Algorithmes de la morphologie mathématique pour - Pastel - HAL

Jaromír BRAMBOR7.5. NOTES SUR L’IMPLÉMENTATION, RÉSULTATS EXPÉRIMENTAUXSQR DISC2D_4SQR DISC2D_4nivellements plats,10 itérations87nivellements platslambda nivellementsnivellements plats, 5itérationsnivellements plats, 1itérationfonction distancepar macro blocs,transposition pardiagonale directepointer++génériquetaux d'accélération654320,1 1 10 100temps / ms10 1 2 3 4 5 6 7 8 9 10 11nombre d'itérations(a) Comparaison des temps d’exécutions de la fonctiondistance et des nivellements plats(b) Taux d’accélération pour les nivellementsFIG. 7.12 : Résultats expérimentaux des algorithmes dépendant du sens prédéfini du parcours de l’imageNivellements, grille carrée, 4-voisinstype1 itération 5 itérations 10 itérationsimplémentation temps taux temps taux temps tauxms d’accélération ms d’accélération ms d’accélérationgénérique 10.8 — 46.9 — 91.3 —plats pointeur++ 5.7 1.0 27.4 1.0 58.4 1.0(λ = 0) par MB 1.2 (1.8) 4.8 (3.2) 4.6 (5.2) 6.0 (5.3) 8.9 (9.5) 6.6 (6.1)générique 11.8 — 51.9 — 102.3 —lambda pointeur++ 6.3 1.0 29.3 1.0 55.2 1.0(λ = 1) par MB 1.3 (1.9) 4.8 (3.3) 4.8 (5.4) 6.1 (5.4) 9.2 (9.9) 6.0 (5.6)Légende : MB = macro blocs, TD = transposition par diagonale ; Image 352×288×8 bits = 99 ko, l’image d’entrée et l’image de sortie sont de8 bits. L’algorithme générique utilise les fonctions getpixel()/setpixel() et la propagation en sens vidéo/anti-vidéo ; l’algorithme pointeur++ estune analogie de l’algorithme générique mais il utilise explicitement les pointeurs ; l’algorithme par MB est optimisé pour les types multimédiade 64 bits et utilise la transposition directe à l’échelle des macro blocs ; entre parenthèses nous présentons les temps et les taux d’accélération quiincluent la transposition préalable de l’image du masque. Exécuté 1000 fois en trois réalisations, le temps présenté est le moyen de la meilleureréalisation. Processeur Intel Pentium 4 à 2.4 GHz, mémoire cache L2 = 512 ko ; système d’exploitation Linux Mandrake 9.2 ; compilateur IntelICC 8.1 pour Linux.TAB. 7.2 : Résultats expérimentaux pour diverses implémentations des nivellements sur la grille carrée et4-voisins par pixeld’avantage d’itérations – nous obtenons le taux d’accélération de 6.6 pour 10 itérations. La fig. 7.12(b)présente graphiquement les taux d’accélérations des nivellements plats et lambda pour l’implémentationpar macro blocs qui utilise la transposition directe ; l’algorithme pointeur++ fait la référence (tauxd’accélération égal à 1).Remarquons l’écart important entre l’implémentation générique (qui parcourt l’image en sens vidéoet anti-vidéo, utilise les fonctions d’accès aux pixels (setpixel(), getpixel()) et peut travailler avec n’importequelle grille) et l’implémentation pointeur++ (qui parcourt également l’image en sens vidéo etanti-vidéo mais qui est spécialisée pour la grille carrée de 4-voisins).Nous présentons une des applications possibles des nivellements pour le filtrage du flux vidéo lorsd’une vidéo conférence, q.v. la fig. 7.13(a) présentant l’original et la fig. 7.13(b) présentant les résultats.161