Page 129 - 《软件学报》2020年第9期

2750 Journal of Software 软件学报 Vol.31, No.9, September 2020

拟合,得到颜色分量与功耗之间的线性关系如图 3(b)所示.
4.2 实验结果分析
图 5 所示分别为第 1 组图像的原始图像、边缘检测图、图像特征图、应用 WRA 后的图像、应用 RRA 后
的图像、应用 MRA 的图像.

Fig.5 Original image, edge image, feature image, image processed by WRA, RRA and MRA algorithm
图 5 原图、边缘图、特征图、WRA 算法处理图像、RRA 算法处理图像、MRA 算法处理图像
表 4 给出了使用 3 种算法处理后的图像功耗信息及图像结构相似度等关键信息.Power 表示图像在实验指
定屏幕上的瞬时功耗,MSSIM 表示使用算法处理后的图像整体相似结构参数的平均值(即各区域的结构相似度
的平均值)来评价原图像与输出图像在结构上的相似性,Reduce ratio 表示优化后的图像相比原图像的功耗优化
率.符号“−”表示当前属性值无变化,表中正值表示图像属性值相比原图的属性值变化情况.
Table 4 Key attribute information of different images
表 4 各图像关键属性信息表
Image Approach Original WRA RRA MRA
Power 856.12mw 671.2mw 635.24mw 745.51mw
Image1 MSSIM − 0.95 0.95 0.95
Reduce ratio − 21.6% 25.8% 24.6%
Power 893.62mw 738.13mw 717.58mw 725.62mw
Image2 MSSIM − 0.95 0.95 0.95
Reduce ratio − 17.4% 19.7% 18.8%
Power 768.46mw 641.66mw 628.6mw 634.75mw
Image3 MSSIM − 0.95 0.95 0.95
Reduce ratio − 16.5% 18.2% 17.6%

从图 5 和表 4 中观察到,应用 3 种算法输出的图像比原始图像都具有更低的功耗.当限定图像的平均结构
相似系数(MSSIM)为 0.95 时:对于图像 1,应用 WRA 算法图像功耗降低 21.6%,应用 RRA 算法图像功耗降低
25.8%,应用 MRA 算法图像功耗降低 24.6%;对于图像 2,应用 WRA 算法图像功耗降低 17.4%,应用 RRA 算法图
像功耗降低 19.7%,应用 MRA 算法图像功耗降低 18.8%;对于图像 3,应用 WRA 算法图像功耗降低 16.5%,应用
RRA 算法图像功耗降低 18.2%,应用 MRA 算法图像功耗降低 17.4%.对于 3 幅图像,本文提出的 MRA 算法平均