用Python将低质量的图像转换成高质量的映像是可能的吗？

Question

我根据一张木板的三维模型制作了一幅tif图像。(x，y，z)表示三维空间中的一个点。我只需将(x，y)映射到图像中的像素位置，将(z)映射到该像素的灰度值。正如我想象的那样起作用了。当我试图打印它时，我遇到了一个低分辨率的问题。tif图像一旦放大，就会被像素化得很糟糕。我的研究表明，我需要提高图像的分辨率。因此，我尝试了一些从网上找到的超分辨率图像，包括这个https://learnopencv.com/super-resolution-in-opencv/，最终图像的分辨率确实要大得多(在这两个维度中，10+都大了一倍)，但同样的问题依然存在--它一放大就会被像素化，几乎和原始图像一样。

看起来，图像的质量不仅与图像的分辨率有关，还与其他的东西有关。当我说图像的质量时，我的意思是图像中的木材纹理是多么清晰。当我放大它时，图像中的纹理是多么清晰。有人能解释一下这件事吗？谢谢。

原始tif

algo生成的tif太大，不能包含在这里(32米)。

千兆像素增强tif

更新-这是最近取得的一个成果：用一种GAN基溶液，它已经恢复/发明了一些木纹细节。但是模特们需要重新训练。

Answer 1

简而言之，可以通过像你提到的超级分辨率软件包那样的深度学习重建来做到这一点，但是你应该了解这样的事情是要做什么的，以及它是否适合于目的。

像“超级分辨率”这样的通用算法是对各种图像进行“猜测”，以“猜测”原始图像中不存在的细节，通常使用生成式训练方法，例如使用同一图像的低分辨率和高分辨率作为训练数据。

使用一个人为的例子，让我们假设您正在试图提高-或某人的脸的图片(CSI缩放-和增强风格！)从算法的角度来看，如果一个黑色圆圈总是出现在一个特定形状的白色斑点内(即眼睛中的瞳孔)，那么下一次当它看到相同的形状时，它会猜测应该有一个黑色的圆圈，然后填充一个黑色瞳孔。然而，这并不意味着在原来的照片中有一些细节表明是一个黑人瞳孔。

在您的示例中，您正在尝试执行非常特定类型的up-resing，而对一般数据进行培训的算法可能对这类工作不太好。它将试图“猜测”哪些细节应该输入，但基于一组非常通用和多样化的源数据。

如果这是一个长期的项目，你应该考虑在你的具体用例上训练你的算法，这肯定会产生更好的结果。否则，像平滑这样的简单算法将有助于减少图像的“块状”，但它将无法“猜测”不存在的细节。