ResumenEn esta tesis se aborda la eliminación de ruido impulsivo, gaussiano y speckle en imágenes a color y en escala de grises. Como caso particular se puede mencionar la eliminación de ruido en imágenes médicas.Algunos métodos de filtrado son costosos computacionalmente y más aún, si las imágenes son de gran tamaño. Con el fin de reducir el coste computacional de dichos métodos, en esta tesis se utiliza hardware que soporta procesamiento paralelo, como lo son los cores CPU con procesadores multicore y GPUs con procesadores manycore.En las implementaciones paralelas en CUDA, se configuran algunas características con la finalidad de optimizar el procesamiento de la aplicación en las GPUs.Esta tesis estudia por un lado, el rendimiento computacional obtenido en el proceso de eliminación de ruido impulsivo y uniforme. Por otro lado, se evalúa la calidad después de realizar el proceso de filtrado. El rendimiento computacional se ha obtenido con la paralelización de los algoritmos en CPU y/o GPU. Para obtener buena calidad en la imagen filtrada, primero se detectan los píxeles corruptos y luego se filtranúnicamente los píxeles que se han detectado como corruptos. Por lo que respecta a la eliminación de ruido gaussiano y speckle, el análisis del filtro difusivo no lineal ha demostrado ser eficaz para este caso.Los algoritmos que se utilizan para eliminar el ruido impulsivo y uniforme en las imágenes, y sus implementaciones secuenciales y paralelas se han evaluado experimentalmente en tiempo de ejecución (speedup) y eficiencia en tres equipos de cómputo de altas prestaciones. Los resultados han mostrado que las implementaciones paralelas disminuyen considerablemente los tiempos de ejecución secuenciales.Finalmente, en esta tesis se propone un método para reducir eficientemente el ruido en las imágenes sin tener información inicial del tipo de ruido contenido en ellas.
AbstractThis thesis focuses on the removal of impulse noise, Gaussian and speckle in color images and grayscale. As a particular case we can mention the elimination of noise in medical images.Some filtering methods are computationally expensive and even more so, if the images are large. In order to reduce the computational cost of such methods, in this thesis we use hardware that supports parallel processing such as CPU cores with multicore processors and GPUs with manycore processor, In CUDA parallel implementations, some features are set in order to optimize the application processing on GPUs.This thesis studies on one side the computational efficiency obtained by the process of elimination of impulsive and uniform noise. On the other side the quality is evaluated after performing the filtering process. The computational performance is obtained with the parallelization of the algorithms in CPU and/or GPU. In order to obtain good quality in the filtering image, first the corrupted pixels are detected and then only the corrupted pixels that have been detected as corrupted are filtered. From which concerns to the removing of the Gaussiano and Speckle noise...