Implementaciones paralelas para acelerar el proceso de autoenfoque en aplicaciones de microscopía
Ponente(s): Francisco Javier Hernández López
Se han propuesto varios algoritmos de autoenfoque basados en el análisis de la nitidez de la imagen para aplicaciones de microscopía. Dado que las funciones de autoenfoque se calculan a partir de varias imágenes capturadas en diferentes posiciones de la lente, estos algoritmos se consideran computacionalmente intensivos. En esta charla se presenta la implementación paralela de cuatro funciones de autoenfoque utilizando una CPU con múltiples procesadores y una GPU. Para un conjunto de datos de 300 pilas de imágenes de 1200x1600 pixeles, previamente identificadas con Tuberculosis, la implementación paralela es hasta 23 veces más rápida que la versión secuencial, alcanzando una velocidad de procesamiento de 296 imágenes por segundo. Estos resultados muestran que los procesadores de la CPU y la GPU se pueden utilizar de manera eficaz para realizar el autoenfoque en aplicaciones de microscopía en tiempo real.