Algorithmes de la morphologie mathématique pour - Pastel - HAL

Jaromír BRAMBORtations sur les GPU et diverses implémentations sur les GPP, y compris les algorithmes exploitant lescapacités SIMD, ont révélé que pour les images de grande taille qui dépassent la capacité de la mémoirecache de notre architecture GPP, les processeurs graphiques montrent les meilleures performances.Dans le chapitre suivant, le chapitre 6, nous avons présenté les algorithmes rapides pour les GPPqui exploitent les capacités SIMD de l’architecture multimédia et qui sont destinés au changement del’axe de stockage des données paquetées. Nous avons présenté les algorithmes qui utilisent les fonctionsshuffle, présentes dans tous les jeux d’instructions multimédia, qui effectuent l’opération choisiede changement de stockage dans Nlog 2 N applications des fonctions shuffle. Quatre algorithmes qui effectuentle changement souhaité et dont le principe de fonctionnement est très proche ont été présentés :la transposition par diagonale / anti-diagonale, la rotation de + π 2 et de − π 2. Nous avons souligné quedans les applications pratiques il s’agira le plus souvent de la transposition par diagonale qui assurera lechangement de stockage des données paquetées.Le chapitre 7 a été consacré aux algorithmes qui dépendent du sens de parcours prédéfini de l’image.Nous avons présenté la particularité de ces parcours lors du travail avec les données paquetées qui exigentune approche différente pour la construction de tels algorithmes que celle utilisée habituellement pour leséléments de base de l’image. Nous avons notamment exploré l’idée de quatre parcours directionnels lorsdu travail avec l’élément structurant de la forme du disque unité sur la grille carrée en 4-voisinage. Pourl’adapter au travail avec les vecteurs paquetés, nous faisons appel à la transposition par diagonale quenous utilisons comme moyen de changement de l’axe de stockage de données afin d’accéder aux donnéesdans le sens perpendiculaire à celui de leur stockage dans la mémoire. Nous avons également explorél’idée d’effectuer ce changement de stockage à l’échelle des macro blocs, évitant ainsi les opérationsde transfert de données entre le processeur et la mémoire lors du stockage des résultats intermédiaires.Les exemples des opérations qui utilisent la structure des algorithmes ont été décrits dans ce chapitre.Nous avons présenté la fonction distance en tant qu’algorithme non-géodésique et dont le résultat estconnu après une application de l’algorithme de propagation. Nous avons présenté également les nivellements,qui sont les filtres morphologiques et qui ont le caractère géodésique, que l’on emploie dans lesapplications de filtrage des images préservant les contours des objets.Dans le chapitre 8 qui était consacré aux algorithmes de la dilatation / l’érosion par les élémentsstructurants de la forme des segments, nous avons exploré les stratégies de la parallélisation à l’échelledes données paquetées. Pour la construction d’un algorithme SIMD qui employait l’idée de l’algorithmede van Herk-Gil-Werman, nous avons réutilisé toutes les idées présentées dans les chapitres précédentsdédiés aux algorithmes : la propagation de la valeur à l’intérieur des macro blocs, l’application de l’algorithmesur les macro blocs qui ne dépend pas d’un sens de parcours particulier et la transposition del’image que nous avons utilisée pour changer l’axe de stockage des données lors de l’application del’élément structurant qui nécessite l’accès aux données dans le sens perpendiculaire à celui de l’axe destockage de données dans la mémoire.Le chapitre 9 a été dédié à l’explication de la problématique de l’expression de la complexité d’unalgorithme pour des fins pratiques. Nous y avons démontré que l’expression de la complexité relativeau temps du calcul par le O, utilisé le plus souvent dans la littérature, n’est pas appropriée dans lesconditions pratiques où nous estimons principalement le temps du calcul et où les coûts des accès à lamémoire et les coûts des opérations arithmétiques varient. Nous avons proposé d’exprimer la complexitéd’une manière plus explicite qui mentionne ces différents coûts expressément et qui est exprimée parla fonction Θ. Dans ce même chapitre, nous montrons également que la problématique de l’estimationdu temps du calcul pour les GPU n’est pas aussi directe car il s’agit d’une architecture distribuée. Nousdiscutons les temps des transferts des données entre les GPP et les GPU et l’influence de l’API.Contribution de cette thèseL’apport principal de cette thèse est la présentation d’un sujet important du point de vue pratique etl’exploration des capacités SIMD d’une architecture multimédia pour assurer l’exécution des algorithmes193