........................
3 基于线程并行的体绘制算法研究................20
3.1 并行可见性排序算法..................20
3.2 并行四面体投影分类与拆分算法.................20
4 基于进程并行的体绘制算法设计与实现................30
4.1 并行数据分割算法实现...................30
4.2 体绘制图像合成算法实现...................30
5 松耦合的 C/S 并行体可视化系统设计与实现.................40
5.1 系统需求分析..................40
5.1.1 背景及用途...................40
5.1.2 功能需求..................405 松耦合的 C/S 并行体可视化系统设计与实现
5.1 系统需求分析
5.1.1 背景及用途
体绘制是标量场数据可视化的重要方法, 用户通过体绘制结果可以观察数据体内部结构, 并从中获取有用信息。随着各种科学计算和仿真实验精度要求越来越高, 产生的体数据规模呈指数级增长。因此, 高效获取海量体数据中有用信息, 帮助科研人员更好地了解数据规律是亟待解决的问题。 此外, 由于体数据规模过于庞大, 单个处理器计算能力有限, 不能满足大规模数据体可视化需求。因此, 基于多处理器的高效并行体可视化系统设计与实现在科学计算与仿真研究领域具有广阔的应用前景。
5.1.2 功能需求
体绘制算法通过传递函数, 将标量场数据中的物理属性映射为可见的颜色和透明度。对于一个友好的体可视化系统, 支持体绘制结果交互(旋转、平移和缩放)的同时, 还需要提供传递函数修改的接口, 用户可以动态改变传递函数映射, 并及时获得反馈结果。
5.1.3 性能需求
体绘制是非常耗时的算法, 以及系统面向大规模标量场数据体可视化, 对于性能要求非常高。本文系统高效可视化大规模标量场数据的同时, 还要求对体绘制结果可以实时交互, 因此, 需要对系统性能进行多方面优化工作, 提供良好的用户体验效果。
......................
6 总结与展望
(1) 本文总结
三维标量场数据体可视化一直是科学可视化领域的重点研究内容, 在计算流体力学、医学影像、气象气候学等领域有广泛的应用前景。随着科技发展, 各种科学计算与仿真实验产生的体数据规模越来越大, 给体绘制领域发展带来了新的挑战。本文重点研究了大规模标量场并行体可视化技术, 首先, 研究并实现了基于 OpenMP 线程并行的投影四面体算法, 用于非结构网格体绘制, 充分利用了多核处理器的计算资源; 然后, 设计并实现了基于MPI 进程并行的体绘制算法, 解决大规模标量场数据体绘制问题; 最后, 设计并实现了松耦合的 C/S 并行体可视化系统, 支持体绘制交互和传递函数修改。此外, 还使用图片压缩技术降低了C/S 通信开销, 以及传递函数延时更新方法和两层 LOD 模型提升交互体验。
(2) 展望
本文在大规模标量场数据体可视化技术上展开研究, 取得了部分成果, 但还有值得优化的地方, 主要体现在如下四个方面：
在基于线程并行的投影四面体算法设计方面。首先, 所有四面体网格处理完毕后再一次性载入显存光栅化, 当网格量较大, 顶点数据将会极大占用CPU/GPU 内存, 下阶段应研究分批将顶点数据载入显存, 减少内存占用; 然后, 线程并行投影多边形分类/拆分算法中构造了额外的顶点填充顶点数组, 虽然这些顶点不会影响最终可视化结果, 但是会增加 CPU/GPU 内存和数据传输开销, 下阶段研究中应确保正确绘制结果的前提下移除这些顶点数据; 最后, 本文根据深度信息计算四面体单元可见性顺序, 这是一种近似的排序, 未来应该研究更加高效和精确的并行可见性排序算法, 进一步提升算法效率和准确度。
在单个进程的高效非结构网格数据体绘制算法设计方面。体绘制算法涉及大量的浮点运算, 再加上非结构网格数据结构复杂。GPU 在浮点运算性能方面远高于 CPU, 具有更高的并发度, 因此, 对于体绘制算法的设计, 应该尽可能将浮点运算任务交由 GPU 进行。VTK 目前实现了基于 GPU 加速的 HAVS 算法用于非结构网格体绘制, 效率虽然比其他算法高, 但是由于硬件等因素, 绘制结果存在严重的视觉伪影。虽然 VTK 还实现了基于软件光线投射的多线程算法, 但是对于多核计算机资源利用率较低。因此, 下一步工作中可以从改善 HAVS 绘制效果和设计基于硬件加速的光线投射算法两个方面出发, 充分发挥 GPU 在浮点运算中的优势。
参考文献（略）
