Çoklu Ekran Kartı ile Hızlandırılmış Ayrık Haar Dalgacık Dönüşümü Temelli Görüntü Şıkıştırma

Abstract

ÖZET: Dalgacık (wavelet) fonksiyonları, sinyal işleme uygulamalarında oldukça önemli olan dönüşümlerin temelini oluşturur. Ardışık piksel çiftlerine ait değerlerin ortalama ve farklarının alınmasına dayalı temel yaklaşımının getirdiği işlem kolaylığı sebebi ile ayrık Haar dalgacık dönüşümü, sahip olduğu çok sayıda izlek ile uygun paralelleştirme senaryolarında çalışma sürelerini önemli oranlarda azaltan grafik kartların kullanımının önünü açmaktadır. Bu çalışmada iki boyutlu ayrık Haar dalgacık dönüşümü, Message Passing Interface (MPI) kütüphanesi ve Compute Unified Device Architecture (CUDA) programlama mimarisi kullanılarak işlemci ve grafik kartlar kümelerine aktarılmıştır. Farklı boyutlu resimlerin iki boyutlu ayrık Haar dalgacık dönüşümü ile işlenmesi için gereken sürenin, dönüşümün tek işlemci ve tek grafik kartlı eş değerlerine kıyasla yürütme zamanını önemli oranda iyileştirdiği görülmüştür. Anahtar Kelimeler: Ayrık Haar Dalgacık Dönüşümü, Grafik Kartı Kümeleme, Paralel Hesaplama Image Compression with Multi-GPU Accelerated Discreate Haar Waveled TramsformABSTRACT: Wavelet functions play a vital role in the vast majority of the transforms used in the signal processing applications. The easy implementation of the discrete Haar wavelet transform by taking the average and difference of the sequential pixel values has increased the usability of the graphics card with multiple threads on suitable parallelized scenarios. In this paper, discrete Haar wavelet transform ported in a compute-efficient way to CPU and GPU clusters by utilizing Message Passing Interface (MPI) and Computer Unified Device Architecture (CUDA), respectively. Experimental studies conducted as part of the parallelization strategies for two-dimensional discrete Haar wavelet transform showed that the total running time required to process all rows and columns of an image with different size is significantly decreased when compared its counterparts on single CPU and single GPU.