左边小图为原图像,右边是经过SR算法放大后的图像
以色列魏茨曼科学研究所的计算机科学家最近研究出了一种新的Super-Resolution(超分辨率,下称SR)图像放大算法。这项新算法可以令照片放大3倍后依然拥有良好的细节表现和一定的锐度。
目前,实现SR算法的方式主要有两种。一种是基于插值。通过对多幅低分辨图像的亚像素精度平移采样,然再经过非均匀插值的方法得到一幅高分辨率的图像。另一种基于“学习”。通过学习数据库内两张分辨率大小不同的照片获得一个图像放大的学习模型,之后就可以通过这个学习模型计算出其他图像的高频细节信息。常用的学习算法有弗里曼等人提出的“Example-base”算法和法塔勒提出的“加强图像边缘统计提高照片高频细节”算法。
魏茨曼科学研究所此次提出的新SR算法正是将这两个方法结合起来,利用单张图像就可实现超分辨率图像放大。新的SR算法基于“观察”。先对原图像进行多次像素填充得到不同的图像,经过像素填充得到的图像大小可能相同也可能更大。然后对这些照片进行亚像素精度平移采样,以得到每个像素最好的扩大模型方案,最后根据扩大需求按照最优模型方案进行扩大,从而得到细节丰富的放大图像。
作为比对,我们列出了其他几项使用不同算法放大照片,以证明这项新图像放大算法的真正实力。
临近点插值算法(NN interpolation)
双立方插值算法(Bi-Cubic Interpolation)
弗里曼算法
金氏算法
法塔勒算法