这里主要是对这一部分工作的留存,备忘!
算法原理可参阅原论文,实际实现时进行了小幅改动。
不同之处是,笔者的实现支持了清晰程度的调节参数,这便于在各种场景的图像放大过程中,使用者可根据处理图像的纹理情况进行更恰当的处理。
下图是将244x200的图像放大4倍的效果:

更清晰一点的效果:

再清晰一点的效果:

作为对比,下图为Kaiser Sinc Window算法的8-tap实现:

这里主要是对这一部分工作的留存,备忘!
算法原理可参阅原论文,实际实现时进行了小幅改动。
不同之处是,笔者的实现支持了清晰程度的调节参数,这便于在各种场景的图像放大过程中,使用者可根据处理图像的纹理情况进行更恰当的处理。
下图是将244x200的图像放大4倍的效果:
更清晰一点的效果:
再清晰一点的效果:
本文标题:一种单幅图像的超分辨率放大算法实现
本文链接:https://www.haomeiwen.com/subject/mrtosttx.html
网友评论