Algorithmes de la morphologie mathématique pour - Pastel - HAL

More documents

Recommendations

Info

Algorithmes de la morphologie mathématique pour les architectures orientées fluxJaromír BRAMBOR4.6 Choix du parcours de l’image pour un array de 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 724.7 Choix du parcours de l’image pour un array de 2D 3 × 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 734.8 Décomposition d’un array aux superpixels rectangulaires de mêmes dimensions . . . . . . . . . . . . . . . . 744.9 Exemple de travail avec les streams des superpixels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 764.10 Grilles utilisées dans la morphologie mathématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 854.11 Voisinage définit sur une grille hexagonale avec 6-connexité (décalée par lignes) et sa transposition à une grillecarré avec 6-connexité (décalée par lignes) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 864.12 Voisinage défini sur une grille hexagonale avec 6-connexité (décalée par colonnes), deuxième type et sa transpositionà une grille carré avec 6-connexité (décalée par colonnes) . . . . . . . . . . . . . . . . . . . . . . . 874.13 L’utilisation des éléments structurants dans les opérations morphologiques et les listes des vecteurs de déplacementlors du travail avec les kernels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 874.14 Illustration du fonctionnement de la fonction extract pour les vecteurs paquetés de 8 éléments et la valeur d’of fégale à 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 924.15 Extraction des voisins à partir d’un type vector paqueté . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 935.1 Graphe de flux exprimant le fonctionnement du skeleton algorithmique ngbAlgo . . . . . . . . . . . . . . . . 1005.2 Identification de l’intérieur du domaine de l’image par l’érosion morphologique, les résultats pour l’élémentstructurant et son bounding box employé comme élément structurant sont identiques . . . . . . . . . . . . . 1035.3 Division d’un array à la zone de l’intérieur et à la zone du bord . . . . . . . . . . . . . . . . . . . . . . . . . 1035.4 Décomposition du traitement de l’image en traitement de bord et en traitement de la zone intérieure . . . . . 1045.5 Graphe de flux exprimant le fonctionnement du skeleton algorithmique ngbAlgoIB . . . . . . . . . . . . . . 1045.6 Décomposition du traitement de l’image à plusieurs zones dans lesquelles les traitements distincts peuvent êtreeffectués . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1055.7 Exemple de la modification de l’élément structurant lors du traitement d’un pixel du coin de l’image convenableaux dilatations / érosions où une seule valeur de bord est assumée. . . . . . . . . . . . . . . . . . . . . . . . 1065.8 Graphe de flux exprimant le fonctionnement du skeleton algorithmique ngbAlgoGen de traitement général devoisinage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1085.9 Fonctionnement du kernel traitant un superpixel en 8-voisinage . . . . . . . . . . . . . . . . . . . . . . . . . 1105.10 Fonctionnement du kernel traitant un superpixel en 4-voisinage . . . . . . . . . . . . . . . . . . . . . . . . 1115.11 Fonctionnement du kernel traitant un superpixel en 6-voisinage . . . . . . . . . . . . . . . . . . . . . . . . 1125.12 Fonctionnement du kernel traitant un superpixel SIMD en 8-voisinage . . . . . . . . . . . . . . . . . . . . . 1145.13 Fonctionnement du skeleton algorithmique ngbGAlgoGen de traitement du voisinage avec le masque dans lecas spécial où nous ne fractionnons pas l’image aux différentes zones . . . . . . . . . . . . . . . . . . . . . 1165.14 Utilisation des opérations de Minkowski sur les GPU pour le calcul morphologique. Les rectangles à rendresont décalés selon les vecteurs de l’élément structurant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1195.15 Utilisation d’échantillonnage de la texture dans l’unité de traitement des fragment pour l’extraction du voisinage 1215.16 Comparaison des temps d’exécution de la dilatation pour différents logiciels et différentes implémentations, surles GPP/GPPMM (Intel Pentium 4 à 2,4 GHz ; 512 ko L2 ; classe 0-F-2-4-1E) et les GPU (NVidia GeForce FX6800 ; AGP 4x à 375 MHz). Les temps pour les GPU n’incluent pas les transferts. . . . . . . . . . . . . . . . 1256.1 Découpage d’un array à 3 × 3 macro blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1296.2 Transpositions et rotations d’un array utilisant l’approche macro blocs . . . . . . . . . . . . . . . . . . . . . 1306.3 La gamme des fonctions shuffle pour les vecteurs paquetés de 8 éléments . . . . . . . . . . . . . . . . . . . 1346.4 Transposition par diagonale SIMD par shuffles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1356.5 Illustration du fonctionnement de la fonction tr2DDiag8x8bf1 . . . . . . . . . . . . . . . . . . . . . . . . . 1366.7 La transposition d’un array dont les dimensions ne sont pas un multiple de la taille d’un registre multimédia de64 bits ; TD = macro bloc transposé par la diagonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1426.6 Code de la transposition par diagonale d’un macro bloc 8 × 8 en langage C utilisant l’outil de développementmultiplateforme MorphoMedia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1426.8 Code de la transposition par diagonale d’un macro bloc 8 × 8 écrit manuellement en langage C en utilisant lejeu d’instructions 128 bits Intel SSE2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1436.9 Résultats de diverses implémentations de la transposition par diagonale pour différentes tailles d’images . . . 1447.1 Décomposition du kernel en deux parties et en deux parcours de l’image lors de l’évaluation des fonctionsdistance chamfer. L’exemple d’élément structurant pour le 4-voisinage et la grille carrée. . . . . . . . . . . . 1487.2 Décomposition du kernel en quatre parties et en quatre parcours de l’image. L’exemple d’élément structurantpour le 4-voisinage et la grille carrée. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1497.3 Remplacement de la propagation SIMD en direction parallèle au sens du stockage par les transpositions pardiagonale de l’array et par l’application de la propagation en sens perpendiculaire à l’axe de vectorisation.L’exemple d’élément structurant pour la grille carrée et le 4-voisinage. . . . . . . . . . . . . . . . . . . . . . 1507.4 Fonctionnement du skeleton applico-réductif mfoldl. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1507.5 Fonctionnement du skeleton applico-réductif mfoldl1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151208
Jaromír BRAMBORListe des figures7.6 Initialisation des images avant l’exécution de l’algorithme de la fonction distance. . . . . . . . . . . . . . . . 1547.7 Nivellements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1557.8 Calcul des nivellements en tant que combinaison des sur-nivellements et les sous-nivellements . . . . . . . . 1567.9 Les images d’entrée aux fonctions de sur- et sous-nivellements et l’exemple de leur contenu. . . . . . . . . . 1577.10 La chaîne de traitement d’un macro bloc où la première propagation est suivie directement par la transpositionpar diagonale et par la deuxième propagation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1587.11 Propagation à l’échelle des macro blocs lors du calcul avec plusieurs unités exécutives. Une des valeurs intermédiairesest stockée localement dans l’unité, la deuxième est transmise par le réseau d’interconnexion à l’unitésuivante. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1597.12 Résultats expérimentaux des algorithmes dépendant du sens prédéfini du parcours de l’image . . . . . . . . . 1617.13 Application des nivellements au filtrage des images conditionné par un masque, dimensions de l’images 382 ×288, nivellements effectués sur la luminance. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1628.1 Exemples des éléments structurants ayant la forme d’un segment . . . . . . . . . . . . . . . . . . . . . . . . 1658.2 Décomposition d’un élément structurant sur la grille carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . 1668.3 Schéma de fonctionnement de l’algorithme de van Herk-Gil-Werman . . . . . . . . . . . . . . . . . . . . . . 1688.4 Phases p 1 et p 2 de propagation des valeurs de l’algorithme de van Herk-Gil-Werman . . . . . . . . . . . . . 1698.5 Schéma de fonctionnement de l’algorithme de van Herk, phase p 3 . . . . . . . . . . . . . . . . . . . . . . . 1708.6 Exemple de la fusion des valeurs des buffers A et B lors de la phase p 3 pour un pixel dans la zone intérieure del’image et pour les pixels dans les zones touchant les bords de l’image . . . . . . . . . . . . . . . . . . . . . 1718.7 Les temps du calcul des implémentations de la dilatation / érosion par un segment pour une image 768 × 576 ×8 bits = 432 ko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1759.1 Temps du transfert, depuis GPU vers GPP, AGP (1x, débit théorique maximal 266 Mo/s). GPU = NVidiaGeForce 6800 LE, GPP = Intel Pentium 4 @ 2.4 GHz 512 Mo RAM . . . . . . . . . . . . . . . . . . . . . . 1849.2 Temps du transfert estimé depuis GPP vers GPU, pour PCI Express (16x) et les textures fixed-point 8 bit BGRA(basé sur les données officielles de NVidia NVi05 ). GPP = AMD Athlon 64 bit 3500+, 1 Go RAM . . . . . . . 185209
Page 2 and 3:
Marques commerciales déposées et/
Page 4 and 5:
Cette page est blanche par intentio
Page 7 and 8:
ALGORITHMES DE LA MORPHOLOGIE MATH
Page 9 and 10:
ALGORITHMS OF MATHEMATICAL MORPHOLO
Page 11:
Table des matièresGuide de thèse
Page 14 and 15:
Algorithmes de la morphologie math
Page 16 and 17:
Page 20 and 21:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Cette page est blanche par intentio
Page 32 and 33:
Page 34 and 35:
Page 36:
Page 39 and 40:
Jaromír BRAMBOR3.2. FACTEURS INFLU
Page 41 and 42:
Jaromír BRAMBOR3.2. FACTEURS INFLU
Page 43 and 44:
Jaromír BRAMBOR3.3. CONSOMMATION D
Page 45 and 46:
Jaromír BRAMBOR3.4. MODÈLE STREAM
Page 47 and 48:
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
CHAPITRE 4Formalisme fonctionnelado
Page 61 and 62:
Jaromír BRAMBOR4.2. HASKELL ET LES
Page 63 and 64:
Jaromír BRAMBOR4.3. PRIMITIVES DE
Page 65 and 66:
Page 67 and 68:
Jaromír BRAMBOR4.4. PRIMITIVES DU
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Jaromír BRAMBOR4.5. MODÈLE FORMEL
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Partie IIAlgorithmeset les skeleton
Page 99 and 100:
CHAPITRE 5Algorithmes de voisinagen
Page 101 and 102:
Jaromír BRAMBOR5.1. ALGORITHMES É
Page 103 and 104:
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116:
Jaromír BRAMBOR5.3. ALGORITHMES G
Page 117 and 118:
Jaromír BRAMBOR5.3. ALGORITHMES G
Page 119 and 120:
Jaromír BRAMBOR5.4. ALGORITHMES PO
Page 121 and 122:
Jaromír BRAMBOR5.4. ALGORITHMES PO
Page 123 and 124:
Jaromír BRAMBOR5.5. RÉSULTATS EXP
Page 125 and 126:
Jaromír BRAMBOR5.6. RÉCAPITULATIO
Page 127 and 128:
CHAPITRE 6Permutation SIMD des arra
Page 129 and 130:
Jaromír BRAMBOR6.2. APPROCHE MACRO
Page 131 and 132:
Jaromír BRAMBOR6.2. APPROCHE MACRO
Page 133 and 134:
Jaromír BRAMBOR6.3. ALGORITHMES RA
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Jaromír BRAMBOR6.4. NOTES SUR L’
Page 143 and 144:
Jaromír BRAMBOR6.4. NOTES SUR L’
Page 145 and 146:
Jaromír BRAMBOR6.5. RÉCAPITULATIO
Page 147 and 148:
CHAPITRE 7Algorithmes de voisinaged
Page 149 and 150:
Jaromír BRAMBOR7.1. PARTICULARITÉ
Page 151 and 152:
Jaromír BRAMBOR7.3. SKELETON ALGOR
Page 153 and 154:
Page 155 and 156:
Page 157 and 158: Jaromír BRAMBOR7.3. SKELETON ALGOR
Page 159 and 160: Jaromír BRAMBOR7.5. NOTES SUR L’
Page 161 and 162: Jaromír BRAMBOR7.5. NOTES SUR L’
Page 163 and 164: Jaromír BRAMBOR7.6. RÉCAPITULATIO
Page 165 and 166: CHAPITRE 8Algorithmes de la dilatat
Page 167 and 168: Jaromír BRAMBOR8.2. APPROCHE EMPLO
Page 173 and 174: Jaromír BRAMBOR8.3. RÉSULTATS EXP
Page 175 and 176: Jaromír BRAMBOR8.3. RÉSULTATS EXP
Page 177 and 178: CHAPITRE 9Algorithmes et complexit
Page 179 and 180: Jaromír BRAMBOR9.4. ESTIMATION DE
Page 181 and 182: Jaromír BRAMBOR9.5. EXEMPLE D’ES
Page 187 and 188: Jaromír BRAMBOR9.7. RÉCAPITULATIO
Page 189 and 190: Conclusion et perspectives
Page 191 and 192: Conclusion et perspectivesConclusio
Page 193 and 194: Jaromír BRAMBORtations sur les GPU
Page 195 and 196: Jaromír BRAMBORsemble inadapté, d
Page 197 and 198: Annexe
Page 199 and 200: Annexe AFonctions pour assurer l’
Page 201 and 202: Annexe BDéfinitions des fonctions
Page 203 and 204: Jaromír BRAMBORtestSIMD :: PVec I
Page 205 and 206: Liste des termes et des abréviatio
Page 207: Liste des figures1.1 Évolution du
Page 211 and 212: Liste des tableaux1.1 Évolution de
Page 213 and 214: Bibliographie[AD03] Marco ALDINUCCI
Page 215 and 216: Jaromír BRAMBORBibliographie[Cou02
Page 217 and 218: Jaromír BRAMBORBibliographie[Gha99
Page 219 and 220: Jaromír BRAMBORBibliographie[Lem96
Page 221 and 222: Jaromír BRAMBORBibliographie[RS01]
Page 223 and 224: Jaromír BRAMBORBibliographie[Wik06
Page 225 and 226: IndexSymbols+, fonction . . . 62, 7
Page 227 and 228: Jaromír BRAMBORINDEXICL . . . . .
Page 229: Jaromír BRAMBORINDEXspecNgbSQR, fo
show all

Algorithmes de la morphologie mathématique pour - Pastel - HAL

Create successful ePaper yourself

Delete template?

Save as template?