Orientador: Prof. Dr. André Guilherme Ribeiro Balan / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Ciência da Computação, 2017. / Uma cena real possui uma grande variação de contraste que, quando vista pelo olho humano, resulta em detalhes que sensores de câmeras digitais comuns não conseguem capturar. Isso ocorre devido às limitações dos dispositivos para obter e exibir diferentes valores de cor. Imagens HDR (High Dynamic Range), por sua vez, são representações que conseguem reproduzir essa amplitude de valores.
Para gerar e exibir imagens HDR, diante das limitações dos dispositivos, é necessário trabalhar
em um domínio de menor alcance, com imagens LDR (Low Dynamic Range). Os algoritmos que
mapeiam os valores entre os domínios são chamadas de operadores de tone-mapping. Apenas a aplicação de tone-mapping não gera resultados de alta qualidade, sendo necessárias técnicas de redução de ruídos e decomposição de imagem para tal. Essas técnicas implicam um alto custo computacional e demandam muito tempo quando executados na CPU. Por outro lado, o processamento na GPU oferece um paralelismo natural, por viabilizar operações a serem aplicadas a todos os pixels, simultaneamente. Uma das maneiras de programar essas operações na GPU é através do uso de shaders gráficos, alterando a forma que os pixels da imagem são reproduzidos. Com o constante crescimento da utilização de dispositivos móveis, um tema recorrente é o desempenho e a viabilidade de aplicações de alta performance em tais dispositivos, que atualmente, na maioria dos casos, possuem em sua arquitetura uma GPU programável.
Nesse trabalho, desenvolvemos shaders gráficos OpenGL para processar operações de tonemapping, bem como a decomposição multiescala de imagens utilizando filtros não lineares
importantes e modernos, a fim de preservar a maioria dos detalhes das imagens. Isso gera resultados
mais nítidos quando comparados com técnicas que aplicam os operadores de tone-mapping
diretamente nas imagens. Por outro lado, o processamento em GPU representa uma enorme
melhoria de velocidade em relação ao processamento da CPU. A aplicação que desenvolvemos é
multiplataforma para que ele possa ser executado em desktops e dispositivos móveis. Utilizamos
a aplicação para avaliar o desempenho de diferentes operadores de tone-mapping e diferentes
filtros de imagem não lineares para executar a decomposição de imagens em vários níveis. / A typical scene may have a highly nonuniform illumination that common digital camera sensors are currently not able to deal with, as well as typical screen monitors. A High Dynamic Range image (HDR) is an image model capable to store much larger illumination range than regular models, what is more similar to our human system view.
To generate and display HDR images, given the limitations of the devices (cameras and screen
monitors), it is necessary to work in a domain with smaller range, called LDR images (Low
Dynamic Range). The algorithms that map HDR images to LDR images are called tone-mapping
operators. These algorithms, when operating on very high resolution HDR images, demand very high computational effort that CPU are also not currently capable to deal with. On the other hand, GPU offers a natural parallelism by enabling operations to be applied on thousands of pixels simultaneously. One way to program these operations on the GPU is through the use of graphics shaders, directly changing a graphical pipeline that reproduce pixels of the image, such as OpenGL pipeline. Nowadays, mobile devices are also highly available devices that can have powerful GPUs. Hence, an important research subject is to access the viability of using such devices on HDR image processing and tone-mapping.
In this work, we develop OpenGL graphic shaders to process tone-mapping operation as well as image multiscale decomposition using important and modern nonlinear image filters, in order to preserve the most of the images details. This generates sharper results when compared to techniques that directly apply tone-mapping operators on the images. On the other hand, GPU processing represents a huge speed improvement over CPU processing. The application we develop is multiplatform so it can run on desktops and mobile devices. We used it to evaluate the performance of different tone-mapping operators and different nonlinear image filters to perform image multiscale decomposition.
Identifer | oai:union.ndltd.org:IBICT/oai:BDTD:106595 |
Date | January 2017 |
Creators | Munhoz, Rafael Gomes |
Contributors | Balan, André Guilherme Ribeiro, Gois, João Paulo, Bíscaro, Helton Hideraldo |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf, 138 f. : il. |
Source | reponame:Repositório Institucional da UFABC, instname:Universidade Federal do ABC, instacron:UFABC |
Rights | info:eu-repo/semantics/openAccess |
Relation | http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=106595&midiaext=74727, http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=106595&midiaext=74728, Cover: http://biblioteca.ufabc.edu.brphp/capa.php?obra=106595 |
Page generated in 0.0048 seconds