072、超分辨率与AI超分：从单帧重建到多帧融合

072、超分辨率与AI超分：从单帧重建到多帧融合

去年在给某旗舰手机做夜景超分调试时，遇到了一个让我连续加班两周的bug。预览界面里，用户拍月亮，AI超分把月亮边缘的衍射环硬生生还原成了锯齿状——算法觉得那是高频细节，实际上那是光学系统的物理极限。产品经理拿着竞品样张来质问，我只能苦笑：人家用了多帧融合，我们还在单帧硬扛。

这个场景让我决定把超分辨率这件事从头到尾捋一遍。不是教科书式的理论堆砌，而是从实际调试中踩过的坑说起。

单帧超分：看似简单，实则处处是坑

单帧超分，说白了就是一张图变清晰。传统方法里，插值是最朴素的思路——双线性、双三次、Lanczos。但别被名字唬住，这些方法本质上都是在猜像素。

双三次插值在纹理丰富的区域表现尚可，遇到边缘就露馅了。我见过不少工程师直接拿OpenCV的resize函数用双三次做超分，结果在文字边缘出现明显的振铃效应。这里踩过坑：双三次插值的系数计算对图像局部梯度敏感，当梯度变化剧烈时，插值核的负旁瓣会产生过冲。调试时可以在边缘区域打印插值权重，你会发现负权重占比超过15%时，振铃几乎不可避免。

后来我开始用边缘导向插值（EDI）。原理不复杂：先检测边缘方向，再沿着边缘方向做插值，避免跨边缘模糊。实现时有个细节容易忽略——边缘方向检测的精度。用Sobel算子的3x3窗口做方向估计，在45度边缘上误差能到10度以上。别这样写：直接用固定大小的梯度窗口。应该根据图像内容自适应窗口大小，平坦区域用大窗口，纹理区域用小窗口。我习惯用双边滤波的思路，在梯度计算时加入空间距离权重。