超分图像显示

超分任务说明

超分任务：从低分辨率图像中恢复出高分辨率图像。比如原来的分辨率是128128（是指 图像由128128个像素组成）超分成256*256。在原有数据的基础上通过增加像素点的个数，实现更高分辨率的显示。（所谓的更高分辨率是指用更多的像素点显示一张图像）
今天老师讲到了另一种理解空间分辨率的想法：在空间中区分两个不同的点的能力。

超分图像显示

1、存储图像格式的选择

1）png

无损压缩格式，可以按照原始的分辨率进行显示

2）jpg

有损压缩格式，会损失原始图像的分辨率

3) svg

矢量图，使用数学公式描述图像，在任意放大倍数下都不会失真。

总结

对于超分任务中，若想比较好的比较不同超分倍数的图像性能，可以选择以想要超分的目标分辨率保存原始分辨率图像和真实分辨率图像。

细节

原始低分辨率图像如何以更高分辨率形式展示？
最终的目标：

超分实现的目标如上图所示，得到相对于原始模糊的图像更清晰的图像。
超分辨率和低分辨率都是基于相同的画布大小。
这个画布大小不是像素相关的？
当前的实现方法：将原始128的分辨率图像与超分出的256图像均用256个像素展示。对于128缺少的像素点用最近邻的方法补齐。
这种方法的问题：人为降低了128的显示质量，这样只能对比最近邻插值和使用的超分方法的方法的效果。但不会实现上图所示的在同等大小的情况下，对比不同分辨率的图像的区别。
我想用的方法：指定画布尺寸，显示不同分辨率。这种问题在于，当分辨率比较高时，无法显示区别。

实现目标的方式：固定画布尺寸，不同分辨率使用不同的像素点的大小和原有的情况最为接近

可以选择现有的常用的超分方法，双三次插值、最近邻插值等。无监督超分任务需要优于之前任何一种的图像显示。
这样会涉及原始低分辨率图像上升到高分辨率图像的上采样方法。我们指定使用最近邻插值。

最近邻插值的理解
从原始的图像中每个像素点长出点来

从低分辨率图像的像素中心开始每个像素点向外扩充放大倍数倍。
从插值的角度理解：

将原来像素点的位置和像素值当做分段函数。
图像分辨率的提升表示单位尺寸内显示的像素点的个数的多少。
单位尺寸内显示的像素点个数越多越好吗？

但是在医学图像中，我们是希望体素的值尽可能小的进行比较，所以应该和k空间外部填零的效果进行比较

参考论文：Deep Learning Single-Frame and Multiframe SuperResolution for Cardiac MRI
为什么可以使用对原始图像最近邻插值，对超分图像按照指定分辨率显示的形式进行结果对比
1、最近邻插值是最不损失原始数据的行为
2、否则需要会更高分辨率图像降低尺寸用来和低分辨率图像进行对比，降分辨率的方法会损失图像精度。
所以使用上述方式可以在保证分辨率的前提下实现效果对比。