李 欣，王 婷

西南科技大學(xué)理學(xué)院

MPI并行計算在圖像處理方面的應(yīng)用

李 欣，王 婷

西南科技大學(xué)理學(xué)院

隨著科學(xué)技術(shù)的不斷發(fā)展，人們在很多工程方面對計算機的運行速度提出兩個更高的要求。圖形處理廣泛應(yīng)用在神經(jīng)網(wǎng)絡(luò)計算和地形匹配等方面，其在運行過程中將產(chǎn)生大量的計算任務(wù)，這在一定程度上對計算機本身所具有的性能提出了更高的要求。近年來，微處理器本身的性能有了較大的提升，在局域網(wǎng)高速發(fā)展的狀態(tài)，人們可以使用微機通過局域網(wǎng)進行連接，形成并行集群計算系統(tǒng)，有利于提高對圖像的處理?；诖?，本文就對MPI并行計算在圖像處理方面的應(yīng)用進行探討。

MPI并行計算；圖像處理；應(yīng)用

前言

現(xiàn)階段，MPI是一個較為常用并行計算環(huán)境，其是一種用于消息傳遞的接口標準，由MPI論壇最先推出，其制定的主要標準是提高并行程序的性能。MPI論壇是在1994年推出的MPI的首個版本，隨著相關(guān)技術(shù)的發(fā)展，其也隨之退出了多個版本，到現(xiàn)在為MPI最新的版本為6.2版本，成為當下業(yè)內(nèi)所執(zhí)行的并行計算標準。下面筆者就對MPI并行算法進行探討。

一、MPI并行圖像處理算法

（一）構(gòu)建處理算法并行模型

算法并行模型的構(gòu)建在其是使用過程當中是十分重要的。并行計算的主要目的是為了能夠利用計算集群來縮短計算時間，從而提高計算效率。要想實現(xiàn)并行計算的算法主要是將眾多的計算節(jié)點之間在數(shù)據(jù)上進行交換，因此并行計算也會在運行過程中摻入額外通信時間[1]。這種額外通信時間如果過大，那么將會在一定程度上使并行計算出現(xiàn)較為嚴重的運行效率下降的情況。當額外通信時間總體大于并行計算在運行過程中所節(jié)省的時間，沒那么這種并行集群在運算速度上要遠遠小于計算機本身的運行速度，那么并行運算將會失去其本身原有的意義。

在算法并行模型的構(gòu)建過程當中，其一共可分為三個步驟：首先，分析算法模型，尋找出該模型當中運算量最大的部分，這些部分也是在并將計算當中運算量最大的部分。其次，深入分析并行計算的各個模塊，從中尋找出能夠使并行得以實現(xiàn)的有效方法。最后，對并行計算自身的可行性進行計算，如果所計算出來的結(jié)果是額外通信耗時遠小于計算耗時時，那么說明并行計算是較為可行的；如果所得出的結(jié)果相反，那么其便是低效的。

（二）并行計算編程

針對于并行算法的設(shè)計思路主要是：在各個計算節(jié)點當中來啟動計算進程，找出該算法當中能夠并行的部分，并將計算任務(wù)進行分塊處理，每一個進程都能夠完成相應(yīng)的計算工作，每個進程之間的通信也需要MPICH為其提供所需要的消息傳遞函數(shù)。但圖像在存放時是按照行進行存放的，對這些圖像采取分塊計算方法最為方便的就是使用并行方法。在對圖像進行分割時，主要是以計算節(jié)點個數(shù)為依據(jù)將其均分成多個子圖像，使得這些子圖像在運行時都能夠在相應(yīng)的節(jié)點上完成運行。

（三）并行算法效率的提高

并行計算最主要的目的就是為了降低所使用算法在運行過程中所消耗的時間，但如何能夠在最短的時間完成相應(yīng)的算法，提高其運行效率主要在于以下幾個方面：首先，降低通信量。在并行計算過程當中一定存在著數(shù)據(jù)通信，其產(chǎn)生的通信量都是較大的，這將消耗大量的運行時間。為了能夠減少和降低這些不必要的數(shù)據(jù)通信量，應(yīng)當對運行過程中所產(chǎn)生的不必要數(shù)據(jù)進行清除，從而減少運算量和運算時間。其次，減少通信次數(shù)。當在運算過程當中，需要進行相應(yīng)的數(shù)據(jù)通信工作，根據(jù)相關(guān)的協(xié)議和指令都需要對其進行打包等方面的操作，這將消耗CPU的時間。而通信次數(shù)的下降，使得圖像數(shù)據(jù)在傳送過程中盡量避免按行發(fā)送，針對于較為分散的數(shù)據(jù)則應(yīng)當對其進行統(tǒng)一打包，一次性將其傳送出去。再次，將計算和通信兩者重疊在一起來提高自身的運行效率[2]。MPI所提供的通信方式為非阻塞通信，也就是說即便通信工作沒有完成，也能夠不斷進行計算。當將計算和通信這兩者的重疊能夠正確使用，則能夠有效提高其運行效率。最后，使用性能相同的計算機來建立所需要的并行計算集群。之所以在構(gòu)建并行計算集群上選擇性能較為相同的計算機，主要是為了使其在節(jié)點上保持一致，同時還能夠在系統(tǒng)的管理上進行簡化，以便對并行編程工作的相關(guān)計算任務(wù)進行分割，以此來提高其計算速度。

二、灰度相關(guān)匹配算法

（一）并行算法的實現(xiàn)

在該算法當中需要進行多次的計算，其所得出的計算量很大，尤其是紅外和大尺寸雷達這兩種圖像能夠匹配在一起時，使用單臺計算機對其進行計算，所消耗的時間較長，無法達到令人滿意的狀態(tài)。在這種情況下，應(yīng)當采用并行集群計算，以此來大大減少計算過程中所消耗的時間。針對于灰度相關(guān)值的計算，其是在本身的計算量是很大的，而并行計算中最重要的思想便是將計算灰度相關(guān)值本身的任務(wù)分解到各個計算節(jié)點上來執(zhí)行。其具體的實現(xiàn)過程為：需要先依據(jù)計算中的各個節(jié)點將參考圖分割成多個子圖像，計算出所需要的相關(guān)值和最大值所相對應(yīng)的坐標，然后在通過這些節(jié)點進程將所得出的結(jié)果傳遞給進程0，最終得出的所需的匹配結(jié)果[3]。

（二）結(jié)果分析

在該并行計算當中，通信量通常較小，時間基本為0，但是隨著計算節(jié)點的不斷增多，SP增大，這非常清楚的說明了在節(jié)點不斷增多的情況下，計算速度也在不斷提高。在計算過程中，當某一個節(jié)點的計算性能較差，所消耗的時間較多，那么下一個節(jié)點就需要等該節(jié)點計算完成以后，便能夠有效得出相應(yīng)的圖像匹配結(jié)果。如果節(jié)點性能較低，這將在一定程度上造成其他節(jié)點出現(xiàn)額外等待的情況，因此在并行計算集群當中應(yīng)當盡量選擇性能相同或是較為相近的微機。

總結(jié)

總之，從以上所論述的內(nèi)容當中我們能夠清楚看出，每個節(jié)點之間在通信上所消耗的時間，將會對去并行計算的速度和效率產(chǎn)生較大的影響，需要增加在計算和通信兩者在耗時上比例，當該比值越大時，那么其并行效率也就越高，如果當該比值小于1時，那么則在一定程度上說明此算法不是用在并行計算上。因此，應(yīng)當根據(jù)運算的實際情況采取措施增加其運算效率，從而達到人們所需要的效果。

[1]賈茹.基于MPI并行計算的CT濾波反投影圖像重建算法研究[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版）,2015,（02）：131-136.

[2]李海榮,方中純.應(yīng)用MPICH并行化圖像處理算法[J].計算機技術(shù)與發(fā)展,2013,（07）：101-103+107.

[3]宗亮.圖像并行處理的研究[J].科技視界,2012,（05）：67-68.