使用PaddleHub进行图片超分辨率生成，2倍率

---

前言

使用PaddleHub进行超分辨率生成。(Super Resolution)顾名思义就是对图像的分辨率进行放大。

---

一、安装PaddleHub

在百度AI Studio上输入：
!pip install paddlehub==1.8.2

二、图像超分辨率模型

目前PaddleHub中提供了如下4个图像超分辨率模型的预训练模型，目前所有模型均只支持将图像进行两倍超分辨的操作。

DCSCN(Fast and Accurate Image Super Resolution by Deep CNN with Skip Connection and Network in Network)：

FALSR(Fast, Accurate and Lightweight Super-Resolution models)

三、代码

%env CUDA_VISIBLE_DEVICES=0
import paddlehub as hub
import cv2
import os

# 加载模型
# 可根据需要更换上述模型中的任何一个
module_name = 'falsr_c'
sr_model = hub.Module(module_name)

# 设置图像路径
# 可同时预测多张图片
def Born(mypaths):
# 调用预测接口
    res = sr_model.reconstruct(
        images=None,
        paths=mypaths,
        use_gpu=True,
        visualization=True,
        output_dir='%s_output' % module_name
    )

def read_path(file_pathname):
    #遍历该目录下的所有图片文件
    for filename in os.listdir(file_pathname):
        # print(filename)
        print(file_pathname+'/'+filename)
        Born([file_pathname+'/'+filename])
read_path("/home/aistudio/JPEGImages")

预测函数reconstruct参数如下：
images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]，BGR格式
paths (list[str]): 图片的路径
use_gpu (bool): 是否使用 GPU预测，如果使用GPU预测，则在预测之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置
visualization (bool): 是否将识别结果保存为图片文件
output_dir (str): 图片的保存路径

---

总结

能够实现文件夹内所有图片超分辨率生成新图片。

output文件夹即生成的图片文件。