Parallel Programming

Joker - Project

Images transformation

By: Mondalgo Tapia, Juan Carlos

Introducción

Generalidades:

• Project: Images transformation
• Language: C++
• Library: stb (stb_image stb_image_write)
• IDE: Visual Studio Code

1. Escala a grises

1.1. Explicación gráfica:

1.2. Explicación paralela:

Donde:

• n = Número total de núcleos de CPU disponibles.

1.3. Implementación:

unsigned char *convertToGrayscaleParallel(unsigned char *data, int width, int height, int channels)
{
    unsigned char *grayscaleData = (unsigned char *)malloc(width * height);

    int numThreads = std::thread::hardware_concurrency();
    int rowsPerThread = height / numThreads;
    std::vector<std::future<void>> futures;

    for (int i = 0; i < numThreads; ++i)
    {
        int startRow = i * rowsPerThread;
        int endRow = (i == numThreads - 1) ? height : startRow + rowsPerThread;
        futures.emplace_back(std::async(std::launch::async, convertToGrayscaleThread, data, grayscaleData, width, height, channels, startRow, endRow));
    }

    for (auto &future : futures)
    {
        future.wait();
    }

    return grayscaleData;
}

void convertToGrayscaleThread(unsigned char *data, unsigned char *grayscaleData, int width, int height, int channels, int startRow, int endRow)
{
    for (int y = startRow; y < endRow; y++)
    {
        for (int x = 0; x < width; x++)
        {
            // Calcular el valor promedio de los canales de color
            int sum = 0;
            for (int c = 0; c < channels; c++)
            {
                sum += data[(y * width + x) * channels + c];
            }
            int average = sum / channels;
            // Asignar el mismo valor a cada canal en la imagen en escala de grises
            grayscaleData[y * width + x] = average;
        }
    }
}

2. Redimensión

Interpolación bilineal

2.1. Explicación gráfica:

El proceso de interpolación bilineal implica calcular un nuevo valor para un píxel en la imagen redimensionada tomando en cuenta los cuatro píxeles más cercanos en la imagen original y ponderando sus valores de acuerdo a su distancia relativa al píxel deseado.

• : Posición del píxel en la imagen redimensionada.
• : Posición del píxel en la imagen original.
• : Posición del píxel superior izquierdo más cercano en la imagen original.
• : Factores de interpolación.
• : Pesos de interpolación de los 4 píxeles más cercanos.

3. Desenfoque Gaussiano

Gaussian Blur

3.1. Explicación gráfica:

• Obtenemos el kernel convolution con la fórmula de distribución gaussiana en el espacio bidimensional es la siguiente:

• Alinear el centro del kernel de convolución con el elemento correspondiente de la matriz a procesar. Los elementos correspondientes se multiplican y suman para obtener el resultado.

Performance

Redimensión:

small	medium	large

Gaussian Blur:

small	medium	large

Grayscale:

small	medium	large

¡¡Gracias!!