26、图像超分辨率与深度学习技能进阶

图像超分辨率与深度学习技能进阶

1. 超分辨率卷积神经网络（SRCNN）结果

在完成 SRCNN 的训练和 resize.py 的实现后，就可以对输入图像进行超分辨率处理了。以下是相关代码及操作步骤。

1.1 代码实现

output = output[config.PAD:h - ((h % config.INPUT_DIM) + config.PAD),
                config.PAD:w - ((w % config.INPUT_DIM) + config.PAD)]
output = np.clip(output, 0, 255).astype("uint8")

# write the output image to disk
cv2.imwrite(args["output"], output)

上述代码的作用是对输出图像进行裁剪和像素值的限制，并将处理后的图像保存到磁盘。

1.2 执行命令

打开一个 shell 并执行以下命令，对输入的低分辨率图像进行超分辨率处理：

$ python resize.py --image jemma.png --baseline baseline.png --output output.png

执行该命令后，会看到如下信息：

[INFO] loading model...
[INFO] gen