ESAOpenSR的GitHub工程复现

1、前言

苦逼本科生搞毕设，需要对光学遥感卫星做超分辨率算法，腾讯元宝给我推荐了这个模型。

论文链接：OpenSR在IEEE上的论文

GitHub源代码：GitHub - ESAOpenSR/opensr-model

值得一提的是，该模型针对的是10m分辨率的，而我其实需要的是3m分辨率的。奈何网上的模型太杂，非常难找到针对性的模型，且我没有合适的数据集用来训练，只能优先寻找包含预训练模型的开源工程，所以可选择的就有限了。

2、配置环境

根据requirements.txt文件配置环境，由于之前没有经验，所以torch环境搞了半天。

具体操作流程，参考我的这篇博客：（还在审核中）

总之，搞了半天，终于按照requirements的要求，配置了适合的torch版本了。

3、opensr_model出现问题

报错如下：该模型的ssl文件出现了问题

询问腾讯元宝后，得到可能是​OpenSSL DLL缺失，需要安装OpenSSL并修复DLL路径

但是，千万别信！千万别信！千万别信！我被坑惨了！

解决方法其实很简单，参考这篇博客即可：ImportError: DLL load failed while importing _ssl: 找不到指定的模块。-优快云博客

4、最终结果：寄！

毫无心气的寄了，没辙，搞了两天，也只能换一个model了。

以下是豆包给出的原因，我估计主要还是我的图像分辨率为3.2m，而模型里给的是10m。

不过按理说，哪怕分辨率有差距，也不至于是乱码。个人感觉恐怕大概率还是输入的时候哪里出了问题吧。

我的代码也是在豆包帮助下弄的，既然结果天差地别，就放出来仅供参考吧。至少他还能稳定运行：

import os
import torch
from PIL import Image
import numpy as np
import opensr_model
from opensr_model import SRLatentDiffusion
import matplotlib.pyplot as plt
import tifffile

# 配置参数（根据实际需求调整）
MODEL_TYPE = "10m"         # 注意：此处仍需与模型实际输入匹配
DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using device: {DEVICE}")

CHECKPOINT_PATH = r"F:\python_project\LDSR-S2\opensr_10m_v4_v4.ckpt"
INPUT_IMAGE = r"F:\python_project\LDSR-S2\opensr-model-main\my_input\image1.tif"  # 必须为四通道图像
OUTPUT_DIR = "my_output"
os.makedirs(OUTPUT_DIR, exist_ok=True)

# 加载模型（关键：确保model.bands与输入通道数一致）
model = SRLatentDiffusion(bands=MODEL_TYPE, device=DEVICE)
model.load_state_dict(torch.load(CHECKPOINT_PATH, map_location=DEVICE), strict=False)
model.eval()

# 定义四通道图像读取函数
def read_image(img_path):
    img = tifffile.imread(img_path)  # 读取四通道的 TIF 文件
    img = torch.from_numpy(img).float().permute(2, 0, 1)  # 转换为 PyTorch 张量
    return img.unsqueeze(0).to(DEVICE)

# 主流程
try:
    # 加载图像（四通道）
    input_img = read_image(INPUT_IMAGE)
    print("Input Image Shape:", input_img.shape)  # (1, 4, H, W)

    # 验证输入维度
    assert input_img.shape[1] == 4, "输入图像通道数错误！"

    # 提取 RGB 三个通道
    rgb = input_img[0, :3, :, :].cpu().numpy()
    rgb = np.clip(rgb, 0, 255).astype(np.uint8)

    # 显示 RGB 图像
    plt.figure(figsize=(10, 5))
    plt.imshow(rgb.transpose(1, 2, 0))
    plt.title("RGB Image from Input")
    plt.axis("off")
    plt.show()

    print("已显示输入图像的 RGB 通道。")

    # 如果你还想继续进行超分推理，可以保留以下代码
    # LDSR-S2超分推理
    with torch.no_grad():
        sr = model(input_img)

    sr = sr.squeeze().cpu().numpy()
    assert sr.shape[0] == 4, "超分结果通道数错误！"
    sr = np.clip(sr, 0, 255).astype(np.uint8)

    # 保存 BGRN 四通道的 TIF 文件
    tifffile.imwrite(os.path.join(OUTPUT_DIR, "superres_bgrn.tif"), sr.transpose(1, 2, 0))

    # 提取 RGB 三个通道并保存为 RGB 图像
    rgb = sr[:3, :, :]
    Image.fromarray(rgb.transpose(1, 2, 0)).convert("RGB").save(
        os.path.join(OUTPUT_DIR, "superres_rgb.png")
    )

    # 显示 RGB 超分结果
    plt.figure(figsize=(10, 5))
    plt.imshow(rgb.transpose(1, 2, 0))
    plt.title("Super-Resolution RGB Result")
    plt.axis("off")
    plt.show()

    print("超分完成！结果保存在 my_output 文件夹中。")

except FileNotFoundError as e:
    print(f"文件未找到错误: {str(e)}")
except AssertionError as e:
    print(f"维度验证失败: {str(e)}")
except Exception as e:
    print(f"未知错误: {str(e)}")