尧图网站建设 
简介面向数字图像处理课程的超分辨率算法复现项目以 MATLAB 源码为核心给出了完整可运行的实现方案。包体共 68 个文件包括 26 个 .m 源码、41 张 .bmp 测试图和 1 份 README.md 项目说明。源码覆盖超分重建中的网络结构定义、训练测试流程及图像质量评估模块配合低分辨率图LR、双三次插值BI等多组对照数据可直观验证算法在不同放大倍数下的重建效果。项目注释清晰、目录结构明确沿用学术实验代码组织方式适合计算机、数学、电子信息等专业学生作为课程设计、期末大作业或毕设参考资料。包体仅 13.46MB下载解压后可直接运行调试无需额外环境配置。目前已有 261 人学习使用适合希望快速掌握超分算法原理并复现实验结果的初学者和进阶者。1. 为什么大作业都爱选超分辨率复现数字图像处理这门课到了期末最容易卡人的不是算法本身而是「复现」这两个字。拿一个低分辨率输入跑出一张高分辨率输出听起来一句话的事实际做起来要同时处理图像退化模型、插值基线、深度学习训练管线、客观指标评估四件事哪一环断了都出不来结果。这份超分辨率算法复现源码项目说明.zip就是一个典型的完整作业结构code_20105是工程源码目录pict里放着全部测试图像LR、BI、super三个子目录分别对应低分辨率输入、双三次插值基线和最终的算法输出1~4是分组实验素材5是汇总目录README.md里写清楚了运行步骤。适合正在做课程设计、期末大作业的电子信息类和计算机类学生也适合想快速跑通一套超分基线对比的入门研究者。2. 退化模型与双三次插值基线先搞明白 BI 是在给谁做参照2.1 图像退化模型是超分问题的前提超分辨率任务本质上是一个逆问题。正向过程可以写成# 退化模型: Y D(H(X)) N # X: 原始高分辨率图像 Y: 观测到的低分辨率图像 # D: 下采样算子 H: 模糊核(如高斯核) N: 加性噪声 import numpy as np from scipy.ndimage import gaussian_filter def degrade(hr_image, scale4, sigma1.5): # 先做高斯模糊模拟光学成像过程 blurred gaussian_filter(hr_image, sigmasigma) # 再隔行隔列下采样 h, w blurred.shape[:2] lr_image blurred[::scale, ::scale] return lr_image这段代码定义了一个最简单的退化模型先模糊再下采样。做超分复现时第一件事就是要明确你的训练数据是怎么从 HR 变成 LR 的因为模型的输入输出映射关系完全由这一步决定。常见的退化方式有双三次下采样、高斯模糊后下采样、加噪后下采样三种这份资源里的LR目录应该是用统一的退化流程生成的训练时才不会出现输入分布不一致的问题。注意sigma1.5这个参数不是随便设的。退化模型里模糊核的宽度决定了超分任务的难度上限模糊越重丢失的高频细节越多模型能恢复的信息就越有限。如果你在跑其他数据集时发现 PSNR 怎么都上不去先检查退化参数是不是跟预训练模型不一致。2.2 双三次插值 BI不可跳过的对照实验在pict目录下同时存在BI目录这里面放的是对 LR 图像做双三次插值放大到目标尺寸的结果。很多初学者不理解为什么已经有了深度学习超分算法还要单独跑一份传统插值结果。原因很简单BI 是超分任务的最基础参照线如果模型输出的 PSNR 连双三次插值都比不过说明训练没收敛或者网络结构有问题。import cv2 def bicubic_upscale(lr_image, scale4): h, w lr_image.shape[:2] return cv2.resize(lr_image, (w * scale, h * scale), interpolationcv2.INTER_CUBIC)双三次插值利用待求像素周围 4x4 邻域的 16 个像素做三次多项式拟合相比最近邻和双线性它能在保持边缘相对锐利的同时避免明显的块效应。但它本质上只是一个平滑滤波过程无法凭空生成高频细节所以放大倍数越大结果越模糊。在你的实验报告里BI目录下的图像就是用来和super目录做对比的——同一张图同一个放大倍数插值结果和网络重建结果放在一起人眼可感知的清晰度差异就是算法有效性的最直观证据。2.3 插值顺序与颜色空间的坑跑基线时最容易忽略的一个细节是插值的执行顺序。RGB 图像直接放大和先转 YCbCr 再只对亮度通道放大结果会有细微差异。传统实现里一般先把图像转到 YCbCr 色彩空间对 Y 通道做插值Cb、Cr 通道直接上采样或者也用双三次最后再转回 RGB。这样做的好处是避免在色度通道上引入不必要的伪彩色。你可以在 README 里确认一下这个资源的处理方式我通常建议作业里两种都跑一遍然后在报告里说明你选择了哪一种以及原因。3. 源码结构解析code_20105 的工程组织与核心模块3.1 目录结构逐层拆解解压超分辨率算法复现源码项目说明.zip之后拿到手的是一套完整可运行的工程而不是零散的几个.py文件。code_20105下的src目录是全部源码所在按功能拆成了数据加载、模型定义、训练脚本、评估脚本四个模块pict目录下按LR、BI、super三个子目录组织图像数据1~4和5的编号对应分组实验材料前者是分阶段测试集后者是完整汇总。# 工程目录结构以实际解压为准 project/ ├── code_20105/ │ ├── src/ │ │ ├── dataset.py # 数据加载与预处理 │ │ ├── model.py # 超分网络定义 │ │ ├── train.py # 训练入口 │ │ ├── test.py # 测试与指标计算 │ │ └── utils.py # 图像读写、PSNR/SSIM工具 │ ├── README.md # 运行说明 ├── pict/ │ ├── LR/ # 低分辨率输入 │ ├── BI/ # 双三次插值基线 │ └── super/ # 算法超分输出 ├── 1~4/ # 分组实验材料 └── 5/ # 汇总结果我一般拿到一份作业源码第一件事不是跑而是先看README.md和test.py。前者告诉你作者设计的运行路径后者是理解整个工程入口最快的文件。3.2 数据加载模块的细节裁剪、归一化与数据增强# dataset.py 核心逻辑示意 import os import cv2 import numpy as np from torch.utils.data import Dataset class SRDataset(Dataset): def __init__(self, lr_dir, hr_dir, patch_size48, scale4, trainTrue): self.lr_paths sorted(os.listdir(lr_dir)) self.hr_dir hr_dir self.patch_size patch_size self.scale scale self.train train def __getitem__(self, idx): lr cv2.imread(os.path.join(self.lr_dir, self.lr_paths[idx])) hr cv2.imread(os.path.join(self.hr_dir, self.hr_paths[idx])) # 训练时随机裁剪 patch 并做翻转/旋转增强 if self.train: h, w lr.shape[:2] x np.random.randint(0, w - self.patch_size 1) y np.random.randint(0, h - self.patch_size 1) lr_patch lr[y:yself.patch_size, x:xself.patch_size] hr_patch hr[y*self.scale:(yself.patch_size)*self.scale, x*self.scale:(xself.patch_size)*self.scale] # 归一化到 [0,1] 并转为 CHW lr_patch lr_patch.astype(np.float32) / 255.0 hr_patch hr_patch.astype(np.float32) / 255.0 return lr_patch.transpose(2, 0, 1), hr_patch.transpose(2, 0, 1)patch_size48是训练时的输入尺寸scale4对应放大倍数。这两组参数的匹配关系直接影响显存占用和感受野覆盖。训练时不是把整张图直接送进网络而是随机裁剪成 patch——这样可以变相扩大训练样本数量同时控制 batch 内张量维度一致。测试阶段则是整图输入或者滑窗切片输入再拼接。代码里归一化是直接除以 255这是最通用的做法。有些实现会用 ImageNet 的 mean/std 做标准化但在超分任务里没必要因为超分网络输入的分布就是普通图像不需要跨数据集迁移。如果你发现训练 Loss 曲线震荡剧烈一个常见原因是忘记对输入做归一化而输出层又加了 Sigmoid导致目标值域不匹配。3.3 模型模块网络结构复现的核对要点model.py里定义的网络结构是这个资源的核心资产常见的期末大作业选型包括 SRCNN、FSRCNN、ESPCN 或简单的残差网络。不管实现的是哪一种拿到源码后需要核对三点输入通道数是否为 3RGB或 1灰度 Y 通道、上采样方式是通过转置卷积还是亚像素卷积PixelShuffle、最后一层是否用了合适的激活函数。# 以 SRCNN 风格的结构示意为例 import torch.nn as nn class SRCNN(nn.Module): def __init__(self, num_channels3): super(SRCNN, self).__init__() self.conv1 nn.Conv2d(num_channels, 64, kernel_size9, padding9//2) self.conv2 nn.Conv2d(64, 32, kernel_size1, padding0) self.conv3 nn.Conv2d(32, num_channels, kernel_size5, padding5//2) def forward(self, x): x torch.relu(self.conv1(x)) x torch.relu(self.conv2(x)) return self.conv3(x)注意 SRCNN 这类网络是先对 LR 做双三次插值放大到目标尺寸再输入网络做细节重建所以网络本身不包含上采样层。而 FSRCNN 和 ESPCN 是直接输入 LR在网络末端通过反卷积或者亚像素卷积完成放大。这两种范式在训练时的 Loss 曲线表现差异很大——前者收敛更快但计算量大后者需要更多 epoch 但端到端效率更高。你可以在model.py里找到注释确认资源用的是哪条路线。3.4 训练管线的关键配置# train.py 训练超参数示例 learning_rate 1e-4 batch_size 16 epochs 100 loss_fn nn.L1Loss() # 超分任务常用 L1 而非 L2 optimizer torch.optim.Adam(model.parameters(), lrlearning_rate) for epoch in range(epochs): for lr_patch, hr_patch in dataloader: pred model(lr_patch) loss loss_fn(pred, hr_patch) optimizer.zero_grad() loss.backward() optimizer.step()这里L1Loss的选择值得在报告里重点讨论。L1 损失MAE对离群像素的惩罚比 L2MSE更温和训练出的结果在 PSNR 上可能略低但主观视觉质量通常更好边缘更锐利不会出现 L2 常见的过度平滑。Adam 优化器的初始学习率1e-4是一个折中值——太高会导致 Loss 发散太低则收敛过慢。建议配合 StepLR 或 CosineAnnealing 做学习率衰减。4. 复现验证与参数调优从能跑到跑出漂亮指标4.1 用 PSNR 和 SSIM 判断模型是否真的有效跑完训练或者直接加载预训练权重测试之后不能只看生成图像顺不顺眼要用客观指标量化。test.py里实现的 PSNR 和 SSIM 是超分论文里最通用的两个指标。# utils.py 中 PSNR 计算实现示意 import math import numpy as np from skimage.metrics import structural_similarity as ssim_func def psnr(img1, img2, data_range255.0): # 输入图像范围 [0, 255] mse np.mean((img1.astype(np.float64) - img2.astype(np.float64)) ** 2) if mse 0: return float(inf) return 20 * math.log10(data_range / math.sqrt(mse))注意 PSNR 的计算有几个容易翻车的细节第一必须确保两张图像的类型一致一个uint8一个float32直接相减会得到错误结果第二data_range要根据输入图像的取值范围设定如果是归一化到 [0,1] 的图像这里应该传1.0而不是255.0第三PSNR 要在 RGB 三个通道都算完再取平均有些实现只算 Y 通道两者数值有差异。# SSIM 计算示例 def calculate_ssim(img1, img2): # 多通道 SSIM: 对每个通道分别计算再取平均 ssim_total 0 for i in range(3): ssim_total ssim_func(img1[:, :, i], img2[:, :, i], data_range255) return ssim_total / 3SSIM 的窗口大小默认是 7x7高斯权重由sigma1.5决定。如果你比较的是两张内容差异很大的图SSIM 可能给出负值这正常不要怀疑代码写错了。提示如果pict/super目录下的输出图在 Y 通道上算出的 PSNR 比BI目录高出 0.5dB 以上基本可以认为复现成功。低于这个值就要检查是否有训练/测试预处理不一致的问题。4.2 复现时最容易遇到的四个坑坑一训练和测试的归一化方式不一致。训练时图像除以 255测试时忘了除模型看到的输入分布完全变了。这是所有深度学习项目里最隐蔽也最常见的 bug排查方法是在test.py里打印输入张量的 min/max 值确认在 [0,1] 区间。坑二边界像素的裁剪对齐问题。SRCNN 这类结构由于卷积 padding 的存在输出尺寸会和输入一致但 FSRCNN 这类带反卷积的结构可能因为 padding 和 stride 的配合问题导致输出尺寸比目标多几个像素。这时候常见做法是中心裁剪对齐但要注意裁剪位置必须和 Ground Truth 严格对应否则指标会异常低。坑三测试时忘记关梯度。model.eval()只切换 BN 和 Dropout 的行为不会自动关闭梯度计算。如果不包with torch.no_grad():测试时依然会构建计算图显存被无意义占用批次一大就可能 OOM。坑四不同图像通道顺序混淆。OpenCV 读进来是 BGRPyTorch 训练时用的是 RGB如果不做cv2.cvtColor(img, cv2.COLOR_BGR2RGB)转换模型的颜色通道语义就是错位的。这个错误很难发现因为训练集测试集都错得一致Loss 看起来正常但输出图颜色会偏。4.3 超参数调试的优先级建议参数调优不要眉毛胡子一把抓。我一般按这个顺序排查先确认 Loss 是否下降再看验证集 PSNR 是否同步上升然后检查 batch size 和 patch size 是否跟显存匹配。学习率是第一个需要调的参数如果 Loss 前几个 epoch 不降反升立即把学习率除以 10。数据增强的量级也不能忽视翻转和旋转对超分这类像素级任务的效果提升很明显。最后才是网络结构层面的调整比如卷积核数量、层数。5. 写在最后的实操技巧批量生成对比图与输出验证做超分大作业最烦的一步不是训练模型而是把成果整理成一张能放进报告里的对比图。你需要把低分辨率图放大、双三次插值结果、超分网络输出、原始高分辨率图四张图拼在一起并且裁剪同一块局部区域放大展示细节差异。手工用 PS 做既慢又容易对齐出问题写个脚本批量生成是更省力的做法。# 批量生成对比图脚本示例 import cv2 import numpy as np import os lr_dir pict/LR bi_dir pict/BI sr_dir pict/super hr_dir pict/HR output_dir comparison os.makedirs(output_dir, exist_okTrue) for name in sorted(os.listdir(lr_dir)): lr cv2.imread(os.path.join(lr_dir, name)) bi cv2.imread(os.path.join(bi_dir, name)) sr cv2.imread(os.path.join(sr_dir, name)) hr cv2.imread(os.path.join(hr_dir, name)) h, w sr.shape[:2] # 将 LR 和 BI 都放大到统一尺寸以便拼接 lr_up cv2.resize(lr, (w, h), interpolationcv2.INTER_NEAREST) bi_up cv2.resize(bi, (w, h), interpolationcv2.INTER_NEAREST) # 四图横向拼接用竖线分隔 sep np.ones((h, 4, 3), dtypenp.uint8) * 128 row1 np.hstack([lr_up, sep, bi_up]) row2 np.hstack([sr, sep, hr]) combined np.vstack([row1, np.ones((4, row1.shape[1], 3), dtypenp.uint8) * 128, row2]) out_path os.path.join(output_dir, name) cv2.imwrite(out_path, combined) print(fSaved: {out_path})这个脚本的核心思路是把四张图二次拼接成 2x2 网格。LR 和 BI 需要用最近邻插值放大到和 SR/HR 相同尺寸不能用双三次——目标只是等尺寸展示不要引入额外的平滑。分隔线用 128 灰度值的 4 像素宽条刚好和pict/LR里那些图像的宽高比匹配。关于裁剪局部区域对比这里有个小技巧不要固定取中心裁剪而是选图中细节最密集的区域比如建筑边缘、纹理区域或者带有文字的地方。超分算法对高频信息丰富区域的恢复能力差异最大这样的对比图最有说服力。你可以在脚本里先输出整图 PSNR再对局部区域单独算一次把两个数字写进报告里。最后提醒一点做实验记录时给每组实验建一个独立目录命名规范建议包含放大倍数和损失函数类型比如x4_L1_epoch100。这份资源的1~4和5分组方式就是类似思路当你需要回溯哪组参数产生哪组结果时规范的目录命名能省掉重新跑一遍的时间。这样一个完整的超分复现实验记录下来从退化模型到基线对比再到训练测试已经是一个逻辑链完整的课程设计说明了。本文还有配套的精品资源点击获取 超分辨率算法复现实战：从退化模型到PSNR指标全解析
简介面向数字图像处理课程的超分辨率算法复现项目以 MATLAB 源码为核心给出了完整可运行的实现方案。包体共 68 个文件包括 26 个 .m 源码、41 张 .bmp 测试图和 1 份 README.md 项目说明。源码覆盖超分重建中的网络结构定义、训练测试流程及图像质量评估模块配合低分辨率图LR、双三次插值BI等多组对照数据可直观验证算法在不同放大倍数下的重建效果。项目注释清晰、目录结构明确沿用学术实验代码组织方式适合计算机、数学、电子信息等专业学生作为课程设计、期末大作业或毕设参考资料。包体仅 13.46MB下载解压后可直接运行调试无需额外环境配置。目前已有 261 人学习使用适合希望快速掌握超分算法原理并复现实验结果的初学者和进阶者。1. 为什么大作业都爱选超分辨率复现数字图像处理这门课到了期末最容易卡人的不是算法本身而是「复现」这两个字。拿一个低分辨率输入跑出一张高分辨率输出听起来一句话的事实际做起来要同时处理图像退化模型、插值基线、深度学习训练管线、客观指标评估四件事哪一环断了都出不来结果。这份超分辨率算法复现源码项目说明.zip就是一个典型的完整作业结构code_20105是工程源码目录pict里放着全部测试图像LR、BI、super三个子目录分别对应低分辨率输入、双三次插值基线和最终的算法输出1~4是分组实验素材5是汇总目录README.md里写清楚了运行步骤。适合正在做课程设计、期末大作业的电子信息类和计算机类学生也适合想快速跑通一套超分基线对比的入门研究者。2. 退化模型与双三次插值基线先搞明白 BI 是在给谁做参照2.1 图像退化模型是超分问题的前提超分辨率任务本质上是一个逆问题。正向过程可以写成# 退化模型: Y D(H(X)) N # X: 原始高分辨率图像 Y: 观测到的低分辨率图像 # D: 下采样算子 H: 模糊核(如高斯核) N: 加性噪声 import numpy as np from scipy.ndimage import gaussian_filter def degrade(hr_image, scale4, sigma1.5): # 先做高斯模糊模拟光学成像过程 blurred gaussian_filter(hr_image, sigmasigma) # 再隔行隔列下采样 h, w blurred.shape[:2] lr_image blurred[::scale, ::scale] return lr_image这段代码定义了一个最简单的退化模型先模糊再下采样。做超分复现时第一件事就是要明确你的训练数据是怎么从 HR 变成 LR 的因为模型的输入输出映射关系完全由这一步决定。常见的退化方式有双三次下采样、高斯模糊后下采样、加噪后下采样三种这份资源里的LR目录应该是用统一的退化流程生成的训练时才不会出现输入分布不一致的问题。注意sigma1.5这个参数不是随便设的。退化模型里模糊核的宽度决定了超分任务的难度上限模糊越重丢失的高频细节越多模型能恢复的信息就越有限。如果你在跑其他数据集时发现 PSNR 怎么都上不去先检查退化参数是不是跟预训练模型不一致。2.2 双三次插值 BI不可跳过的对照实验在pict目录下同时存在BI目录这里面放的是对 LR 图像做双三次插值放大到目标尺寸的结果。很多初学者不理解为什么已经有了深度学习超分算法还要单独跑一份传统插值结果。原因很简单BI 是超分任务的最基础参照线如果模型输出的 PSNR 连双三次插值都比不过说明训练没收敛或者网络结构有问题。import cv2 def bicubic_upscale(lr_image, scale4): h, w lr_image.shape[:2] return cv2.resize(lr_image, (w * scale, h * scale), interpolationcv2.INTER_CUBIC)双三次插值利用待求像素周围 4x4 邻域的 16 个像素做三次多项式拟合相比最近邻和双线性它能在保持边缘相对锐利的同时避免明显的块效应。但它本质上只是一个平滑滤波过程无法凭空生成高频细节所以放大倍数越大结果越模糊。在你的实验报告里BI目录下的图像就是用来和super目录做对比的——同一张图同一个放大倍数插值结果和网络重建结果放在一起人眼可感知的清晰度差异就是算法有效性的最直观证据。2.3 插值顺序与颜色空间的坑跑基线时最容易忽略的一个细节是插值的执行顺序。RGB 图像直接放大和先转 YCbCr 再只对亮度通道放大结果会有细微差异。传统实现里一般先把图像转到 YCbCr 色彩空间对 Y 通道做插值Cb、Cr 通道直接上采样或者也用双三次最后再转回 RGB。这样做的好处是避免在色度通道上引入不必要的伪彩色。你可以在 README 里确认一下这个资源的处理方式我通常建议作业里两种都跑一遍然后在报告里说明你选择了哪一种以及原因。3. 源码结构解析code_20105 的工程组织与核心模块3.1 目录结构逐层拆解解压超分辨率算法复现源码项目说明.zip之后拿到手的是一套完整可运行的工程而不是零散的几个.py文件。code_20105下的src目录是全部源码所在按功能拆成了数据加载、模型定义、训练脚本、评估脚本四个模块pict目录下按LR、BI、super三个子目录组织图像数据1~4和5的编号对应分组实验材料前者是分阶段测试集后者是完整汇总。# 工程目录结构以实际解压为准 project/ ├── code_20105/ │ ├── src/ │ │ ├── dataset.py # 数据加载与预处理 │ │ ├── model.py # 超分网络定义 │ │ ├── train.py # 训练入口 │ │ ├── test.py # 测试与指标计算 │ │ └── utils.py # 图像读写、PSNR/SSIM工具 │ ├── README.md # 运行说明 ├── pict/ │ ├── LR/ # 低分辨率输入 │ ├── BI/ # 双三次插值基线 │ └── super/ # 算法超分输出 ├── 1~4/ # 分组实验材料 └── 5/ # 汇总结果我一般拿到一份作业源码第一件事不是跑而是先看README.md和test.py。前者告诉你作者设计的运行路径后者是理解整个工程入口最快的文件。3.2 数据加载模块的细节裁剪、归一化与数据增强# dataset.py 核心逻辑示意 import os import cv2 import numpy as np from torch.utils.data import Dataset class SRDataset(Dataset): def __init__(self, lr_dir, hr_dir, patch_size48, scale4, trainTrue): self.lr_paths sorted(os.listdir(lr_dir)) self.hr_dir hr_dir self.patch_size patch_size self.scale scale self.train train def __getitem__(self, idx): lr cv2.imread(os.path.join(self.lr_dir, self.lr_paths[idx])) hr cv2.imread(os.path.join(self.hr_dir, self.hr_paths[idx])) # 训练时随机裁剪 patch 并做翻转/旋转增强 if self.train: h, w lr.shape[:2] x np.random.randint(0, w - self.patch_size 1) y np.random.randint(0, h - self.patch_size 1) lr_patch lr[y:yself.patch_size, x:xself.patch_size] hr_patch hr[y*self.scale:(yself.patch_size)*self.scale, x*self.scale:(xself.patch_size)*self.scale] # 归一化到 [0,1] 并转为 CHW lr_patch lr_patch.astype(np.float32) / 255.0 hr_patch hr_patch.astype(np.float32) / 255.0 return lr_patch.transpose(2, 0, 1), hr_patch.transpose(2, 0, 1)patch_size48是训练时的输入尺寸scale4对应放大倍数。这两组参数的匹配关系直接影响显存占用和感受野覆盖。训练时不是把整张图直接送进网络而是随机裁剪成 patch——这样可以变相扩大训练样本数量同时控制 batch 内张量维度一致。测试阶段则是整图输入或者滑窗切片输入再拼接。代码里归一化是直接除以 255这是最通用的做法。有些实现会用 ImageNet 的 mean/std 做标准化但在超分任务里没必要因为超分网络输入的分布就是普通图像不需要跨数据集迁移。如果你发现训练 Loss 曲线震荡剧烈一个常见原因是忘记对输入做归一化而输出层又加了 Sigmoid导致目标值域不匹配。3.3 模型模块网络结构复现的核对要点model.py里定义的网络结构是这个资源的核心资产常见的期末大作业选型包括 SRCNN、FSRCNN、ESPCN 或简单的残差网络。不管实现的是哪一种拿到源码后需要核对三点输入通道数是否为 3RGB或 1灰度 Y 通道、上采样方式是通过转置卷积还是亚像素卷积PixelShuffle、最后一层是否用了合适的激活函数。# 以 SRCNN 风格的结构示意为例 import torch.nn as nn class SRCNN(nn.Module): def __init__(self, num_channels3): super(SRCNN, self).__init__() self.conv1 nn.Conv2d(num_channels, 64, kernel_size9, padding9//2) self.conv2 nn.Conv2d(64, 32, kernel_size1, padding0) self.conv3 nn.Conv2d(32, num_channels, kernel_size5, padding5//2) def forward(self, x): x torch.relu(self.conv1(x)) x torch.relu(self.conv2(x)) return self.conv3(x)注意 SRCNN 这类网络是先对 LR 做双三次插值放大到目标尺寸再输入网络做细节重建所以网络本身不包含上采样层。而 FSRCNN 和 ESPCN 是直接输入 LR在网络末端通过反卷积或者亚像素卷积完成放大。这两种范式在训练时的 Loss 曲线表现差异很大——前者收敛更快但计算量大后者需要更多 epoch 但端到端效率更高。你可以在model.py里找到注释确认资源用的是哪条路线。3.4 训练管线的关键配置# train.py 训练超参数示例 learning_rate 1e-4 batch_size 16 epochs 100 loss_fn nn.L1Loss() # 超分任务常用 L1 而非 L2 optimizer torch.optim.Adam(model.parameters(), lrlearning_rate) for epoch in range(epochs): for lr_patch, hr_patch in dataloader: pred model(lr_patch) loss loss_fn(pred, hr_patch) optimizer.zero_grad() loss.backward() optimizer.step()这里L1Loss的选择值得在报告里重点讨论。L1 损失MAE对离群像素的惩罚比 L2MSE更温和训练出的结果在 PSNR 上可能略低但主观视觉质量通常更好边缘更锐利不会出现 L2 常见的过度平滑。Adam 优化器的初始学习率1e-4是一个折中值——太高会导致 Loss 发散太低则收敛过慢。建议配合 StepLR 或 CosineAnnealing 做学习率衰减。4. 复现验证与参数调优从能跑到跑出漂亮指标4.1 用 PSNR 和 SSIM 判断模型是否真的有效跑完训练或者直接加载预训练权重测试之后不能只看生成图像顺不顺眼要用客观指标量化。test.py里实现的 PSNR 和 SSIM 是超分论文里最通用的两个指标。# utils.py 中 PSNR 计算实现示意 import math import numpy as np from skimage.metrics import structural_similarity as ssim_func def psnr(img1, img2, data_range255.0): # 输入图像范围 [0, 255] mse np.mean((img1.astype(np.float64) - img2.astype(np.float64)) ** 2) if mse 0: return float(inf) return 20 * math.log10(data_range / math.sqrt(mse))注意 PSNR 的计算有几个容易翻车的细节第一必须确保两张图像的类型一致一个uint8一个float32直接相减会得到错误结果第二data_range要根据输入图像的取值范围设定如果是归一化到 [0,1] 的图像这里应该传1.0而不是255.0第三PSNR 要在 RGB 三个通道都算完再取平均有些实现只算 Y 通道两者数值有差异。# SSIM 计算示例 def calculate_ssim(img1, img2): # 多通道 SSIM: 对每个通道分别计算再取平均 ssim_total 0 for i in range(3): ssim_total ssim_func(img1[:, :, i], img2[:, :, i], data_range255) return ssim_total / 3SSIM 的窗口大小默认是 7x7高斯权重由sigma1.5决定。如果你比较的是两张内容差异很大的图SSIM 可能给出负值这正常不要怀疑代码写错了。提示如果pict/super目录下的输出图在 Y 通道上算出的 PSNR 比BI目录高出 0.5dB 以上基本可以认为复现成功。低于这个值就要检查是否有训练/测试预处理不一致的问题。4.2 复现时最容易遇到的四个坑坑一训练和测试的归一化方式不一致。训练时图像除以 255测试时忘了除模型看到的输入分布完全变了。这是所有深度学习项目里最隐蔽也最常见的 bug排查方法是在test.py里打印输入张量的 min/max 值确认在 [0,1] 区间。坑二边界像素的裁剪对齐问题。SRCNN 这类结构由于卷积 padding 的存在输出尺寸会和输入一致但 FSRCNN 这类带反卷积的结构可能因为 padding 和 stride 的配合问题导致输出尺寸比目标多几个像素。这时候常见做法是中心裁剪对齐但要注意裁剪位置必须和 Ground Truth 严格对应否则指标会异常低。坑三测试时忘记关梯度。model.eval()只切换 BN 和 Dropout 的行为不会自动关闭梯度计算。如果不包with torch.no_grad():测试时依然会构建计算图显存被无意义占用批次一大就可能 OOM。坑四不同图像通道顺序混淆。OpenCV 读进来是 BGRPyTorch 训练时用的是 RGB如果不做cv2.cvtColor(img, cv2.COLOR_BGR2RGB)转换模型的颜色通道语义就是错位的。这个错误很难发现因为训练集测试集都错得一致Loss 看起来正常但输出图颜色会偏。4.3 超参数调试的优先级建议参数调优不要眉毛胡子一把抓。我一般按这个顺序排查先确认 Loss 是否下降再看验证集 PSNR 是否同步上升然后检查 batch size 和 patch size 是否跟显存匹配。学习率是第一个需要调的参数如果 Loss 前几个 epoch 不降反升立即把学习率除以 10。数据增强的量级也不能忽视翻转和旋转对超分这类像素级任务的效果提升很明显。最后才是网络结构层面的调整比如卷积核数量、层数。5. 写在最后的实操技巧批量生成对比图与输出验证做超分大作业最烦的一步不是训练模型而是把成果整理成一张能放进报告里的对比图。你需要把低分辨率图放大、双三次插值结果、超分网络输出、原始高分辨率图四张图拼在一起并且裁剪同一块局部区域放大展示细节差异。手工用 PS 做既慢又容易对齐出问题写个脚本批量生成是更省力的做法。# 批量生成对比图脚本示例 import cv2 import numpy as np import os lr_dir pict/LR bi_dir pict/BI sr_dir pict/super hr_dir pict/HR output_dir comparison os.makedirs(output_dir, exist_okTrue) for name in sorted(os.listdir(lr_dir)): lr cv2.imread(os.path.join(lr_dir, name)) bi cv2.imread(os.path.join(bi_dir, name)) sr cv2.imread(os.path.join(sr_dir, name)) hr cv2.imread(os.path.join(hr_dir, name)) h, w sr.shape[:2] # 将 LR 和 BI 都放大到统一尺寸以便拼接 lr_up cv2.resize(lr, (w, h), interpolationcv2.INTER_NEAREST) bi_up cv2.resize(bi, (w, h), interpolationcv2.INTER_NEAREST) # 四图横向拼接用竖线分隔 sep np.ones((h, 4, 3), dtypenp.uint8) * 128 row1 np.hstack([lr_up, sep, bi_up]) row2 np.hstack([sr, sep, hr]) combined np.vstack([row1, np.ones((4, row1.shape[1], 3), dtypenp.uint8) * 128, row2]) out_path os.path.join(output_dir, name) cv2.imwrite(out_path, combined) print(fSaved: {out_path})这个脚本的核心思路是把四张图二次拼接成 2x2 网格。LR 和 BI 需要用最近邻插值放大到和 SR/HR 相同尺寸不能用双三次——目标只是等尺寸展示不要引入额外的平滑。分隔线用 128 灰度值的 4 像素宽条刚好和pict/LR里那些图像的宽高比匹配。关于裁剪局部区域对比这里有个小技巧不要固定取中心裁剪而是选图中细节最密集的区域比如建筑边缘、纹理区域或者带有文字的地方。超分算法对高频信息丰富区域的恢复能力差异最大这样的对比图最有说服力。你可以在脚本里先输出整图 PSNR再对局部区域单独算一次把两个数字写进报告里。最后提醒一点做实验记录时给每组实验建一个独立目录命名规范建议包含放大倍数和损失函数类型比如x4_L1_epoch100。这份资源的1~4和5分组方式就是类似思路当你需要回溯哪组参数产生哪组结果时规范的目录命名能省掉重新跑一遍的时间。这样一个完整的超分复现实验记录下来从退化模型到基线对比再到训练测试已经是一个逻辑链完整的课程设计说明了。本文还有配套的精品资源点击获取