图像超分辨率总结

一、理论

几种基于传统插值方法的图像超分总结，项目还没弄完，边搞边学。

1.最临近
会丢失高频量 导致锯齿
2.双线性
丢失瑞华细节 模糊
3.双三次
边缘导向 假设图像局部为高斯随机 因此求出局部分量的协方差系数 再带入要求的地方 算出插值点
4.自适应插值
主要是通过计算插值点旁边的已知点的统计学规律，例如计算已知点与周围像素点的方差s，之后再假设未知像素点与周围点的方差也为s，通过传统的差值方法计算结果与s作比较，判断插值计算是否成功。

5.ICCV2009
采用相同像素搜索复制和 负反馈法

二、MATLAB与C++代码

参照另一篇我的博客：代码实现

三、MATLAB总结

同列不同行的两个矩阵，我们可以通过c=[a;b]，进行拼接矩阵，分号是纵向拼接矩阵，
对于同行数不同列数的两个矩阵，可以通过c=[a,d]，进行拼接矩阵，其中逗号的意思是横向拼接矩阵
imread(’/home/yhy/图片/zebra.bmp’) 读取图片
imwrite(E, ‘butterfly_GTME.bmp’) 写图片
imshow§ 显示图片

四、C++总结

推荐C++opencv入门教程：https://blog.csdn.net/qq_42885747/article/details/109729532

const传入不变量，如果传入变量前加&表示送入地址，调用时不用增加额外操作，少用内存
图像处理中变量命名
imageTemp
imageInput
mageOutput
imageCol
imageRow

Mat y=img.colRange(0,1).clone();
连续几行的复制
需要注意的是，上面两个函数返回的子矩阵是对原矩阵的引用。即如果修改子矩阵r_range，原矩阵相应地也会被改变。如果不想改变原矩阵中的值，即想要获取一个拷贝的子矩阵，可以使用clone函数：