本发明公开了一种图像负载均衡处理方法及装置，方法包括如下步骤：将原始图像f(x,y)沿纵向和横向划分为多个图像块；计算纵向边界的左右两个图像块的纹理特征，移动纵向边界使纵向边界左右两个图像块之间的纹理特征相似度最大；计算横向边界的上下两个图像块的纹理特征，移动横向边界使纵向边界上下两个图像块之间的纹理特征相似度最大；将确定的最终的横向边界和纵向边界对应的最终图像块分别分配给不同的计算单元进行并行处理；通过如下算法计算图像块的纹理特征X(i)：μcol(i)＝∑xm,n(i)/(Wp×Hp)，X(i)＝∑|xm,n(i)‑μcol(i)|。本方法可以实现不同的并行处理单元之间的负载均衡，降低功耗。
1.一种图像负载均衡处理方法，其特征是，包括如下步骤：S1，将原始图像f(x,y)沿纵向和横向划分为多个图像块；
S2，计算纵向边界的左右两个图像块的纹理特征，移动所述纵向边界使所述纵向边界左右两个图像块之间的纹理特征相似度最大；
S3，计算横向边界的上下两个图像块的纹理特征，移动所述横向边界使所述横向边界上下两个图像块之间的纹理特征相似度最大；
S4，将确定的最终的横向边界和纵向边界对应的最终图像块分别分配给不同的计算单元进行并行处理；
其中，在步骤S2和S3中通过如下算法计算图像块的纹理特征X(i)：μcol(i)＝∑xm,n(i)/(Wp×Hp)；
其中xm,n(i)代表第i块图像块中像素点的像素值，Wp表示初始的图像块横向的宽度，HP表示图像块的纵向高度；
在步骤S2和S3中，通过如下步骤确定两个图像块之间的纹理特征相似度最大：S31，计算相邻的第i块图像块的纹理特征X(i)和第i+1块图像块的纹理特征X(i+1)；
S32，比较第i块图像块的纹理特征X(i)与第i+1块图像块的纹理特征X(i+1)之间的大小，若X(i)较大则将第i+1块图像块至第i块图像块的方向作为对应边界的移动方向，若X(i+1)较大则将第i块图像块至第i+1块图像块的方向作为对应边界的移动方向；
S33，沿移动方向以基本单元为步长移动边界，循环计算边界两侧的两个图像块的纹理特征差异Δ，直至纹理特征差异Δ达到最小值；其中，Δ＝|X(i+1)-X(i)|；
S34，将最小的纹理特征差异Δ对应的第i块图像块与第i+1块图像块之间的边界作为最终的边界。
2.如权利要求1所述的图像负载均衡处理方法，其特征是，若边界的移动方向向左，移动基本单元ΔW后：X(i)＝∑|xm,n(i)-μcol(i)|-∑|ym,n(i)-μcol(i)|；
X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|+∑|ym,n(i+1)-μcol(i+1)|；
其中，ym,n(i)表示第i块图像块因边界移动而变化的所在位置的像素。
3.如权利要求1所述的图像负载均衡处理方法，其特征是，若边界的移动方向向右，移动基本单元ΔW后：X(i)＝∑|xm,n(i)-μcol(i)|+∑|ym,n(i)-μcol(i)|；
X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|-∑|ym,n(i+1)-μcol(i+1)|；
其中，ym,n(i)表示第i块图像块因边界移动而变化的所在位置的像素。
4.一种图像负载均衡处理装置，其特征是，包括如下单元：第一单元，用于将原始图像f(x,y)沿纵向和横向划分为多个图像块；
第二单元，用于计算纵向边界的左右两个图像块的纹理特征，移动所述纵向边界使所述纵向边界左右两个图像块之间的纹理特征相似度最大；
第三单元，用于计算横向边界的上下两个图像块的纹理特征，移动所述横向边界使所述横向边界上下两个图像块之间的纹理特征相似度最大；
第四单元，用于将确定的最终的横向边界和纵向边界对应的最终图像块分别分配给不同的计算单元进行并行处理；
其中，在第二单元和第三单元中通过如下算法计算图像块的纹理特征X(i)：μcol(i)＝∑xm,n(i)/(Wp×Hp)；
其中xm,n(i)代表第i块图像块中像素点的像素值，Wp表示初始的图像块横向的宽度，HP表示图像块的纵向高度；
在第二单元和第三单元中，通过如下步骤确定两个图像块之间的纹理特征相似度最大：计算相邻的第i块图像块的纹理特征X(i)和第i+1块图像块的纹理特征X(i+1)；
比较第i块图像块的纹理特征X(i)与第i+1块图像块的纹理特征X(i+1)之间的大小，若X(i)较大则将第i+1块图像块至第i块图像块的方向作为对应边界的移动方向，若X(i+1)较大则将第i块图像块至第i+1块图像块的方向作为对应边界的移动方向；
沿移动方向以基本单元为步长移动边界，循环计算边界两侧的两个图像块的纹理特征差异Δ，直至纹理特征差异Δ达到最小值；其中，Δ＝|X(i+1)-X(i)|；
将最小的纹理特征差异Δ对应的第i块图像块与第i+1块图像块之间的边界作为最终的边界。
5.如权利要求4所述的图像负载均衡处理装置，其特征是，若边界的移动方向向左，移动基本单元ΔW后：X(i)＝∑|xm,n(i)-μcol(i)|-∑|ym,n(i)-μcol(i)|；
X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|+∑|ym,n(i+1)-μcol(i+1)|；
其中，ym,n(i)表示第i块图像块因边界移动而变化的所在位置的像素。
6.如权利要求4所述的图像负载均衡处理装置，其特征是，若边界的移动方向向右，移动基本单元ΔW后：X(i)＝∑|xm,n(i)-μcol(i)|+∑|ym,n(i)-μcol(i)|；
X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|-∑|ym,n(i+1)-μcol(i+1)|；
其中，ym,n(i)表示第i块图像块因边界移动而变化的所在位置的像素。
一种图像负载均衡处理方法及装置
【技术领域】
[0001] 本发明涉及一种图像负载均衡处理方法及装置。【背景技术】
[0002] 计算技术视觉技术的发展，新一代视频编码技术的提出，让我们享受到高分辨率和超高分辨率图像及视频带来的视觉盛宴，但是这也使得图像处理以及视频编码中的计算复杂度大幅增长，为实时的并行超高分辨图像/视频处理带来巨大挑战，同时并行处理架构也可能带来负载不均衡、功耗损失增大的问题，如何将实时高效的并行处理策略和负载均衡技术完美结合已经成为当前计算机视觉和数字图像处理领域的发展趋势。
[0003] 无论是图像处理还是视频编码，其并行技术的重要构成部分便是分块的方法。目前的分块方法容易造成不同的并行处理单元之间的负载不均衡。【发明内容】
[0004] 为了解决现有技术的不足，本发明提供了一种图像负载均衡处理方法及装置，从而使得不同的并行处理单元之间的负载尽可能均衡。
[0005] 一种图像负载均衡处理方法，包括如下步骤：
[0006] S1，将原始图像f(x,y)沿纵向和横向划分为多个图像块；
[0007] S2，计算纵向边界的左右两个图像块的纹理特征，移动所述纵向边界使所述纵向边界左右两个图像块之间的纹理特征相似度最大；
[0008] S3，计算横向边界的上下两个图像块的纹理特征，移动所述横向边界使所述横向边界上下两个图像块之间的纹理特征相似度最大；
[0009] S4，将确定的最终的横向边界和纵向边界对应的最终图像块分别分配给不同的计算单元进行并行处理；
[0010] 其中，在步骤S2和S3中通过如下算法计算图像块的纹理特征X(i)：
[0011] μcol(i)＝∑xm,n(i)/(Wp×Hp)；
[0012] X(i)＝∑|xm,n(i)-μcol(i)|；
[0013] 其中xm,n(i)代表第i块图像块中像素点的像素值，Wp表示初始的图像块横向的宽度，HP表示图像块的纵向高度。
[0014] 在一个实施例中，在步骤S2和S3中，通过如下步骤确定两个图像块之间的纹理特征相似度最大：
[0015] S31，计算相邻的第i块图像块的纹理特征X(i)和第i+1块图像块的纹理特征X(i+1)；
[0016] S32，比较第i块图像块的纹理特征X(i)与第i+1块图像块的纹理特征X(i+1)之间的大小，若X(i)较大则将第i+1块图像块至第i块图像块的方向作为对应边界的移动方向，若X(i+1)较大则将第i块图像块至第i+1块图像块的方向作为对应边界的移动方向；
[0017] S33，沿移动方向以基本单元为步长移动边界，循环计算边界两侧的两个图像块的纹理特征差异Δ，直至纹理特征差异Δ达到最小值；其中，Δ＝|X(i+1)-X(i)|；
[0018] S34，将最小的纹理特征差异Δ对应的第i块图像块与第i+1块图像块之间的边界作为最终的边界。
[0019] 在一个实施例中，若边界的移动方向向左，移动基本单元ΔW后：
[0020]
[0021]
[0022] X(i)＝∑|xm,n(i)-μcol(i)|-∑|ym,n(i)-μcol(i)|；
[0023] X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|+∑|ym,n(i+1)-μcol(i+1)|；
[0024] 其中，ym,n(i)表示第i块图像块因边界移动而变化的所在位置的像素。
[0025] 在一个实施例中，若边界的移动方向向右，移动基本单元ΔW后：
[0026]
[0027]
[0028] X(i)＝∑|xm,n(i)-μcol(i)|+∑|ym,n(i)-μcol(i)|；
[0029] X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|-∑|ym,n(i+1)-μcol(i+1)|；
[0030] 其中，ym,n(i)表示第i块图像块因边界移动而变化的所在位置的像素。
[0031] 本发明还提供了一种图像负载均衡处理装置，包括如下单元：
[0032] 第一单元，用于将原始图像f(x,y)沿纵向和横向划分为多个图像块；
[0033] 第二单元，用于计算纵向边界的左右两个图像块的纹理特征，移动所述纵向边界使所述纵向边界左右两个图像块之间的纹理特征相似度最大；
[0034] 第三单元，用于计算横向边界的上下两个图像块的纹理特征，移动所述横向边界使所述横向边界上下两个图像块之间的纹理特征相似度最大；
[0035] 第四单元，用于将确定的最终的横向边界和纵向边界对应的最终图像块分别分配给不同的计算单元进行并行处理；
[0036] 其中，在第二单元和第三单元中通过如下算法计算图像块的纹理特征X(i)：
[0037] μcol(i)＝∑xm,n(i)/(Wp×Hp)；
[0038] X(i)＝∑|xm,n(i)-μcol(i)|；
[0039] 其中xm,n(i)代表第i块图像块中像素点的像素值，Wp表示初始的图像块横向的宽度，HP表示图像块的纵向高度。
[0040] 在一个实施例中，在第二单元和第三单元中，通过如下步骤确定两个图像块之间的纹理特征相似度最大：
[0041] 计算相邻的第i块图像块的纹理特征X(i)和第i+1块图像块的纹理特征X(i+1)；
[0042] 比较第i块图像块的纹理特征X(i)与第i+1块图像块的纹理特征X(i+1)之间的大小，若X(i)较大则将第i+1块图像块至第i块图像块的方向作为对应边界的移动方向，若X(i+1)较大则将第i块图像块至第i+1块图像块的方向作为对应边界的移动方向；
[0043] 沿移动方向以基本单元为步长移动边界，循环计算边界两侧的两个图像块的纹理特征差异Δ，直至纹理特征差异Δ达到最小值；其中，Δ＝|X(i+1)-X(i)|；
[0044] 将最小的纹理特征差异Δ对应的第i块图像块与第i+1块图像块之间的边界作为最终的边界。
[0045] 在一个实施例中，若边界的移动方向向左，移动基本单元ΔW后：
[0046]
[0047]
[0048] X(i)＝∑|xm,n(i)-μcol(i)|-∑|ym,n(i)-μcol(i)|；
[0049] X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|+∑|ym,n(i+1)-μcol(i+1)|；
[0050] 其中，ym,n(i)表示第i块图像块因边界移动而变化的所在位置的像素。
[0051] 在一个实施例中，若边界的移动方向向右，移动基本单元ΔW后：
[0052]
[0053]
[0054] X(i)＝∑|xm,n(i)-μcol(i)|+∑|ym,n(i)-μcol(i)|；
[0055] X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|-∑|ym,n(i+1)-μcol(i+1)|；
[0056] 其中，ym,n(i)表示第i块图像块因边界移动而变化的所在位置的像素。
[0057] 本发明根据初始的相邻图像块纹理特征差异大小确定边界移动方向，进而按照使得相邻两图像块纹理特征差异减小的原则移动边界，一旦出现相邻图像块间的纹理特征相似性降低则立即停止，该算法有效的保证了相邻并行块具备相似纹理特征，同时减少了计算复杂度。
[0058] 本方法可以实现不同的并行处理单元之间的负载均衡，降低功耗，同时满足并行度需求，实现高效、实时的图像并行处理，并行效率最优，将使得计算机视觉和图像处理的各个研究领域广泛受益。【附图说明】
[0059] 图1是本发明一种实施例的图像负载均衡处理方法的流程图；
[0060] 图2是本发明一种实施例的图像块的边界移动示意图。【具体实施方式】
[0061] 以下对发明的较佳实施例作进一步详细说明。
[0062] 如图1和2所示，一种实施例的图像负载均衡处理方法，包括如下步骤：
[0063] S1：输入原始图像，原始图像可以是通过摄像机、照相机采集所得，或者通过计算机工具所得的视频图像，数据格式不限。
[0064] S2：将原始图像f0均匀划分为M×N矩形初始块，纵向和横向的图像块数量分别为M和N，每块的基本单元的像素个数为n×n的像素块，对所划分块纵向边界i编号从1至M-1，横向边界j编号从1至N-1，分别赋初值为1；
[0065] S3：确定纵向边界i位置，计算左右相邻分块纹理特征差异|X(i)-X(i+1)|，块纹理特征基于K-means算法采用块中各点像素值与均值之差绝对值的和表示，计算准则如下：
[0066] μcol(i)＝∑xm,n(i)/(Wp×Hp)
[0067] X(i)＝∑|xm,n(i)-μcol(i)|
[0068] 其中xm,n(i)代表第i块中各个像素点的像素值，Wp表示初始的图像块横向的宽度，而HP代表纵向图像高度，X(i)值越大，表明纹理越复杂。
[0069] 计算当前边界不动和分别向左/右移动一个基本步长(n)的特征差异，若当前位置差异最小则直接划分，否则根据最小值方向确定为边界移动方向。初始化k(表征向左右移动的步长，以CTU为计数单位)等于0，分别计算k为0、1、-1时的相邻两模块纹理特征差异|X(i)-X(i+1)|k，具体的计算方法参见S4，比较三者找出最小值，确定边界移动方向。
[0070] S4：采取类K-means聚类特征，实现并行块之间图像纹理特征差异的评估，完成图像中并行块的划分。
[0071] 确定图像中第i条边界时，以基本编码单元n×n为单位，向左或者向右分别移动边界，遍历搜索k步，分别计算出第i和i+1块的纹理表征X(i)和X(i+1)，计算出表征该相邻两模块的特征差的绝对值|X(i)-X(i+1)|k，当|X(i)-X(i+1)|k小于最小值Min，将该值赋予给Min，k加1后继续循环判断；否则按当前位置进行图像划分。整个过程还需判断是否到达图像边界或者左右相邻的i-1和i+1条划分边界，若到达边界停止划分，否则继续循环。
[0072] 向左和向右移动边界时像素均值μ(i)和纹理特征X(i)的计算方法不同，其中向左的计算准则如下：
[0073]
[0074]
[0075] X(i)＝∑|xm,n(i)-μcol(i)|-∑|ym,n(i)-μcol(i)|
[0076] X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|+∑|ym,n(i+1)-μcol(i+1)|[0077] 向右移动边界时，计算准则如下：
[0078]
[0079]
[0080] X(i)＝∑|xm,n(i)-μcol(i)|+∑|ym,n(i)-μcol(i)|
[0081] X(i+1)＝∑|xm,n(i+1)-μcol(i+1)|-∑|ym,n(i+1)-μcol(i+1)|[0082] 其中的xm,n(i)表示原始均匀划分中第i块的像素，而ym,n(i)表示第i块因边界移动而变化所在位置的像素，ΔW变化的宽度。
[0083] S5：通过i判断是否完成纵向的并行块划分，若i小于M时i加1循环至S3，否则进行横向边界的确定，其流程同纵向，过程与S3、S4类似。
[0084] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。
