[Παράλληλα και Διανεμημένα Συστ.] Εργασια 3

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Δείτε περισσότερα εδώ...]

Συμβουλές καλής χρήσης του φόρουμ: Youtube embed code and links, Shoutbox, Notify, ...

Δείτε περισσότερα εδώ...

[Vlassis]

Ψάχνωντας για την γειτονιά κάθε σημείου, όταν αυτό βρίσκεται σε ακριανό σημείο τι πρέπει να κάνουμε για τους γείτονες που δεν υπάρχουν;
Εστω δλδ το Pixel (0,0) και γειτονια σημείων 3x3, μόνο τα (0,1),(1,0) και (1,1) υπάρχουν στην γειτονιά αυτή, για τα υπόλοιπα σημεία μπορούμε να κάνουμε κάτι; Αν τα βάλουμε 0 είναι λάθος γιατί το 0 αντιπροσωπεύει το μαύρο..

στο αρχειο matlab παντως που δινει, στην εικονα δημιουργει ενα pad γυρω γυρω, με τη συνάρτηση padarray
ίσως καλύπτεται από εκεί

[kaspas]

Ψάχνωντας για την γειτονιά κάθε σημείου, όταν αυτό βρίσκεται σε ακριανό σημείο τι πρέπει να κάνουμε για τους γείτονες που δεν υπάρχουν;
Εστω δλδ το Pixel (0,0) και γειτονια σημείων 3x3, μόνο τα (0,1),(1,0) και (1,1) υπάρχουν στην γειτονιά αυτή, για τα υπόλοιπα σημεία μπορούμε να κάνουμε κάτι; Αν τα βάλουμε 0 είναι λάθος γιατί το 0 αντιπροσωπεύει το μαύρο..

Τα pixel που δεν υπάρχουν τα γεμίζει με τα συμμετρικά τους. Το θέμα είναι τι γίνεται στη πράξη ||f(Ni)-f(Nj)||^2 αυτό πρέπει να είναι τιμή λογικά, για να παίρνει όλη η παράσταση μια τιμή. 

[ReMi0s]

Τα pixel που δεν υπάρχουν τα γεμίζει με τα συμμετρικά τους. Το θέμα είναι τι γίνεται στη πράξη ||f(Ni)-f(Nj)||^2 αυτό πρέπει να είναι τιμή λογικά, για να παίρνει όλη η παράσταση μια τιμή.  

εγώ έχω προσπαθήσει διάφορα πάνω σε αυτό, με τίποτα δεν παίρνω τα αποτελέσματα που έχει το original.

Code:

μέσος όρος διαφοράς
....
B[icenter*rows+jcenter]+=abs(J[(icenter+i)*rows+(jcenter+j)]-J[(xcenter+i)*rows+(ycenter+j)]);
...
B[icenter*rows+jcenter]=exp(-((B[icenter*rows+jcenter])/(z))/(filtSigma));



αποσταση πινακα γειτονιας απο μια αλλη
...
B[icenter*rows+jcenter]+=(J[(icenter+i)*rows+(jcenter+j)]-J[(xcenter+i)*rows+(ycenter+j)])*(J[(icenter+i)*rows+(jcenter+j)]-J[(xcenter+i)*rows+(ycenter+j)])
...
B[icenter*rows+jcenter]=exp(-sqrt(B[icenter*rows+jcenter])/(filtSigma));

μεσος ορος καθε περιοχης μειων μεσο ορο της αλλης περιοχης
...
mi+=J[(icenter+i)*rows+(jcenter+j)];
mx+=J[(xcenter+i)*rows+(ycenter+j)];
...
mi=mi/z;
mx=mx/z;
...
B[icenter*rows+jcenter]=exp(-(abs(mi-mx)*abs(mi-mx))/(filtSigma));

αν μπορεί κάποιος που ξέρει να εξηγήσει τι σημαίνει ο τύπος ||f(Ni)-f(Nj)||^2, του εύχομαι να περάσει 10/10 στην εξεταστική

[kaspas]

εγώ έχω προσπαθήσει διάφορα πάνω σε αυτό, με τίποτα δεν παίρνω τα αποτελέσματα που έχει το original.

Code:

μέσος όρος διαφοράς
....
B[icenter*rows+jcenter]+=abs(J[(icenter+i)*rows+(jcenter+j)]-J[(xcenter+i)*rows+(ycenter+j)]);
...
B[icenter*rows+jcenter]=exp(-((B[icenter*rows+jcenter])/(z))/(filtSigma));



αποσταση πινακα γειτονιας απο μια αλλη
...
B[icenter*rows+jcenter]+=(J[(icenter+i)*rows+(jcenter+j)]-J[(xcenter+i)*rows+(ycenter+j)])*(J[(icenter+i)*rows+(jcenter+j)]-J[(xcenter+i)*rows+(ycenter+j)])
...
B[icenter*rows+jcenter]=exp(-sqrt(B[icenter*rows+jcenter])/(filtSigma));

μεσος ορος καθε περιοχης μειων μεσο ορο της αλλης περιοχης
...
mi+=J[(icenter+i)*rows+(jcenter+j)];
mx+=J[(xcenter+i)*rows+(ycenter+j)];
...
mi=mi/z;
mx=mx/z;
...
B[icenter*rows+jcenter]=exp(-(abs(mi-mx)*abs(mi-mx))/(filtSigma));

αν μπορεί κάποιος που ξέρει να εξηγήσει τι σημαίνει ο τύπος ||f(Ni)-f(Nj)||^2, του εύχομαι να περάσει 10/10 στην εξεταστική

Πολλαπλασίασε με τους παράγοντες του Gauss που έχει. Και επειδή έχεις ^2 νομίζω ίσως να μην χρειάζεται η ρίζα

[ReMi0s]

όταν λες παράγοντες Gauss ? το PatchSigma?

Πρέπει να έχεις δίκιο, αρχίζω και παίρνω καλύτερα αποτελέσματα

[kaspas]

Code:

% gaussian patch
  H = fspecial('gaussian',patchSize, patchSigma);
  H = H(:) ./ max(H(:));

Δεν βγαίνει τόσο ωραία όσο στην δικιά του υλοποίηση αλλά κάνει καλή δουλειά. Επίσης αν αλλάξεις τα σ γίνονται βελτιώσεις(ή όχι ανάλογα τι πειράζεις και πόσο)

[ReMi0s]

Code:

% gaussian patch
  H = fspecial('gaussian',patchSize, patchSigma);
  H = H(:) ./ max(H(:));

Δεν βγαίνει τόσο ωραία όσο στην δικιά του υλοποίηση αλλά κάνει καλή δουλειά. Επίσης αν αλλάξεις τα σ γίνονται βελτιώσεις(ή όχι ανάλογα τι πειράζεις και πόσο)

έχεις δίκιο βγάζει πολύ καλά αποτελέσματα έτσι. Είσαι ωραίος

[Terzos]

Ας με διορθώσει κάποιος γτ εγώ αυτό κατάλαβα, και έχω διαφορετικά αποτελέσματα από τον δωσμένο αλγόριθμο:
1. πολλαπλασιάζουμε την αντίστοιχη περιοχή του pixel i,j με Gaussian με σ²=patchSigma και ύψος 1 (στοιχείο προς στοιχείο).
2. παίρνουμε την διαφορά όλων των pixel της περιοχής με το κεντρικό pixel i,j
3. πολλαπλασιάζουμε με 1/sum(διαφορών)
4. exp(-{του παραπάνω}²/filtSigma)
5. πολλαπλασιάζουμε το αποτέλεσμα με την περιοχή της εικόνας (στοιχείο προς στοιχείο).
6. το pixel i,j της τελικής εικόνας είναι το sum του παραπάνω.

edit: 3 και 4 ανάποδα but still

[kaspas]

Ας με διορθώσει κάποιος γτ εγώ αυτό κατάλαβα, και έχω διαφορετικά αποτελέσματα από τον δωσμένο αλγόριθμο:
1. πολλαπλασιάζουμε την αντίστοιχη περιοχή του pixel i,j με Gaussian με σ²=patchSigma και ύψος 1 (στοιχείο προς στοιχείο).
2. παίρνουμε την διαφορά όλων των pixel της περιοχής με το κεντρικό pixel i,j
3. πολλαπλασιάζουμε με 1/sum(διαφορών)
4. exp(-{του παραπάνω}²/filtSigma)
5. πολλαπλασιάζουμε το αποτέλεσμα με την περιοχή της εικόνας (στοιχείο προς στοιχείο).
6. το pixel i,j της τελικής εικόνας είναι το sum του παραπάνω.

edit: 3 και 4 ανάποδα but still

Τι εννοείς εδώ ;

[Terzos]

Πολλαπλασιάζουμε με 1/Z(i) όπου Z(i) είναι ουσιαστικά το άθροισμα αυτού που προκύπτει σε αυτό που γράφω ως 4

[nikoscha]

Η νόρμα f(Ni)-f(Nj) πως ακριβώς ορίζεται ; Είναι η διαφορά του μέσου όρου της κάθε γειτονιάς ή παίρνω την διαφορά κάθε σημείου της γειτονιάς ενα προς ενα ;

[ReMi0s]

Η νόρμα f(Ni)-f(Nj) πως ακριβώς ορίζεται ; Είναι η διαφορά του μέσου όρου της κάθε γειτονιάς ή παίρνω την διαφορά κάθε σημείου της γειτονιάς ενα προς ενα ;

Εγώ το έκανα έτσι

Code:

((J[(icenter+ki)*rows+(jcenter+lj)]-J[(xcenter+kx)*rows+(ycenter+ly)])*(J[(icenter+ki)*rows+(jcenter+lj)]-J[(xcenter+kx)*rows+(ycenter+ly)]))

και έχω πολύ καλά αποτελέσματα.
J[(icenter+ki)*rows+(jcenter+lj)] =σημειο της γειτονιας του σημειου με index icenter*rows +jcenter
J[(xcenter+kx)*rows+(ycenter+ly)]=σημειο της γειτονιας του σημειου με index xcenter*rows +ycenter


το μονο θέμα είναι οτι δεν βγάζει καλύτερα αποτελέσματα για μεγαλύτερα patch ενώ στο original βγαζει,
δεν ξέρω αν είναι λάθος ο τύπος ή σωστος ..

[kaspas]

Εγώ το έκανα έτσι

Code:

((J[(icenter+ki)*rows+(jcenter+lj)]-J[(xcenter+kx)*rows+(ycenter+ly)])*(J[(icenter+ki)*rows+(jcenter+lj)]-J[(xcenter+kx)*rows+(ycenter+ly)]))

και έχω πολύ καλά αποτελέσματα.
J[(icenter+ki)*rows+(jcenter+lj)] =σημειο της γειτονιας του σημειου με index icenter*rows +jcenter
J[(xcenter+kx)*rows+(ycenter+ly)]=σημειο της γειτονιας του σημειου με index xcenter*rows +ycenter


το μονο θέμα είναι οτι δεν βγάζει καλύτερα αποτελέσματα για μεγαλύτερα patch ενώ στο original βγαζει,
δεν ξέρω αν είναι λάθος ο τύπος ή σωστος ..

Αν παίξεις με τα σ όμως φτιάχνει. Επειδή δεν ξέρω πως επιλέγει τα σ δεν δίνω βάσει τόσο πολύ . Αν τα αλλάξεις παίρνεις καλύτερες/χειρότερες τιμές. Ο αλγόριθμος, φαντάζομαι, πρέπει να ναι σωστός.
Έχει κανείς καμία ιδέα για την shared memory; Υπάρχουν πουθενά παραδείγματα;

[ReMi0s]

Αν παίξεις με τα σ όμως φτιάχνει. Επειδή δεν ξέρω πως επιλέγει τα σ δεν δίνω βάσει τόσο πολύ . Αν τα αλλάξεις παίρνεις καλύτερες/χειρότερες τιμές. Ο αλγόριθμος, φαντάζομαι, πρέπει να ναι σωστός.
Έχει κανείς καμία ιδέα για την shared memory; Υπάρχουν πουθενά παραδείγματα;

το εφτιαξα να δίνει καλύτερα αποτελέσματα για μεγαλύτερα Patch, τετραγωνίζοντας το παραπάνω αποτέλεσμα.

παραδείγματα πολλά δεν βρήκα αλλα κατάφερα να το κάνω με το σκεπτικό που ανέφερε ο Lodi, δλδ χωρίζεις την εικόνα σε κομμάτια αρκετα μικρά για να χωράνε στην shared Memory και καλείς τον kernel για οσα κομάτια δημιουργηθούν. Έχει τρομερά αποτελέσματα σε χρόνους. Ωστόσο γα μικρές εικόνες σε μένα φαίνονται κάτι γραμμές εκεί που χωρίζει το κάθε κομμάτι. Σε μεγάλες εικόνες κανένα θέμα..

στο cu file έβαλα
έξω απο την __global__
__shared__ float sharedJ[1024];
και μέσα

sharedJ[p*rows+q]=J[p*rows+q];
__syncthreads();
Και έπειτα χρησιμοποιώ αυτόν αντί του J

[kaspas]

Ναι κι εγώ αυτό σκεφτόμουν δεν ήξερα τι θα γίνει με τις γωνίες στα κομμάτια. Με το padding δεν στρώνει;