張 鑫

(青海民族大學(xué) 計(jì)算機(jī)學(xué)院,西寧 810007)

ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究

張 鑫

(青海民族大學(xué) 計(jì)算機(jī)學(xué)院,西寧 810007)

為在圖像處理與分析時(shí)具備良好的視覺(jué)效果，提高圖像處理的速度，需要對(duì)ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)進(jìn)行研究;當(dāng)前采用的方法是對(duì)各種變換頻域圖像特征提取與計(jì)算機(jī)圖像集合特征的提取進(jìn)行相結(jié)合，克服了當(dāng)前對(duì)圖像進(jìn)行提取時(shí)存在圖像形狀描述的缺陷，提取圖像特征向量維數(shù)相對(duì)較低;實(shí)驗(yàn)表明，通過(guò)對(duì)圖像進(jìn)行特征提取能很好地對(duì)圖像效果進(jìn)行展示，將圖像的紋理特征進(jìn)行詳細(xì)的表述，將該方法應(yīng)用到圖像處理技術(shù)當(dāng)中，具有良好的去噪效果及擴(kuò)展性，該方法過(guò)程簡(jiǎn)單，但存在圖像視覺(jué)效果較差的問(wèn)題;為此，提出一種ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究方法;該方法首先利用非局部均值去噪算法對(duì)圖像進(jìn)行去噪處理，然后結(jié)合圖像去噪的結(jié)果利用小波變換對(duì)去噪圖像進(jìn)行邊緣檢測(cè)，最后采用非線性增強(qiáng)算法對(duì)圖像進(jìn)行增強(qiáng)完成對(duì)ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究；實(shí)驗(yàn)結(jié)果表明，所提方法不僅提高圖像處理速度，還提高圖像視覺(jué)效果，具有廣泛的應(yīng)用價(jià)值。

ARM架構(gòu)；圖像并行化處理；非局部均值算法；小波變換

0 引言

隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展與廣泛的應(yīng)用，數(shù)字圖像在生活中扮演了信息方面的重要角色，計(jì)算機(jī)圖像處理是信號(hào)和信息處理學(xué)科的重要組成部分[1]。但隨著計(jì)算機(jī)技術(shù)的逐漸進(jìn)步，對(duì)計(jì)算機(jī)圖像處理技術(shù)的要求也就越高[2]。如何把原始的圖像與計(jì)算機(jī)進(jìn)行結(jié)合創(chuàng)造出更具有視覺(jué)效果的圖像、滿足人們不同的需求[3]是當(dāng)今的繼續(xù)解決的重要問(wèn)題。計(jì)算機(jī)圖像并行處理技術(shù)具有較強(qiáng)的實(shí)踐性與理論性，而圖像并行處理技術(shù)的發(fā)展主要依賴于計(jì)算機(jī)并行處理技術(shù)[4]。圖像處理主要就是將圖像進(jìn)行轉(zhuǎn)化成數(shù)字矩陣將其存放至計(jì)算機(jī)中，采用一定的方法進(jìn)行處理[5]。當(dāng)前進(jìn)行計(jì)算機(jī)圖像處理時(shí)存在處理速度較慢及視覺(jué)效果較差的問(wèn)題[6]。而進(jìn)行ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究是解決上述問(wèn)題的有效途徑。引起該領(lǐng)域?qū)＜遗c學(xué)者們的重視，并進(jìn)行研究，取得了有效成果[7]。

劉敏提出一種對(duì)數(shù)變換的圖像增強(qiáng)方法，該方法利用圖像樣條融合技術(shù)，將原始圖像與對(duì)數(shù)變換的圖像進(jìn)行相融合，對(duì)圖像的對(duì)比度進(jìn)行改善，該變換方法可應(yīng)用于任何圖像對(duì)比度的增強(qiáng)，優(yōu)勢(shì)較明顯，研究潛力較大。李涵提出基于幕律變換的圖像處理技術(shù)方法，該方法不需要對(duì)幕律變換的指數(shù)進(jìn)行選擇，利用在圖像對(duì)比度中效果較差，對(duì)于圖像中的背景處理效果較差。萬(wàn)余方提出一種基于直方圖均衡化的圖像處理方法，利用變量直方圖均衡化來(lái)提高圖像的對(duì)比度，在直方圖均衡化的基礎(chǔ)上，定義新圖像對(duì)比度增強(qiáng)的變換函數(shù)，為圖像亮度約束函數(shù)，保持對(duì)圖像直方圖拉伸進(jìn)行控制，減少圖像亮度的變化。王磊提出一種基于局部數(shù)據(jù)的圖像處理方法，該方法首先對(duì)圖像局部數(shù)據(jù)進(jìn)行提取，因圖像對(duì)比度增強(qiáng)以及噪聲都基于圖像的局部均值以及方差，由此該算法對(duì)圖像像素的均值以及方差可以進(jìn)行轉(zhuǎn)化。李德森提出一種基于平滑濾波器的圖像處理技術(shù)方法，該方法首先對(duì)平滑濾波器進(jìn)行控制，保持圖像融合技術(shù)以提高圖像的細(xì)節(jié)。圖像融合技術(shù)主要應(yīng)用于分辨率的光譜圖像與全色圖像中。馬德里提出一種改進(jìn)直方圖均衡化的圖像處理方法，對(duì)圖像進(jìn)行設(shè)定一個(gè)獨(dú)立的動(dòng)態(tài)參數(shù)，與傳統(tǒng)的直方圖均衡化對(duì)比具有自適應(yīng)統(tǒng)計(jì)圖像灰度進(jìn)行改進(jìn)圖像，由此呈現(xiàn)視覺(jué)效果較好的圖像。文獻(xiàn)[8]提出了一種基于小波變換的圖像并行處理技術(shù)研究方法。該方法首先對(duì)各種變換頻域的圖像特征提取與計(jì)算機(jī)圖像集合特征的提取進(jìn)行相結(jié)合，克服了當(dāng)前對(duì)圖像進(jìn)行提取時(shí)存在的圖像形狀描述的缺陷，提取圖像特征向量維數(shù)相對(duì)較低，實(shí)驗(yàn)表明，通過(guò)對(duì)圖像進(jìn)行特征提取能很好的對(duì)圖像效果進(jìn)行展示，將圖像的紋理特征進(jìn)行詳細(xì)的表述，將該方法應(yīng)用到圖像處理技術(shù)當(dāng)中，具有較好的去噪效果以及良好的擴(kuò)展性，該方法過(guò)程簡(jiǎn)單，但存在圖像視覺(jué)效果較差的問(wèn)題。文獻(xiàn)[9]提出了一種基于改進(jìn)算法的圖像處理并行處理技術(shù)研究方法。該方法首先對(duì)圖像中出現(xiàn)的邊緣模型進(jìn)行描述，把連續(xù)型的邊緣作為主要的研究對(duì)象，對(duì)圖像邊緣進(jìn)行構(gòu)造檢測(cè)的模板，針對(duì)圖像邊緣檢測(cè)的導(dǎo)數(shù)極大值帶來(lái)的圖像邊緣定位準(zhǔn)確度較低的缺點(diǎn)，對(duì)圖像進(jìn)行邊緣細(xì)化處理，實(shí)驗(yàn)結(jié)果表明，該方法對(duì)圖像噪聲具有較強(qiáng)的去噪能力，對(duì)圖像提取的邊緣較準(zhǔn)確，但該方法存在圖像并行化處理較差的問(wèn)題。文獻(xiàn)[10]提出一種基于Retinex算法的圖像處理技術(shù)研究。該方法首先依據(jù)圖像的像素分量輸入彩色圖像進(jìn)行分解，代表圖像場(chǎng)景中不同波長(zhǎng)的反色光強(qiáng)度，利用Retinex算法對(duì)圖像像素間的相對(duì)色彩明暗關(guān)系進(jìn)行確定圖像像素的色彩，將Retinex算法空間內(nèi)的圖像色彩映射到RGB的空間中，獲取原始圖像增強(qiáng)后的圖像。通過(guò)該方法獲取的經(jīng)過(guò)增強(qiáng)的圖像具有逼真度較強(qiáng)，圖像處理效果較好，但該方法存在圖像處理速度較慢的問(wèn)題。

依據(jù)上述問(wèn)題，提出一種ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究方法。該方法首先利用非局部均值去噪算法對(duì)圖像進(jìn)行去噪，然后結(jié)合圖像去噪的結(jié)果利用小波變換對(duì)去噪圖像進(jìn)行邊緣檢測(cè)，最后利用非線性增強(qiáng)算法對(duì)圖像進(jìn)行增強(qiáng)完成對(duì)ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究。仿真實(shí)驗(yàn)結(jié)果表明，本文方法不僅提高了圖像處理的速度，還提高了圖像視覺(jué)效果，具有廣泛的應(yīng)用價(jià)值。

1 計(jì)算機(jī)圖像處理技術(shù)研究

首先對(duì)計(jì)算機(jī)圖像進(jìn)行分割，結(jié)合分割的圖像利用自適應(yīng)提取算法對(duì)圖像進(jìn)行特征提取，最后對(duì)提取的圖像利用直方圖均衡化對(duì)圖像進(jìn)行增強(qiáng)完成對(duì)圖像的處理。

假設(shè)Ri與Rj表示利用閾值T進(jìn)行計(jì)算機(jī)圖像分割，Ai表示區(qū)域Ri的圖像的大小，μ表示區(qū)域Ri的圖像平均灰度，ki表示與Ri相鄰的區(qū)域圖像個(gè)數(shù)，可定義圖像歸一化系數(shù)為：

(1)

式(1)中表示計(jì)算機(jī)圖像分割部分的最大方差與圖像灰度平均值的最大差。

(2)

式(2)中，Ti表示Ri與圖像相鄰區(qū)域平均的對(duì)比度，而Mi表示圖像Ri內(nèi)部的均勻性。

假設(shè)，圖像提取的特征點(diǎn)的數(shù)量為Nk，圖像提取特征點(diǎn)的期望值為Nt，圖像特征提取的灰度閾值為Gk+1，進(jìn)行圖像特征點(diǎn)的提取可表示為：

(3)

利用直方圖均衡化增強(qiáng)算法進(jìn)行圖像增強(qiáng)，對(duì)計(jì)算機(jī)圖像進(jìn)行分塊，每個(gè)圖像的邊緣以圖像像素(i,j)為中心，以w為邊長(zhǎng)的圖像邊緣用O(i,j)進(jìn)行表示，計(jì)算圖像的梯度值(dx,dy)為：

(4)

由上述公式可轉(zhuǎn)化為：

(5)

將圖像像素點(diǎn)與所在圖像的主方向進(jìn)行對(duì)比，利用公式(6)進(jìn)行計(jì)算圖像權(quán)系數(shù)h。

(6)

式(6)中，σ表示圖像允許誤差的角度。利用上述的圖像增強(qiáng)完成對(duì)圖像的處理。但該方法進(jìn)行圖像處理時(shí)不能將圖像同時(shí)進(jìn)行并行化處理。

2 ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)方法

首先利用非局部均值去噪算法對(duì)圖像進(jìn)行去噪，然后結(jié)合圖像去噪的結(jié)果利用小波變換對(duì)去噪圖像進(jìn)行邊緣檢測(cè)，最后利用非線性增強(qiáng)算法對(duì)圖像進(jìn)行增強(qiáng)完成對(duì)ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究。具體過(guò)程如下：

2.1 基于非局部均值算法對(duì)ARM架構(gòu)下圖像去噪

利用非局部均值去噪算法對(duì)圖像進(jìn)行去噪，假設(shè)噪聲信號(hào)與圖像無(wú)關(guān)的高斯白噪聲，圖像噪聲模型為：

V(i)=X(i)+N(i)

(7)

式(7)中，X(i)表示沒(méi)有受噪聲污染的原始計(jì)算機(jī)圖像，N(i)表示受污染的計(jì)算機(jī)圖像。已知離散含有噪聲的圖像v={v(i)|i∈I}，I表示計(jì)算機(jī)圖像域，對(duì)于計(jì)算機(jī)圖像中的任意像素i，ONLM算法利用計(jì)算機(jī)圖像中像素灰度值的加權(quán)平均值得出圖像點(diǎn)的灰度估計(jì)值為：

(8)

式(8)中，圖像權(quán)值w(i,j)依賴圖像像素i與j間的相似度，可滿足0≤w(i,j)≤1并且Σjw(i,j)=1，圖像像素i與像素j間的相似度由灰度值矩陣Ni與Nj間的相似度而決定的，Ni表示以圖像像素i為中心的方形鄰域，各鄰域間的圖像灰度值矩陣的相似度通過(guò)高斯加權(quán)的歐式距離d(i,j)進(jìn)行衡量，可定義為：

(9)

(10)

(11)

式(11)中，參數(shù)h表示指數(shù)函數(shù)的圖像衰減因子，圖像控制指數(shù)函數(shù)的衰減速度，由此完成對(duì)計(jì)算機(jī)圖像的去噪。

2.2 基于小波變換對(duì)ARM架構(gòu)下圖像邊緣檢測(cè)

結(jié)合上述去噪后的圖像利用小波變換邊緣檢測(cè)的分析方法進(jìn)行計(jì)算機(jī)圖像邊緣檢測(cè)，假設(shè)圖像函數(shù)θ(x,y)滿足條件為：

(12)

稱θ(x,y)表示平滑函數(shù)，取高斯函數(shù)作為平滑函數(shù)為：

(13)

式(13)中，A表示圖像幅值，(x,y)表示圖像點(diǎn)的坐標(biāo)，σ表示圖像的半軸。

對(duì)于θ(x,y)，定義的圖像小波函數(shù)為：

(14)

(15)

在尺度2j時(shí)圖像函數(shù)f(x,y)小波變換的模和幅角為：

(16)

由上述能看出，平滑后圖像函數(shù)的突變點(diǎn)對(duì)應(yīng)于矢量方向A2jf(x,y)上M2jf(x,y)的局部圖像邊緣點(diǎn)，需沿圖像方向A2jf(x,y)對(duì)M2jf(x,y)的局部圖像邊緣點(diǎn)，可得出圖像函數(shù)的邊緣點(diǎn)，對(duì)?(x0,y0)，如果M2jf(x,y)在由A2jf(x,y)給定的圖像邊緣點(diǎn)，可稱(x0,y0)表示f(x,y)的小波變換的圖像邊緣點(diǎn)，由此完成對(duì)計(jì)算機(jī)圖像的邊緣檢測(cè)。

2.3 基于非線性算法對(duì)ARM架構(gòu)下計(jì)算機(jī)圖像增強(qiáng)

結(jié)合上述對(duì)圖像進(jìn)行的邊緣檢測(cè)，利用非線性函數(shù)對(duì)圖像低頻的部分進(jìn)行非線性增強(qiáng)。首先統(tǒng)計(jì)原始計(jì)算機(jī)圖像的灰度范圍內(nèi)像素為零的空閑灰度級(jí)數(shù)目Lr。將灰度級(jí)別頻率小于閾值Δ的灰度級(jí)別視為空閑的圖像灰度級(jí)別，可減少頻率極小的噪聲對(duì)空閑的圖像灰度級(jí)的干擾。Δ的取值是計(jì)算機(jī)圖像增強(qiáng)處理效果的關(guān)鍵，Δ過(guò)大易造成有效的圖像信號(hào)被壓縮，Δ過(guò)小易導(dǎo)致圖像增強(qiáng)的效果不明顯。

(17)

統(tǒng)計(jì)his′=0的圖像灰度即個(gè)數(shù)為L(zhǎng)r。

對(duì)計(jì)算機(jī)圖像的灰度范圍內(nèi)的灰度級(jí)別數(shù)目進(jìn)行計(jì)算：

Le=255-Lr

(18)

將上述統(tǒng)計(jì)出的圖像空閑灰度級(jí)別的數(shù)目Lr按有效的灰度級(jí)頻率的大小進(jìn)行分配。

假設(shè)灰度級(jí)的概率密度函數(shù)為：

(19)

公式(19)中，n表示圖像像素的總數(shù)，nk表示灰度級(jí)為rk的像素頻數(shù)。

(20)

(21)

上述公式中，M=max(|w(i,j)|)。

采用ENG對(duì)計(jì)算機(jī)圖像進(jìn)行分線性增強(qiáng)，圖像結(jié)果為增大值，對(duì)于圖像增強(qiáng)算子可依據(jù)計(jì)算機(jī)圖像選擇不同閾值作為圖像增強(qiáng)細(xì)節(jié)的初始值，達(dá)到增強(qiáng)圖像的目的，使計(jì)算機(jī)圖像具有更好的視覺(jué)效果以及更高的圖像對(duì)比度。由上述的計(jì)算能看出，可同時(shí)對(duì)檢測(cè)以及圖像增強(qiáng)進(jìn)行圖像并行化處理。由此完成對(duì)ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究。

3 實(shí)驗(yàn)結(jié)果與分析

為了證明ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)的有效性以及可行性，需要進(jìn)行一次仿真實(shí)驗(yàn)，在Matlab2016的環(huán)境下搭建計(jì)算機(jī)圖像并行化處理技術(shù)的仿真實(shí)驗(yàn)平臺(tái)。實(shí)驗(yàn)數(shù)據(jù)選用256×256大小的圖像進(jìn)行驗(yàn)證本文方法。表1表示文獻(xiàn)[8]、文獻(xiàn)[9]與本文方法加入標(biāo)準(zhǔn)差5、10、15、20、25、的高斯白噪聲的峰值信噪比(dB)對(duì)比。

表1 不同方法的去噪信噪比對(duì)比 dB

由表1能看出，本文所提方法的圖像去噪的信噪比隨著噪聲標(biāo)準(zhǔn)差的增加，圖像去噪信噪比比較穩(wěn)定，而文獻(xiàn)[8]與文獻(xiàn)[9]所提方法的圖像去噪信噪比明顯不穩(wěn)定，可行性較低，由此證明本文方所提方法的可行性較高。圖1表示不同圖像邊緣檢測(cè)方法對(duì)比。

圖1 不同圖像邊緣檢測(cè)方法對(duì)比

對(duì)圖1進(jìn)行分析可知，Canny算子沒(méi)有檢測(cè)出圖像中的細(xì)節(jié)邊緣，但本文圖像邊緣檢測(cè)方法不僅能檢測(cè)出圖像的細(xì)節(jié)邊緣，而且抑制噪聲的能力更強(qiáng)，檢測(cè)出的圖像邊緣比較連續(xù)，包含的圖像細(xì)節(jié)較多，而Canny邊緣檢測(cè)雖然除去了噪聲，但丟失了圖像局部邊緣的細(xì)節(jié)信息，本文所提方法不僅能保留圖像細(xì)節(jié)邊緣，還可以丟棄無(wú)用的圖像噪聲點(diǎn)，保留有用的圖像信息，使經(jīng)過(guò)邊緣檢測(cè)的圖像連續(xù)并且清晰準(zhǔn)確。圖2表示不同圖像增強(qiáng)方法的效果對(duì)比。

圖2 不同方法的圖像增強(qiáng)效果

由圖2能看出，在對(duì)原始圖像進(jìn)行圖像增強(qiáng)時(shí)，直方圖均衡化增強(qiáng)在一定程度上可提高圖像的層次感，但直方圖均衡化并沒(méi)有對(duì)圖像的灰度進(jìn)行調(diào)整，使圖像看起來(lái)顏色較暗，直方圖均衡化在增強(qiáng)圖像的同時(shí)也增強(qiáng)了圖像的背景，過(guò)程較為復(fù)雜，不適合進(jìn)行進(jìn)一步的研究與分析，而本文所提方法，能有效的提高圖像的對(duì)比度。

仿真實(shí)驗(yàn)表明，所提方法可對(duì)圖像進(jìn)行并行化處理，解決圖像處理時(shí)處理速度較慢以及視覺(jué)效果較差的問(wèn)題，具有較大的發(fā)展?jié)摿σ约皬V泛的實(shí)用價(jià)值

4 結(jié)論

當(dāng)前采用對(duì)各種變換頻域圖像特征提取與計(jì)算機(jī)圖像集合特征提取相結(jié)合的方式，避免對(duì)提取圖像過(guò)程中圖像形狀描述不佳和提取圖像特征向量維數(shù)較低的情況。仿真實(shí)驗(yàn)表明，通過(guò)對(duì)圖像進(jìn)行特征提取可以將圖像紋理特征表述詳細(xì)，繼而更好地展示圖像效果。該方法應(yīng)用在圖像處理技術(shù)中，能夠得到較好的去噪效果，并且具有良好的擴(kuò)展性。該方法雖然操作簡(jiǎn)單，但圖像視覺(jué)效果不佳。為此，提出一種ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)研究方法。該方法通過(guò)非局部均值去噪算法對(duì)圖像進(jìn)行去噪，再利用小波變換方式進(jìn)行邊緣檢測(cè)，最后通過(guò)非線性增強(qiáng)算法對(duì)圖像進(jìn)行增強(qiáng)，完成在ARM架構(gòu)下計(jì)算機(jī)圖像并行化處理技術(shù)的研究。仿真實(shí)驗(yàn)表明，所提方法能夠提高圖像處理效率和視覺(jué)效果，具有可實(shí)踐性。

[1] 江 燕,王敬東.圖像處理在平面零件分揀控制中的應(yīng)用[J].電氣傳動(dòng),2015,45(2):76-80.

[2] 伍云霞,田一民.基于字典學(xué)習(xí)的煤巖圖像特征提取與識(shí)別方法[J].煤炭學(xué)報(bào),2016,41(12):3190-3196.

[3] 張曉琳,崔寧寧,楊 濤,等.一種分層顯著點(diǎn)的爐內(nèi)火焰圖像特征提取方法[J].小型微型計(jì)算機(jī)系統(tǒng),2015,36(7):1587-1590.

[4] 顧 明,鄭林濤,尤 政.基于顏色空間轉(zhuǎn)換的交通圖像增強(qiáng)算法[J].儀器儀表學(xué)報(bào),2015,36(8):1901-1907.

[5] 云海姣,吳志勇,王冠軍,等.結(jié)合直方圖均衡和模糊集理論的紅外圖像增強(qiáng)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2015,27(8):1498-1505.

[6] 王 亮.超分辨率圖像的小特征增強(qiáng)方法研究與仿真[J].計(jì)算機(jī)仿真,2016,33(8):373-376.

[7] 江 麗.基于Matlab空間域算法的圖像增強(qiáng)技術(shù)的研究與應(yīng)用[J].電子設(shè)計(jì)工程,2016,24(22):131-133.

[8] 嚴(yán)傳波,木拉提·哈米提,李 莉,等.基于解析Fourier-Mellin矩新疆草藥圖像綜合特征的檢索研究[J].科技通報(bào),2016,32(3):47-52.

[9] 齊興斌,趙 麗,李雪梅.基于BIRCH聚類加速的彩色圖像增強(qiáng)算法[J].計(jì)算機(jī)測(cè)量與控制,2016,24(4):137-140.

[10] 袁 玲,黃 靖,劉婭琴,等.基于圖像融合的去掌紋手掌靜脈圖像增強(qiáng)方法[J].科學(xué)技術(shù)與工程,2016,16(36):48-54.

Computer Image Parallelization Processing Technology in ARM Architecture

Zhang Xin

( College of Computer, Qinghai University for Nationalities,Xining 810007,China)

In order to have good visual effects and improve the speed of image processing in image processing and analysis, it is necessary to study the parallel processing technology of computer image under ARM architecture. The current method is used to extract and transform domain image feature with computer image collection characteristics combined to overcome the current extraction of image defects of image shape description and extraction of image feature vector dimension is relatively low. Experimental results show that the good display effect through the image to extract the features of the images, the image texture features were detailed description, the method is applied to image processing technology, has good denoising effect and expansibility, the process is simple, but has poor visual effect of image problem. Therefore, a method of parallel processing of computer image under ARM architecture is proposed. This method uses the non local mean denoising algorithm for image denoising, and then combined with the results of image denoising using wavelet transform to detect the edge of image denoising, the nonlinear enhancement algorithm to enhance the completion of the parallel ARM architecture of computer image processing technology research on image. The experimental results show that the proposed method can not only improve the image processing speed, but also improve the visual effects of the image. It has a wide range of practical value.

ARM architecture;image parallelization processing; non-local mean algorithm; wavelet transform

2017-05-19；

2017-05-30。

張 鑫(1979-)，男，甘肅蘭州人，碩士，講師，主要從事計(jì)算機(jī)圖形圖像、視覺(jué)傳達(dá)設(shè)計(jì)方向的研究。

1671-4598(2017)12-0237-03

10.16526/j.cnki.11-4762/tp.2017.12.061

TP391

A