[转]Raanan Fattal - Image and Video Upscaling from Local Self-Examples 图像放大

转自：http://www.sigvc.org/bbs/thread-1032-1-1.html

论文链接： http://www.cs.huji.ac.il/~raananf/projects/lss_upscale/ 基于局部样本自相似性的图像和视频放大算法，可用于Super-resolution实现，如放大3倍、4倍等 算法概述： 不同于一般的图像放缩算法，如双线性插值、Cubic、各种窗口方法等，通常的方法在图像放大后会产生模糊和振铃效应，同时造成锯齿问题，本论文中的算法采用逐级放大，如3:2、4:3、5:4三种，分多步组合实现达到放大图像的结果，其主要依据是图像在放大因子较小时，在小块（如5x5）方面能得到与原图相似的结果，这样便可以补偿放大的低通滤波器损失的高频。 具体步骤： （1）已经原图A，先进行放大（如使用3:2/4:3/5:4中的任意一种，这里以3:2为例），得到放大后的图像B； （2）使用相同的放大因子2:3，反向操作于A，得到缩小后的图像C； （3）将C作用于步骤（1），得到与原图A相同大小的D； （4）计算高频，图像E=A-D； （5）将图像B划分成5x5的块，然后对每一块进行高频补偿，具体操作是对B中的某一块，在D中相应窗口如10x10中查找最相似的块（使用SAD），然后根据最小误差块的位置取到E中的相应块，直接加到B中对应块上，完成这一块的高频补偿，重复操作于所有5x5的块上； （6）重复步骤（1）-（5），直到组合后的放大因子大于或者等于初始放大因子，如果超过初始放大因子，可直接使用Cubic算法进行缩小，如放大4倍，使用组合为3:2、3:2、4:3、4:3。 相关问题： 按照作者的思路，我对这个算法进行了实现，其中用于视频纹理时，能得到比较清晰的结果，但当作用于含文字的情况下，其文字边缘的结果很差，近乎比较乱的结果，其原因是视频纹理由于差异较小，而且文字边缘往往与背景差异很大，在高频补偿时极可能得到很差的结果，同时对于较小的文字，由于第（2）（3）步得到的图像D，第（4）得到的A中的文字区域的值已经差异很大，从而导致高频补偿误差扩大。但是从作者的视频中文字效果很好，目前尚未找到能得到与作者质量一样的方法。 后续： 欢迎大家提出自己的见解，或者有人研究过这篇文章的话，也能不吝赐教，谢谢！ 最后附上两张对比图像，放大3倍。 这是窗口方法得到的图像，图像明显模糊： <ignore_js_op> 这是按照论文中的算法实现的图像，其中底部文字“加拉巴哥群岛”质量较差，边缘部分已经乱了。 <ignore_js_op>