彩色图像去马赛克与图像超分辨问题的关系

一、图像超分辨率问题

首先我们先看百度定义：超分辨率(Super-Resolution)即通过硬件或软件的方法提高原有图像的分辨率，通过一系列低分辨率的图像来得到一幅高分辨率的图像过程就是超分辨率重建。超分辨率重建的核心思想就是用时间带宽(获取同一场景的多帧图像序列)换取空间分辨率,实现时间分辨率向空间分辨率的转换。

二、彩色图像去马赛克问题

这种单传感器相机通过彩色滤波阵列（CFA）获得图像的彩色信息，但是采集到的图像在每个像素位置只有一种原始的颜色分量，为了恢复另外两个分量得到的全彩图像，必须对其进行插值，这个过程也被称为彩色去马赛克。

图片马赛克的来源可以被认为有两类：一是原始的图片采集由于镜头本身受环境及传输过程中干扰等影响而产生的马赛克；二是图片直接放大所产生的单一颜色值的马赛克。为了有效提高图像质量，需要区分这两类现象并分别对待【1】

三、二者关系

参考原文：https://blog.csdn.net/lj695242104/article/details/40379867图像处理中不适定问题

图像处理中不适定问题（ill posed problem）或称为反问题（inverse Problem）的研究从20世纪末成为国际上的热点问题，成为现代数学家、计算机视觉和图像处理学者广为关注的研究领域。数学和物理上的反问题的研究由来已久，法国数学家阿达马早在19世纪就提出了不适定问题的概念:称一个数学物理定解问题的解存在、唯一并且稳定的则称该问题是适定的（Well Posed）.如果不满足适定性概念中的上述判据中的一条或几条，称该问题是不适定的。典型的图像处理不适定问题包括：图像去噪（Image De-nosing），图像恢复（Image Restorsion），图像放大（Image Zooming），图像修补（Image Inpainting），图像去马赛克（image Demosaicing），图像超分辨(Image super-resolution )等。

由于图像处理中的反问题往往是不适定的。解决不适定性的有效途径是在图像处理中引入关于图像的先验信息。因此图像的先验模型对于图像反问题和其它计算机视觉还是图像处理问题至关重要。对于图像的先验模型的研究，研究者们从多个角度进行研究，其代表主要有“统计方法”和“正则化几何建模方法”，“稀疏表示方法”三种主流方法。

所以彩色图像去马赛克与图像超分辨问题的关系就是属于同一种图像处理问题的两个不同的分支。

参考文献

【1】基于边缘信息的图像去马赛克方法.刘元杰，李洪波.计算机系统应用.2012(21-2)