-
Die
vorliegende Erfindung betrifft ein Verfahren zur Erstellung eines
Histogramms eines Bildes nach dem Oberbegriff des Patentanspruchs
1.
-
Im
Kontext der Bildverarbeitung ist man oft an einem Histogramm eines
Bildes interessiert.
-
Mit
Hilfe eines Histogramms kann man eine Aussage über die im Bild vorkommenden
Grauwerte machen, sowie über
den Kontrastumfang und die Helligkeit des Bildes. Man kann ein Histogramm
außerdem
dazu verwenden, um eine Histogramm-Equalisierung durchzuführen. Ferner
sind Histogramme die Grundlage histogramm-basierter Abstandsmaße wie Mutual
Information (siehe dazu F. Maes, A. Collignon, D. Vandermeulen,
G. Marchal and P. Suetens, „Multimodality
Image Registration by Maximization of Mutual Information", In IEEE Trans.
an Medical Imaging, Vol. 16, No 2, pages 187–198., April 1997) oder Verbundentropie
(wie in dem Artikel von D. Hill, C. Studholme und D. Hawkes, „Voxel
similarity measures for autmated image registration", In Visualization
in Biomedical Computing 1994, volume 2359, pages 205–216. The
International Society for Optical Engineering, SPIE Proceedings,
1994, beschrieben).
-
Histogramme
findet man häufig
im Bereich der digitalen Fotografie. Viele digitale Fotoapparate
zeigen auf dem Display während
der Motivsuche als Hilfe für
ein ausgewogeneres Bild in Echtzeit oder für bereits gespeicherte Aufnahmen
ein Histogramm an. Das Betrachten eines Histogramms erlaubt es dem
Fotografen, das Ergebnis oder das geplante Foto genauer zu kontrollieren,
als es das Kameradisplay erlaubt. Zum Beispiel kann man typische
Fehler wie Unter- und Überbelichtung
erkennen.
-
Bei
einem Graubild soll abhängig
von seinen Bildinhalt automatisch Kontrast und Helligkeit optimal
angepasst werden. Eine Lösung
dafür ist
die so genannte Histogramm-Equalisierung. Die betrachtet das Histogramm
des Eingabebildes und transformiert dieses Eingabebild so, dass
das Ergebnisbild ein gleichverteiltes Histogramm aufweist. Viele
Bild- und Photobearbeitungsprogramme bieten diese Funktionalität an. In
der automatischen Objekterkennung kommen Histogramme zum Einsatz.
Ein Computer soll in einem aufgenommenen Farbbild automatisch die
darin sichtbaren Objekte identifizieren. Bei der Analyse des Bildes
werden Objekte aus einer Bilddatenbank mit Hilfe von Histogramm-Vergleichen
in der aufgenommen Szene lokalisiert und identifiziert.
-
Unter
einem Histogramm versteht man eine Funktion, die einem Grauwert
im Bild seine relative oder absolute Häufigkeit zuweist. Damit kann
man eine Aussage darüber
treffen, mit welcher Wahrscheinlichkeit ein Grauwert im Bild vorkommt.
-
Bei
einem Grauwertbild mit beispielsweise 256 Grauwerten weist das nicht
kumulative Histogramm mit relativen Häufigkeiten jedem Grauwert zwischen
0 und 255 eine relative Häufigkeit
zu.
-
Für andere
Anzahlen von Grauwerten ändert
sich die Formel entsprechend.
-
Um
ein Histogramm für
ein Farbbild (oder ein anderes Bild mit mehr als einem Kanal) zu
berechnen, sind verschiedene Möglichkeiten
der Histogrammberechnung denkbar. Es ist beispielsweise möglich, den
Farbraum in kleinere Subräume
zu unterteilen und diese Unterteilung für die Histogrammberechnung
zu benutzen, d. h. man zählt
Auftretenshäufigkeiten
von Farben innerhalb des Subraums. Ferner kann ein Farbbild auch
in einen anderen Farbraum konvertiert werden, der sich besser zur
Berechnung eines Farbhistogramms eignet: So kann man das Farbbild
aus dem RGB-Farbraum in den YUV-Farbraum umrechnen und dort nur
den Y-Kanal (Luminanz-Kanal) für
die Histogrammberechnung auswerten. Eine weitere Möglichkeit
der Histogrammberechnung wäre,
das Histogramm für
jeden Kanal im Farbbild separat zu berechnen.
-
Neben
einem differenzierten Histogramm gibt es auch ein kumulatives Histogramm,
das angibt, wie oft ein Grauwert kleiner oder gleich einem bestimmten
Wert vorkommt.
-
Für das obige
Beispiel eines Grauwertbildes mit 256 Grauwerten weist das kumulative
Histogramm mit relativen Häufigkeiten
h
i jedem Grauwert zwischen 0 und 225 eine
kumulierte relative Häufigkeit
H
i zwischen 0 und 1 zu, die aussagt, wie
häufig
dieser Grauwert oder kleinere Grauwerte vorkommen:
-
Bisher
wurden Histogramme meistens auf der CPU (Central Processing Unit
bzw. Hauptprozessor) oder einer ähnlich
flexiblen Prozessorarchitektur (z. B. DSP – digitaler Signalprozessor)
berechnet.
-
Um
das Histogramm eines Grauwertbildes auf der CPU zu berechnen, muss
man in zwei verschachtelten Schleifen über das Bild laufen und dabei
zählen,
wie oft ein bestimmter Grauwert vorkommt. Als Ergebnis erhält man die
absolute Anzahl jedes Grauwertes. Um aus den absoluten Werten die
relative Häufigkeit
zu berechnen, muss man dann den jeweiligen Absolutwert durch die
Gesamtanzahl der Pixel dividieren. Im Prinzip also ein sehr einfacher
Algorithmus.
-
Pseudocode zur Histogrammberechnung:
-
- Für
jede Zeile i des Bildes
- Für
jede Spalte j des Bildes
- Lies den Grauwert des Pixels an der Position (i, j)
- Inkrementiere die Variable, die die Anzahl des jeweiligen Grauwertes
zählt
-
Abschließend:
-
- Relative Häufigkeit
eines Grauwertes ist Anzahl seines Auftretens geteilt durch Anzahl
der Pixel im Bild.
-
Neue
Ansätze
wie beschrieben in Y. Deuerling-Zheng, „Fast 2D Non-rigid Image Registration
for Digital Subtraction Angiography using Graphics Hardware", Friedrich-Alexander-Universität Erlangen-Nürnberg, Lehrstuhl
für Mustererkennung,
2005, versuchen aber, Histogramme auf der Grafikkarte und dessen
Spezial-Prozessor (GPU – Graphics
Processing Unit) zu berechnen, sind dabei aber langsamer als eine
Implementierung auf der CPU. Auch Verfahren, die auf den ersten
Blick die Grafikkarten zur Histogrammberechnung einsetzen führen die
Berechnung wieder auf der CPU aus.
-
Wie
erwähnt,
sind frühere
Ansätze
wie bei Y. Deuerling-Zheng beschrieben, die versucht haben, das Histogramm
auf der Grafikkarte zu berechnen, stets wesentlich langsamer als
die Berechnung des Histogramms auf der CPU. Um dies zu erklären, sind
in den folgenden Absätzen
die Probleme beschrieben, die man bei der Implementierung des Histogramms
auf der Grafikkarte hat.
-
Es
ist nicht unmittelbar möglich,
das Konzept der iterativen Berechnung des Histogramms auf der Grafikkarte
auszuführen.
Zwar ist es auch hier möglich,
ein Programm in einer C-ähnlichen
Syntax zu schreiben, das auf der Grafikkarte aufgerufen wird, doch
treten dabei mehrere Probleme auf: In einem Programm auf der Grafikkarte
ist es zum einen sehr ineffizient, in zwei verschachtelten Schleifen
innerhalb dieses Programms über
das Bild zu laufen (vgl. Pseudocode von oben), zum anderen ist dies
für größere Bilder
aufgrund der Begrenzung heutiger Hardware nicht möglich.
-
Um
dieses Problem der ineffizienten Implementierung von verschachtelten
Schleifen auf der Grafikkarte zu umgehen, kann das Programm auf
der Grafikkarte für
jeden Pixel einmal aufgerufen werden, so wie es in dem Artikel,
Simon Green, „Image
Processing Tricks in OpenGL",
NVIDIA Corporation, GameDevelopers Conference, zu beziehen unter
http://download.nvidia.com/developer/presentations/2005/GDC/ OpenGL_Day/OpenGL_Image_Processing_Tricks.pdf,
2005, vorgeschlagen wird: Dort wurde für jeden möglichen Grauwert ein Programmdurchlauf
ausgeführt,
bei dem nur die Pixel gezeichnet wurden, die diesen Grauwert besaßen. Nach
jedem Programmdurchlauf waren die gezeichneten Pixel zu zählen, wofür Occlusion-Queries
(eine in der Grafikhardware implementierte Möglichkeit, die Anzahl gezeichneter
Pixel zu zählen) eingesetzt
wurden.
-
Ein
weiteres Problem besteht darin, dass es in einem Programm auf der
Grafikkarte nicht effizient möglich
ist, abhängig
vom Grauwert eine bestimmte Variable zu inkrementieren. Dies liegt
nach R. Chisu, „Techniques
for Accelerating Intensitybased Rigid Image Registration", Technische Universität München, Fakultät für Informatik,
2005, vor allem daran, dass es nicht möglich ist, wahlfrei in einen
Ausgabespeicher zu schreiben. Ferner ist die Anzahl der möglichen
Ausgaben sehr begrenzt.
-
Der
der Offenbarung des ursprünglichen
Anspruch 1 nächstkommende
Stand der Technik ist die
DE 44
30 629 A1 , in der eine Vorrichtung zur Erstellung eines
Histogramms eines Bildes beschrieben wird. So wird dort ein Histogramm
eines Bildes mit mindestens einem Farbkanal erstellt, bei dem die
in einem Eingabebild pro Farbkanal auftretenden Pixelwerte in N-Werteintervalle
kategorisiert werden, das Eingabebild in M-Pixel zerlegt wird und
jedem Pixel ein Werteintervall zugeordnet wird. Die Werteintervalle
der Pixel des Eingabebildes werden in diskrete Tiefenwerte kodiert,
wobei die Anzahl der möglichen
Tiefenwerte der Anzahl der Werteintervalle N entspricht. Jedem Tiefenwert
ist eine Ebene zugeordnet, in der Pixel mit einem diesen Tiefenwert zugeordneten
Pixelwert eingegeben bzw. eingezeichnet werden und beginnend mit
der tiefsten Ebene die Pixel kumulativ gezählt werden, die in dieser Ebene
oder allen vorhergehenden Ebenen eingegeben bzw. gezeichnet wurden
und die Summen für
jede Ebene als kumulatives Histogramm ausgegeben werden.
-
Weiteren
relevanten Stand der Technik liefert die Druckschrift: VIOLA, I.;
KANITSAR, A; GRÖLLER, M.
E., "Hardware-Based Nonlinear Filtering
and Segmentation using High-Level Shading Languages", IEEE Visualization
2003, Seattle, Seiten 309 bis 316. In dieser Druckschrift werden
Filteralgorithmen beschrieben, die basierend auf Grafikkarten-Programmarchitekturen
arbeiten sollen. Dabei präsentiert
VIOLA et al. verschiedene Beispiele, wie die GPU-Hardware für nichtlineare
Filterung eingesetzt werden kann.
-
Darüber hinaus
wird in "Fast Computation
of Database Operations using Graphics Processors" von GOVINDARAJU, N. et. al. beschrieben.
Hierin werden Datenverarbeitungs-Rechenoperationen zur Ausführung auf
einem Graphik-Prozessor vorgestellt. Es erfolgt eine Art kumulative
Histogrammberechnung, indem nur die auf einer selben Bitebene gesetzten
Bits einer Textur zusammengezählt
werden und wobei im Verlauf alle Bitebenen durchlaufen werden. Somit
ergibt sich bei einer entsprechenden Kodierung der Pixel-Eingangswerte
eines Texturspeichers mit einem Code gemäß
DE 44 30 629 A1 das gewünschte kumulative
Histogramm über
die Textur.
-
Weiteren
ist aus der
US 5,943,045
A ein Verfahren zur Erzeugung einer Bilddatei bekannt,
aus dem ein kumulatives Histogramm erstellt wird.
-
Der
vorliegenden Erfindung liegt die Aufgabe zugrunde, ein Verfahren
zur Erstellung eines Histogramms eines Bildes anzugeben, das schnell
und effizient ist und die CPU eines Rechners nicht belastet.
-
Diese
Aufgabe wird mit dem Verfahren gemäß Patentanspruch 1 gelöst.
-
In
den Unteransprüchen
sind Merkmale bevorzugter Ausführungsformen
der Erfindung gekennzeichnet.
-
Um
das Histogramm effizient und schnell zu berechnen, wird erfindungsgemäß ein Verfahren
angewandt, das auf der Grafikkarte ausgeführt wird und dem das zu analysierende
Grauwertbild als Eingabe übergeben
wird.
-
In
einem ersten Schritt wird jeder Pixel des Bildes (im Folgenden als
Eingabebild bezeichnet), für
das ein Histogramm zu berechnen ist, in einen Tiefenwert überführt. Tiefenwerte
werden im Allgemeinen eingesetzt, um bei der Darstellung einer dreidimensionalen
Szene zu entscheiden, welcher Teil dieser dreidimensionalen Szene
vorne ist (und damit sichtbar), und welcher Teil hinten ist (und
damit verdeckt und nicht sichtbar). Dieser Vergleich der Verdeckung
wird mit Hilfe des Tiefenwerts bestimmt und gibt dadurch an, welche
Pixel zu zeichnen sind und welche nicht. Die Menge der Tiefenwerte
bildet den Tiefenpuffer (Z-Buffer) der Grafikkarte.
-
Diese
Tiefenwerte werden benutzt, um den Grauwert des Pixels in eine Tiefeninformation
eindeutig umzukodieren. Dabei wird für jeden Pixel im Eingabebild
ein Farbpunkt gezeichnet, dem abhängig von seinem Grauwert ein
kleinerer oder größerer Tiefenwert
zugewiesen wird. Das bedeutet, dass aus einem Grauwertbild ein Tiefenbild
mit gleicher Auflösung
erzeugt wird.
-
Im
Folgenden wird die Erfindung anhand der Beschreibung eines Ausführungsbeispiels
unter Bezugnahme auf die Zeichnung näher erläutert. Darin zeigen:
-
1:
die Umwandlung der Grauwerte eines Bildes mit 3 Grauwerten in einen
Tiefenpuffer mit 3 Tiefenstufen;
-
2:
das Setzen der Datenebene hinter t3 und anschließende Projektion unter Berücksichtigung
des Tiefenpuffers;
-
3:
das Setzen der Datenebene zwischen t2 und t3 und anschließende Projektion
unter Berücksichtigung
des Tiefenpuffers;
-
4:
das Setzen der Datenebene zwischen t1 und t2 und anschließende Projektion
unter Berücksichtigung
des Tiefenpuffers;
-
5:
das Setzen der Datenebene vor t1 und anschließende Projektion unter Berücksichtigung
des Tiefenpuffers;
-
6:
das sich ergebene kumulative relative Histogramm und das differenzierte
relative Histogramm für
das Eingabebild gemäß 1,
und
-
7:
ein Flussdiagramm zur Erläuterung
des Ablaufs des erfindungsgemäßen Verfahrens.
-
Die
Berechnung von Histogrammen auf Grafikkarten bringt eine ganze Reihe
von Vorteilen mit sich.
-
Es
ist heute schon so, dass einige Bildverarbeitungs-Algorithmen bevorzugt
auf der Grafikkarte implementiert werden, da sich die Architektur
der Grafikkarte aufgrund ihrer massiv parallelen Verarbeitung für diese
Art von Problemstellungen besonders eignet. Wurden in einem derartigen
Kontext bisher Histogramme benötigt,
so war der Nutzen einer Implementierung auf der Grafikkarte fraglich,
da keine effiziente Histogrammberechnung zur Verfügung stand
und diese häufig
auf der CPU des PCs durchgeführt
werden musste. Damit mussten die Daten von der Grafikkarte geholt,
auf dem Hauptprozessor gerechnet und die Ergebnisse wieder auf die
Grafikkarte hochgeladen werden. Durch dieses umständliche
und zeitaufwändige
Kopieren der Daten zwischen Grafikkarte und Hauptprozessor war der
Zeitvorteil, den die eigentliche Implementierung des Bildverarbeitungsalgorithmus
auf der GPU besitzt, zunichte gemacht.
-
Durch
unser Verfahren zur schnellen Histogrammberechnung auf Grafikkarten
wird die Implementierung einer ganzen Reihe von Algorithmen auf
der Grafikkarte sehr attraktiv. Besonders alle Algorithmen, die auf
einem statistischen Ansatz aufbauen, gewinnen enorm, da diese faktisch
immer ein Histogramm der Grauwerte benötigen. Zu dieser Gruppe gehören z. B.
2-D/3-D und 3-D/3-D Registrierungsalgorithmen. Auch viele Algorithmen,
die zur 2-D-Bildverbeserung von z. B. Fluoroskopie-Aufnahmen eingesetzt
werden benötigen Histogramme.
Nachdem der Trend auch hier dazu geht, diese Algorithmen auf Grafikkarten
zu implementieren, ist der vorgestellte Ansatz zur Histogrammberechnung
von Bedeutung.
-
Ganz
prinzipiell ist der Vorteil der Implementierung von Algorithmen
auf der Grafikkarte darin zu sehen, dass in der Zeit, in der die
Grafikkarte einen Algorithmus abarbeitet, die CPU des PCs für andere
Aufgaben frei ist. Durch die vorgestellte Histogrammberechnung ist
eine ganze Gruppe von Algorithmen jetzt für die Implementierung auf Grafikkarten
geeignet.
-
Obwohl
wir hier den Ansatz nur für
Grauwertbilder diskutiert haben, lässt er sich direkt wie oben
beschrieben auf Farbbilder anwenden.
-
1 zeigt
die Umwandlung der Grauwerte eines Eingabebildes mit drei Grauwerten
(t1 = hellgrau, t2 = dunkelgrau, t3 = schwarz) in einen Tiefenpuffer
mit drei Tiefenstufen t1, t2, t3. In 1 ist oben
stark vereinfachtes Eingabebild mit nur neun Pixeln gezeigt, welches
Pixel mit verschiedenen Grauwerten, nämlich hellgrau, dunkelgrau
und schwarz aufweist. Dieses Grauwertbild wird erfindungsgemäß in einer
Grafikkarte in einen Tiefenpuffer (Z-Buffer) konvertiert. In 1 unten
ist ein solcher Z-Buffer schematisch dargestellt. Legt man das 2-dimenionale
Eingabebild in eine XY-Ebene, so weist der Tiefenpuffer eine vorbestimmte
Anzahl von zur XY-Ebene parallelen Ebenen auf, die entlang der Z-Achse
auf gereiht ist. Die einzelnen Ebenen im Z-Buffer sind für das dargestellte
Beispiel t1, t2 und t3. Dabei bezeichnet t3 die „hinterste Ebene" und t1 die „vorderste Ebene". Die dunkelsten
Pixel, in diesem Fall schwarz liegen in der Ebene auf der Höhe t3, die
dunkelgrauen Pixel liegen in der Ebene t2 und die hellgrauen Pixel
in der Ebene t1.
-
Die
Umkodierung der Grauwerte in Tiefenwerte kann z. B. effizient mit
Hilfe eines Fragmentprogramms, beispielsweise eines Pixel-Shaders
bzw. Fragment-Shaders, auf der GPU der Grafikkarte ausgeführt werden.
Auf heutigen Grafikkarten nimmt der Tiefenwert einen Wert zwischen
0 und 1 an, sodass man bei der Ausgabe des Fragmentprogramms auf
diese Normierung achten muss.
-
Bei
einem Bild mit beispielsweise 256 Grauwerten gibt das Programm auf
der Grafikkarte für
den Grauwert 0 einen Tiefenwert von 1 aus, für den Grauwert 255 einen Tiefenwert
von 0 aus und für
einen Grauwert zwischen 0 und 255 einen absteigenden Tiefenwert
zwischen 1 und 0 in Schritten von 1 / 256.
-
Nach
der Ausführung
des Programms auf der Grafikkarte werden nun nacheinander von hinten
nach vorne so viele Ebenen gezeichnet, wie es zu unterscheidende
Grauwerte gibt, also genau so viele wie es der erwünschten
Auflösung
des Histogramms entspricht. Da die Ebenen „von hinten nach vorne" gezeichnet werden,
verdeckt eine neu gezeichnete Ebene immer die Ebene, die im vorherigen
Schritt gezeichnet wurde. Dementsprechend enthält auch der Tiefenpuffer der
Grafikkarten nach jeder Ebene neue Werte für die Stellen, an denen ein
Pixel gezeichnet wurde. Das Zeichnen der Ebenen in bestimmten Tiefen
ist nötig,
um Pixel in der entsprechenden Tiefe einzusammeln.
-
2 zeigt
die Projektion der Datenebene „hinter
t3" unter Berücksichtigung
des Tiefenpuffers. Unten links in
2 ist das
Ergebnis angezeigt, d. h. es werden keine Pixel im Ausgabebild gezeichnet.
Im kumulativen Histogramm heißt
das, dass es keine Werte größer als
t3 gibt. Somit ist
in Gleichung 2.
-
Den
nächsten
Schritt zeigt 3, nämlich die Projektion der Datenebene „zwischen" t2 und t3 unter Berücksichtigung
des Tiefenpuffers. Unten links ist das Ergebnis gezeigt: Es werden
vier Pixel im Ausgabebild gezeichnet. Das heißt im kumulativen Histogramm
gibt es insgesamt vier Werte größer oder
gleich als t3.
-
-
4 zeigt
die Projektion der Datenebene zwischen t1 und t2 unter Berücksichtigung
des Tiefenpuffers. Hier werden im links unten dargestellten Ausgabebild
sieben Pixel gezeichnet, d. h. im kumulativen Histogramm gibt es
insgesamt sieben Werte größer oder
gleich als t2. Somit ist
in Gleichung 2.
-
Die
Grafikkarte überprüft nun mit
Hilfe des Tiefenpuffers, welche Pixel jeder neuen Ebene überhaupt gezeichnet
werden dürfen.
Es können
nämlich
nur diese Pixel gezeichnet werden, die den gleichen oder kleineren
Wert haben als der Wert, der an der entsprechenden Pixelposition
schon im Tiefenpuffer eingetragen ist. Geht man von einer in der
Praxis realistischen Auflösung
aus, d. h. wenn das Eingabebild z. B. aus 256 Grauwerten besteht
und das gewünschte
Histogramm diese Auflösung
bieten soll, dann müssen
256 Ebenen eingezeichnet werden, die sich in immer geringerer Tiefe
befinden. Die erste Ebene wird in einer solchen Tiefe gezeichnet,
dass ihr ein Tiefenwert 1 im Tiefenpuffer zugewiesen wird. Jede
weitere Ebene (bei 256 zu unterscheidenden Grauwerten) wird so gezeichnet,
dass sie um 1 / 256 tel weniger tief ist, also vor der davor gezeichneten
Ebene liegt. Die letzte Ebene hat schließlich einen Tiefenwert von
Null und befindet sich damit vor allen anderen Ebenen und allen
Farbpunkten, die vom Programm der Grafikkarte im ersten Schritt
gezeichnet wurden.
-
5 zeigt
die Projektion der Datenebene „vor
t1„ unter
Berücksichtigung
des Tiefenpuffers. Hier werden im gezeigten Beispiel neun Pixel
im Ausgabebild links unten gezeichnet, d. h. im kumulativen Histogramm gibt
es insgesamt neun Werte größer oder
gleich t1. Dies ist auch genau das Ergebnis, das man von einem kumulativen
Histogramm erwartet, d. h. es muss die Gesamtanzahl der vorhandenen
Pixel herauskommen. Somit ist in Gleichung 2:
-
Um
die Anzahl der gezeichneten Pixel zu zählen, welches die Pixel mit
einem gleich großen
oder kleineren Wert wie im Tiefenpuffer sind, werden so genannte
Occlusion-Queries eingesetzt. Occlusion-Queries sind die in der
Grafik-Hardware implementierte Möglichkeit,
die Anzahl gezeichneter Pixel effizient zu zählen. Diese bieten die Möglichkeit
zu bestimmen, wie viele Pixel in einem Zeichenschritt tatsächlich gezeichnet
worden sind. Da aber nur diese Pixel gezeichnet werden, die den
Tiefenwert der Ebene oder kleiner haben, wird als Ergebnis nach
jedem Zeichen/Zählschritt
ein Wert des kumulativen Histogramms mit absoluten Häufigkeiten
ausgegeben.
-
Aus
diesem kumulativen Histogramm mit absoluten Häufigkeiten muss nun noch das
nicht kumulative Histogramm mit relativen Häufigkeiten berechnet werden.
Dafür wird
zunächst
das nicht kumulative Histogramm mit absoluten Häufigkeiten berechnet, indem
die Differenz zwischen zwei benachbarten Werten für benachbarte
Ebenen des kumulativen Histogramms berechnet wird. Danach wird das
nicht kumulative Histogramm mit relativen Häufigkeiten berechnet, indem
der Absolutwert der gezählten
Pixel durch die Gesamtanzahl der Pixel dividiert wird.
-
6 zeigt
oben das resultierende kumulative relative Histogramm für das Eingabebild
mit drei Grauwerten gemäß
1 bis
5 und
unten ist das aus dem kumulativen Histogramm berechnete relative
Histogramm dargestellt. Dabei wurden die Werte
berechnet als
und
-
Als
weitere Option ist es möglich,
die Quantisierung des Histogramms in größeren Einheiten durchzuführen. So
kann es z. B. ausreichend sein für
eine bestimmte Anwendung, aus einem Grauwertbild mit 256 möglichen
Grauwerten ein Histogramm mit 64 oder 128 Auflösungsstufen zu berechnen. Dabei
wird aus einem Bereich von Werten eine Gruppe gebildet, die von
da an als gemeinsame Einheit im Histogramm betrachtet werden soll.
Dies geschieht erfindungsgemäß auf der
Grafikkarte, indem weniger Ebenen gezeichnet werden. Es werden also
nicht 256 Ebenen im Abstand von 0 bis 1 mit einer 1 / 256 gezeichnet sondern
z. B. 64 oder 128 mit einer Schrittweite von 1 / 64 bzw. 1 / 128.
-
In 7 ist
der Ablauf der einzelnen Verfahrensschritte in der Grafikkarte eines
Rechners noch einmal zusammengefasst.
-
Durch
das erfindungsgemäße Verfahren
zur schnellen Histogrammberechnung auf Grafikkarten wird die Implementierung
einer ganzen Reihe von Algorithmen auf der Grafikkarte sehr attraktiv.
Besonders alle Algorithmen, die auf einem statistischen Ansatz aufbauen,
gewinnen enorm, da diese faktisch immer ein Histogramm der Grauwerte
benötigen.
Zu dieser Gruppe gehören
z. B. 2-D/3-D und 3-D/3-D Registrierungs-Algorithmen. Auch viele
Algorithmen, die zur 2-D-Bildverbesserung von z. B. Fluoroskopie-Aufnahmen
eingesetzt werden, benötigen
Histogramme. Nachdem der Trend auch hier dazu geht, diese Algorithmen
auf Grafikkarten zu implementieren, ist der vorgestellte Ansatz
zur Histogrammberechnung von Bedeutung.
-
Es
ist zwar heute schon so, dass einige Bildverarbeitungs-Algorithmen bevorzugt
auf der Grafikkarte implementiert werden, da sich die Architektur
einer Grafikkarte aufgrund ihrer massiv parallelen Verarbeitung für diese
Art von Problemstellungen besonders eignet. Wurden in einem derartigen
Kontext bisher Histogramme benötigt,
so war der Nutzen einer Implementierung auf der Grafikkarte jedoch
fraglich, da keine ef fiziente Histogrammberechnung zur Verfügung stand
und diese häufig
dann doch wieder auf der CPU des PCs durchgeführt werden musste. Dabei mussten
die Daten von der Grafikkarte geholt, auf dem Hauptprozessor gerechnet
und die Ergebnisse wieder auf die Grafikkarte hochgeladen werden.
Durch dieses umständliche
und zeitaufwendige Kopieren der Daten zwischen Grafikkarte und Hauptprozessor
war der Zeitvorteil, den die eigentliche Implementierung des Bildverarbeitungsalgorithmus
auf der GPU besitzt, zunichte gemacht.
-
Ganz
prinzipiell ist bei dem erfindungsgemäßen Verfahren der Vorteil der
Implementierung von Algorithmen auf der Grafikkarte darin zu sehen,
dass in der Zeit, in der die Grafikkarte einen Algorithmus abarbeitet, die
CPU des PCs für
andere Aufgaben frei ist.
-
Die
oben stehende Beschreibung eines Ausführungsbeispiels der vorliegenden
Erfindung bezieht sich auf Grauwertbilder. Wie jedoch bereits in
der Beschreibungseinleitung erwähnt,
lässt sich
das beschriebene Konzept ohne weiteres auch auf Farbbilder anwenden.
und
