基于SuperResolution模型实现图像超像素放大

原创 OpenCV学堂 2024-08-16 21:43

【免注册下载】创新MCU提升高压系统的实时性能 构建AI未来，Arm计算平台无处不在

点击上方蓝字关注我们

微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识

模型

一种基于注意力的单幅图像超分辨率方法，但通道数量减少，网络架构发生变化。它将输入图像的分辨率提高了 4 倍。

从模型上看到，它的输入要求有两个，分别是原图跟它的双立方插值图像，输出的则是超分辨率图像。

模型下载与推理

直接通过下面的命令行即可下载该模型，命令行执行如下：

omz_downloader --name single-image-super-resolution-1032

下载完成以后，通过netron可以知道它的输入与输出层信息如下：

输出层信息如下：

注意输出层得到的结果是0~1之间的浮点数，必须先乘以255，然后再转换到0~255之间UINT8类型显示。

代码实现与演示

代码实现与演示如下

import cv2 as cvimport numpy as npimport openvino as ov
# Load the model on to the devicecore = ov.Core()
# Read the model.xml and weights filemodel = core.read_model(model="D:/projects/single-image-super-resolution-1032.xml")
compiled_model = core.compile_model(model=model, device_name="CPU")# Store the input and output nodesoriginal_image_key, bicubic_image_key = compiled_model.inputsoutput_layer = compiled_model.output(0)
bgr = cv.imread("D:/facedb/tiaoma/qr_blur_02.jpg")origin_bgr = cv.resize(src=bgr, dsize=(480, 270), interpolation=cv.INTER_CUBIC)bicubic_bgr = cv.resize(src=bgr, dsize=(1920, 1080), interpolation=cv.INTER_CUBIC)input_image = np.expand_dims(origin_bgr.transpose(2, 0, 1), axis=0)input_image_bicubic = np.expand_dims(bicubic_bgr.transpose(2, 0, 1), axis=0)
result = compiled_model({original_image_key.any_name: input_image,                        bicubic_image_key.any_name: input_image_bicubic})[output_layer]result = result.squeeze(0).transpose(1, 2, 0)result *= 255result[result < 0] = 0result[result > 255] = 255result = result.astype(np.uint8)
cv.imshow("super resolution", result)cv.imwrite("D:/result.jpg", result)cv.waitKey(0)cv.destroyAllWindows()