YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Chinese, Simplified subtitles

← 01_l

Get Embed Code
2 Languages

Showing Revision 2 created 04/30/2013 by Lian7.

  1. 在问题集2中你将要在模糊画面中实现并行算法。
  2. 这是此算法的一组示例效果。
  3. 这是原始图片,而这边呢则是我们对原始图片使用了模糊效果之后的图片。
  4. 模糊一张图片涉及到平均局部像素的工作,
  5. 同时通过使用模板并行作业使其表现得自然。
  6. 模板作业在各类应用程序域中都会应用到。
  7. 这就是为什么我们要在此次作业中关注模板的原因。
  8. 让我们再仔细得看一下我们在这讲到的阐述领域平均的简单示例。
  9. 假设我们用以下像素代表一张图片,
  10. 我们想要计算出此处像素的平均亮度值。
  11. 我们该怎么做呢?
  12. 首先我们取出此像素的值,然后将这个值与它周围的所有值相加。
  13. 所以说就是10 4 6 2 1 2 3和6,一旦我们将其相加,我们就得到它的平均值。
  14. 由于我们这有9个像素值,所以我们将结果乘以1/9,
  15. 这就是如何计算一张图片某像素平均亮度值的方法了。
  16. 如果我们为这张相片每一处像素都做此操作的话,
  17. 我们将得到输入图片的一个模糊版本。
  18. 然而结果证明,对像素执行未加权平均,有些时候效果很不好。
  19. 通过计算这些像素的加权平均值,我们能够得到一个更好的模糊效果。
  20. 我指的加权平均值是这样计算的。
  21. 与此处每个像素值乘以1/9不同,我们将为每个像素值乘以不同的加权。
  22. 这意味着w1不同于为w2,而w2则可能不同于w3。
  23. w3则很可能与w4的值不一样。
  24. 这就是我们在问题集2中将要用到的方法。
  25. 这是一张由加权模糊制作的照片,
  26. 而这张则是非加权模糊制作的照片,
  27. 大家可以看到加权模糊的物体
  28. 比非加权模糊的更为平滑。
  29. 在此问题集中,我们将给你如下的一个小的包含加权值在0到1之间的二维数组。
  30. 当然这只是一个示例。
  31. 实际我们使用的加权值看起来应该是这样的:
  32. 加权的平滑形状,你们可以在这里看到,
  33. 将生成我们之前看到的那种漂亮的模糊效果。
  34. 同时,请注意。
  35. 我们将通过单独模糊每个色彩通道来模糊色彩图像,
  36. 同时在指导意见下,我们将使用一个更为详细的数学公式来进行模糊计算。
  37. 这就是大家在问题集2中需要了解掌握的内容。
  38. 第一,你需要写出实际模糊核心。
  39. 第二,你需要写出实际分割色彩图像到R,G,B通道的核心。
  40. 第三,我们将给你一个机会为设备上的过滤器分配内存,
  41. 这就是说你有机会能够为统一计算设备架构(CUDA)内存编码。
  42. 第四,你需要为此问题集设置正确的或者说最佳的网格和程序块大小。
  43. 这是因为,正如在问题集1中提到过的,
  44. 网格与程序块大小对你程序的执行有相当大的影响。
  45. 正确地设置大小,一定要小心。
  46. 最后,你提交的结果将会被基于正确性和运行速度来评估。
  47. 但我们建议你首先要注意正确性。
  48. 在确保你的模糊核心正确运行后,我们建议你尝试使其运行得更快。
  49. 最后提一下的是,我们提供了可以参考和进行结果比较的串行代码。
  50. 祝大家在问题集2中好运。
  51. 如你有任何问题,随时在课堂论坛中提出即可。