeliminar ruido (GPU-PGE)En este estudio, hemos implementado un algoritmoparalelo llamado GPU-PGE (Unidad de ProcesamientoGráfico - Peer Grup con métrica Euclidea),que utiliza la arquitectura GPU para eliminar elruido impulsivo en imágenes digitales. El procesopara eliminar el ruido en las imágenes se ha divididoen dos etapas. En el primer paso (p 1 ) los píxeleserróneos se detectan y en el segundo paso (p 2 ) lospíxeles erróneos son filtrados. En el p 1 los píxelesson etiquetados como corruptos o no corruptos, deacuerdo con el número de píxeles que pertenecen alpeer group P (x i , d). Para determinar el conjuntode elementos que pertenecen al peer group, se utilizala norma euclídea entre los píxeles (vectores) de laimagen a color denotada como ||x i − x j || 2 , donde x ies el píxel central de una ventana W tamaño n x n(n = 3, 5 ...) y el x j es un pixel vecino de x i en W .Por lo tanto, el P (x i , d) representa el conjunto:{x j ∈ W : ||x i − x j || 2 ≤ d} (1)El peer group asociado con el píxel x i en W denota elconjunto de píxeles x j de W , de modo que la normaeuclidiana no exceda a d, donde d > 0. En [4] di-JP2011-171