超分辨率重建双三次插值Bicubic生成高分辨率图像

一背景

二代码

三注意

一背景

在超分任务中，为了做对比实验，需要双三次插值算法生成高分辨率图像。为此写了简单代码实现。

二代码

import os
import argparse
import cv2# parse args
parser = argparse.ArgumentParser(description='Upsize images using bicubic interpolation')
parser.add_argument("-k", "--keepdims", help="keep original image dimensions in downsampled images",action="store_true")
##############################需要修改的部分#############################
parser.add_argument('--lr_img_dir', type=str, default=r'C:\Users\Administrator\Desktop\dunhuangchaofen\Testset\Set5\X2',help='path to low resolution image dir') #待上采样图片文件夹
parser.add_argument('--hr_img_dir', type=str, default=r'C:\Users\Administrator\Desktop\bicubic',help='path to desired output path for Upsampled images') #结果保存路径，会自动生成存储结果的文件夹，如  X2result
parser.add_argument('--scale', type=int, default=2,help='path to desired output dir for Upsampled images')#上采样倍率
##########################################################
args = parser.parse_args()lr_image_dir = args.lr_img_dir
hr_image_dir = args.hr_img_dirprint(args.hr_img_dir)
print(args.lr_img_dir)# create LR image dirs
os.makedirs(hr_image_dir + f"\X{args.scale}result", exist_ok=True) #创建保存结果的文件夹supported_img_formats = (".bmp", ".dib", ".jpeg", ".jpg", ".jpe", ".jp2",".png", ".pbm", ".pgm", ".ppm", ".sr", ".ras", ".tif",".tiff")# Upsample LR images
for filename in os.listdir(lr_image_dir):if not filename.endswith(supported_img_formats):continuename, ext = os.path.splitext(filename)# Read LR imagelr_img = cv2.imread(os.path.join(lr_image_dir, filename))hr_img_dims = (lr_img.shape[1], lr_img.shape[0])# Upsample imagelr_image = cv2.resize(lr_img, (0, 0), fx=int(f"{args.scale}"), fy=int(f"{args.scale}"), interpolation=cv2.INTER_CUBIC)if args.keepdims:lr_image = cv2.resize(lr_image, hr_img_dims, interpolation=cv2.INTER_CUBIC)cv2.imwrite(os.path.join(hr_image_dir + f"\X{args.scale}result", f"x{args.scale}_"+filename.split('.')[0]  + ext), lr_image) #保存高分辨率图像

三注意

使用时，修改输入图像的文件夹，修改生成结果保存的位置，修改双三次插值上采样的倍率。

超分辨率重建双三次插值Bicubic生成高分辨率图像相关推荐

超分辨率重建数据集制作：生成低分辨率数据集
目录背景代码结果其他注意: 超分主流有两种BI.BD. 1.实际上公认的是使用MATLAB进行插值. 2.Bicubic(双三次插值)方式.(BI方式) 3.高斯模糊+双三次插值是另一种常用 ...
一文掌握图像超分辨率重建（算法原理、Pytorch实现）——含完整代码和数据
目录一. 图像超分辨率重建概述 1. 概念 2. 应用领域 3. 研究进展 3.1 传统超分辨率重建算法 3.2 基于深度学习的超分辨率重建算法二. SRResNet算法原理和Pytorch实 ...
【数字图像处理3 】（上）图像超分辨率重建（SR）概述
图像超分辨率重建一.前言(废话时间) 二.扫盲知识什么是超分辨率重建? 兴起原因三.传统超分辨率重建 1.基于插值的超分辨率重建 2.基于退化模型的超分辨率重建 3.基于学习的超分辨率重建四 ...
图像超分辨率重建算法，让模糊图像变清晰(附数据和代码)
一. 图像超分辨率重建概述 1. 概念图像分辨率是一组用于评估图像中蕴含细节信息丰富程度的性能参数,包括时间分辨率.空间分辨率及色阶分辨率等,体现了成像系统实际所能反映物体细节信息的能力.相较于低 ...
图像超分辨率重建之SRCNN
新版本请访问简书链接:https://www.jianshu.com/p/dfe85a3c2096 图像超分辨率重建:指通过低分辨率图像或图像序列恢复出高分辨率图像.高分辨率图像意味着图像具有更多的细 ...
单图像超分辨率重建示例
代码的解析已经给出,现在补上:单图像超分辨率重建示例代码解析目录一.简介二.前期准备三.运行程序四.参考目录一.简介图像超分辨率重建技术就是利用一组低质量.低分辨率图像(或运动序列)来产 ...
超分辨率重建基础知识总结
超分辨率重建基础知识总结 1.为什么使用超分辨率重建? 2.经典图像插值算法有哪些,局限在哪里? 3.进行超分辨率重建的方式有哪些? 4.超分辨率重建技术与图像复原技术区别与联系? 5.SR常用的评价 ...
超分辨率重建数据集制作：裁剪过滤
目录背景代码其他背景由于获取到的高分辨率图像尺寸不一,不符合公认的要求,需要有一边长为2040,另一边长不做要求,这里我将其设置为大于648.因此我对图像进行了裁剪过滤,代码如下(请修改输入 ...
超分辨率重建生成低分辨率图像，生成降质图像公认方法代码
目录 1背景 2.BI 3.BD 4.DN 5总结 1背景超分辨率重建中经典的生成降质图像通常使用MATLAB实现的,通常有四种方法: 类型说明 BI bicubic-down BD blur-d ...
经典论文复现 | 基于深度学习的图像超分辨率重建
过去几年发表于各大 AI 顶会论文提出的 400 多种算法中,公开算法代码的仅占 6%,其中三分之一的论文作者分享了测试数据,约 54% 的分享包含"伪代码".这是今年 AAAI ...

超分辨率重建双三次插值Bicubic生成高分辨率图像

一背景

二代码

三注意

超分辨率重建双三次插值Bicubic生成高分辨率图像相关推荐

最新文章

热门文章