【数字图像处理3】（下） 使用Python+OpenCV+EDSR模型，实现超分辨率重建（SR）

超分辨率重建（SR） Python+OpenCV+EDSR模型

首先 1024节日快乐。

虽然我前面介绍了很多种模型，但是真的要自己实现超分辨率重建，还不是哪个模型网上资料多，实现简单就做哪个模型么…（嘴上很抗拒，身体很诚实）

相关链接：

• 数字图像处理3 上 超清晰度重建概述
• 数字图像处理3 中 EDSR模型详解

接下来，我将用EDSR模型，来实现超分辨率重建。

注意

• 在本次实验中，姑且先认为超清晰度重建和图像复原是两个概念。
• 超清晰度重建是输入一张清晰小图，输出一张清晰大图。而图像复原不改变原有分辨率。
• 虽然在深度学习角度，我认为二者没有很大的区别，但是要是要明确，我输出的是一张清晰的大图，分辨率会比原来大2~4倍（这个和具体参数相关）

1、安装OpenCV contrib模块

• OpenCV中的超分辨率功能被集成在了contrib模块中，因此我们首先需要安装OpenCV的扩展模块。
• 超分辨率被集成在dnn_superres模块中，如果小伙伴们电脑空间有限，可以只编译这一个模块。
• 我看网上的教程，大多为了安装openCV的comtrib还安装了cmake等工具（这就是用c++的缺点吧…配置困难），但其实，对于python用户来说，只需要切换到cmd，输入以下指令即可：

pip install opencv-contrib-python

• 本文不介绍c++版本contrib的安装了,试了挺久但是没有成功,编译时一直出现各种奇怪的问题，百度也百度不到。而python版就简单多了,直接PiP即可。人生苦短,我用Python！！！！！！！
  
• 我们将使用contrib模块中的dnn_superres子模块进行具体的代码调用。

2、contrib中dnn_superres包的介绍

• dnn_superres这个包，就是我们最终在代码中使用的包。
• 但是在深度学习模型中，只有接口包还不够，还需要训练对应的模型（毕竟是深度学习嘛，肯定离不开模型的这个概念