Bildverarbeitung mit Cuda

Präsentation zum Thema: "Bildverarbeitung mit Cuda"—  Präsentation transkript:

1 Bildverarbeitung mit Cuda
Erkennen von Strukturen mittels Hough Transformation Altenhofen, Jung

2 Inhalt: 1. Theorie 2. Praxis Was versteht man unter Bildverarbeitung
Wie funktionieren die einzelnen Schritte 2. Praxis Sequenzielles Bespiel mit OpenCV Paralleler Algorithmus mit Cuda Altenhofen, Jung

3 Bildverarbeitung Unter Bildverarbeitung versteht man die Aufbereitung (Kalibrierung, Restauration, Rekonstruktion) von Daten zur visuellen Darstellung. Im Gegensatz zur Bildbearbeitung, welche sich mit der Manipulation von Bildern zur anschließenden Darstellung beschäftigt. Altenhofen, Jung

4 Bildverarbeitung Extraktion von Information aus den Ursprungsdaten:
z. B. Bewegungsbestimmung, Mustererkennung (Kreise, Geraden), Erkennen von Gesichtern… Altenhofen, Jung

5 Bildverarbeitung Einsatzgebiete:
modernen Mikroskopie, medizinischen Diagnostik, Astronomie, Maschinenbau, Umweltbeobachtung, Spionage Altenhofen, Jung

6 Modell der Bildverarbeitung
Altenhofen, Jung

7 Beispiel: Erkennen von Kreisen
Idee: Finden von geometrischen Objekten (Kreisen) in Bildern. Methoden: Filterung und Hough-Transformation Altenhofen, Jung

8 Beispiel: Erkennen von Kreisen
Vorgehen: 1. Umwandeln der Farbinformationen in Graustufen. cvCvtColor( frame, gray, CV_BGR2GRAY ); Altenhofen, Jung

9 Beispiel: Erkennen von Kreisen
Vorgehen: 2. Anwenden eines Kantenfilters (z.B. Sobelfilter) Altenhofen, Jung

10 Exkurs: Filter Filter berechnen den Wert der einzelnen Pixel mit Hilfe einer (meist quadratischen) Filtermatrix (Filtermaske) aus den Werten der Nachbarpixel. Die Randwerte sind unbestimmt. Altenhofen, Jung

11 Kanten Eine Kante in einem Graustufenbild ist definiert als Änderung des Grauwertes von einem Pixel zum Nachbarpixel. Da man diese Änderung des Wertes als Steigung der „Bildfunktion“ ansehen kann werden Kantenfilter oft als erste Ableitung bezeichnet. Altenhofen, Jung

12 Der Sobelfilter Wir definieren das Originalbild als Matrix A, und können so mit Hilfe der Sobeloperatoren Sx und Sy die gefalteten Resultaten Gx und Gy berechnen. mit vertikalem Sobel gefaltet mit horizontalem Sobel gefaltet Altenhofen, Jung

13 Der Sobelfilter Richtungsunabhängige Information durch Kombination der Ergebnisse aus vertikalem und horizontalem Sobel. Die Bereiche der größten Intensität sind dort, wo die Helligkeit des Originalbildes sich am stärksten ändert und somit die größten Kanten darstellt. Altenhofen, Jung

14 Andere Kantenfilter Prewitt-Operator Laplacefilter
„einfache“ Form des Sobelfilters Laplacefilter Bestimmt Nulldurchgänge, ist sehr „rauschanfällig“ Altenhofen, Jung

15 Beispiel: Erkennen von Kreisen
Vorgehen (Hough-Transformation): Das Verfahren wurde 1962 von Paul V. C. Hough entwickelt Dient zur Erkennung von Geraden, Kreisen oder beliebigen anderen parametrisierbaren geometrischen Figuren in einem Gradientenbild. Altenhofen, Jung

16 Beispiel: Erkennen von Kreisen
Vorgehen: 3.Der Hough Raum Der Hough Raum wird über alle Parameter des gesuchten geometrischen Objektes aufgespannt. Speziell für Kreise (drei Parameter, x,y und r) wäre der Hough Raum dreidimensional, was die Berechnung deutlich verkomplizieren würde. Altenhofen, Jung

17 Beispiel: Erkennen von Kreisen
Vereinfachung: Suche nach Kreisen mit festen Radien. Nur noch zwei freie Parameter (x,y). Hough Raum ist nur noch zweidimensional. Um jeden Kantenpunkt wird ein Kreis mir Radius r gezeichnet. Für jeden Punkt, der auf dem Kreis liegt wird der Wert im Hough Raum inkrementiert. Altenhofen, Jung

18 Beispiel: Erkennen von Kreisen
Vorgehen: 4. Einzeichnen der gefundenen Kreise im Originalbild. Die Punkte mit dem größten Wert im Hough-Raum repräsentieren die Kreismittelpunkte für Kreise mit Radius r. Hat man ein oder mehrere Maxima gefunden zeichnet man einen oder eben mehrere Kreise mit Radius r und dem Maximum als Kreismittelpunkt in das Originalbild. Altenhofen, Jung

19 Vorgehe: Einfaches Erkennen von Kreisen
in Graustufen umwandeln Kantenfilterung mittels Sobel Bild einlesen Maxima (Kreismittel-punkte) suchen Hough-Parameterraum füllen Kreise in Originalbild einzeichnen Altenhofen, Jung

20 Nachteile Hough-Transformation
Es ist eine Art „Brute-Force-Ansatz“ und damit sehr rechenaufwändig Der Speicherbedarf des klassischen Ansatzes ist sehr groß Es gibt Variationen der gezeigten Vorgehensweise, die den Aufwand verringern. Altenhofen, Jung

21 Praxis Altenhofen, Jung

22 Open CV Open Source Computer Vision Library
2006 Von Intel entwickelte Bilbliothek für C, C++ zur Bildverarbeitung. Stellt viele Funktionen zur Verfügung, z.B. cvCaptureFromCAM() cvNamedWindow() cvHoughCircles() Altenhofen, Jung

23 Sequenzieller Algorithmus
Programmbeispiel… Altenhofen, Jung

24 Sequenzieller Algorithmus
Auswertung: Je nachdem wie viele Kreise gefunden wurden schwankt die Geschwindigkeit zwischen ca 62 FPS (keine Kreise) und 6 FPS (viele Kreise). Altenhofen, Jung

25 Parallelisierung mit Cuda
1. Graustufen Graustufen werden weiterhin sequenziell mit cvCvtColor( frame, gray, CV_BGR2GRAY ); erstellt. Altenhofen, Jung

26 Parallelisierung mit Cuda
2. Sobelfilter Jeder Thread berechnet einen Pixel mit Hilfe des Sobel-Operators. Jeder Thread muss prüfen ob er sich am Rand des Bildes befindet oder nicht. Noch nicht optimal. Altenhofen, Jung

27 Parallelisierung mit Cuda
3. Hough-Raum Jeder Thread berrechnet einen Kreis in den Hough-Raum. Jeder Thread muss prüfen ob sein Kreis in das Bild passt oder nicht. Die Rasterisierung der Kreise erfolgt mit Hilfe der Methode von Horn realisiert. Altenhofen, Jung

28 Die Methode von Horn wurde 1976 von Horn vorgestellt.
Dient der Rasterisierung von Kreisen. Betrachtet einen ein Pixel breiten Bereich um den idealen Kreisbogen. Vorteil: Benutzt nur Addition und Subtraktion Altenhofen, Jung

29 Parallelisierung mit Cuda
4. Zeichnen der Kreise Die gefundenen Kreise werden weiterhin sequenziell mit cvCircle( frame, center, radius, color , thickness, line_type, shift ); gezeichnet. Altenhofen, Jung

30 Parallelisierung mit Cuda
Programmcode… Altenhofen, Jung

31 CPU version with OpenCV own CPU version GPU – fast and easy
ideal GPU- version Capture Cam (OpenCV) Capture Cam (OpenCV) Capture Cam (OpenCV) Capture Cam (OpenCV) Sobel- Filter (shared memory) Convert to grayscale image (OpenCV) Sobel- Filter Sobel- Filter Fill Hough parameter space with circles (shared memory) Fill Hough parameter space with circles Fill Hough parameter space with circles Find spheres by Hough transform (OpenCV: cvHoughCircles) find maxima find maxima find maxima Display image and spheres (OpenCV) Display image and spheres (OpenGL) Altenhofen, Jung

32 Fazit Da es sich bei den durchgeführten Berechnungen fast ausschließlich um Matrixberechnungen handelt ist eine effiziente Parallelisierung möglich. Jedoch ist der Performancegewinn stark von der verwendeten Implementierung abhängig. Altenhofen, Jung

33 Quellen www.wikipedia.de
Jähne, Bernd: Digitale Bildverarbeitung. 5. überarb. und erw. Aufl.. Berlin : Springer, – 618 S. Diplomarbeit von Christian Rathemacher Altenhofen, Jung

34 Ende Vielen Dank für Ihre Aufmerksamkeit.
Viel Spaß beim Halbfinalspiel! Altenhofen, Jung