Google Pixel 超分辨率--Super Resolution Zoom
Google Pixel 超分辨率–Super Resolution Zoom
Google 的Super Res Zoom技術(shù),主要用于在zoom時(shí)增強(qiáng)畫(huà)面細(xì)節(jié)以及提升在夜景下的效果。
文章的主要貢獻(xiàn)有:
· 使用多幀圖像超分辨算法代替去馬賽克算法
· 引入自適應(yīng)核插值和融合算法。其自適應(yīng)于圖像的局部結(jié)構(gòu),對(duì)稀疏采樣的數(shù)據(jù)進(jìn)行擬合。
· 提出了運(yùn)動(dòng)魯棒模型,對(duì)局部運(yùn)動(dòng)、遮擋、配準(zhǔn)失敗區(qū)域有較好的的魯棒性
· 分析了手部震顫規(guī)律,并說(shuō)明了其做為亞像素偏移獲取來(lái)源的有效性
整個(gè)算法流程如圖1所示,其主要包括:多幀RAW圖像的獲取、圖像配準(zhǔn)、圖像融合三個(gè)步驟。首先,獲取多幀RAW圖像(CFA Bayer),然后選擇其中一陣作為基幀(base frame),剩下的圖像都對(duì)該幀進(jìn)行局部對(duì)齊。通過(guò)核回歸估計(jì)每一幀對(duì)結(jié)果的局部貢獻(xiàn)(contribution),然后分顏色通道將這些貢獻(xiàn)疊加起來(lái)。為了是算法更有魯棒性,借助于圖像局部特征對(duì)核形狀進(jìn)行調(diào)整,并利用魯棒性模型對(duì)采樣的貢獻(xiàn)值進(jìn)行加權(quán)。最后,對(duì)每個(gè)顏色通道進(jìn)行歸一化得到最后的RGB圖像。
圖1: 算法流程
本文對(duì)demosaic 進(jìn)行了增強(qiáng),相對(duì)以前的效果提升如下圖,可以看出在高頻區(qū)域尤其是摩爾紋處得到了很好的改善:
圖2: 效果對(duì)比
首先說(shuō)明Google 在文中介紹的超分并沒(méi)有采用深度學(xué)習(xí)的方法,而是采用了傳統(tǒng)做法。其原理也很簡(jiǎn)單,一句話概括為:通過(guò)多幀來(lái)填補(bǔ)Bayer中缺少的圖像分量。sensor都是Bayer 格式,每個(gè)像素處只有一個(gè)色彩通道,其余的色彩是通過(guò)插值得來(lái),而插值的過(guò)程中就會(huì)產(chǎn)生摩爾紋等問(wèn)題。
圖3: bayer 與插值
假設(shè)物體是不動(dòng)的,我們每次分別每次移動(dòng)1個(gè)像素,拍攝4次,豈不是就可以在每個(gè)像素位置處湊夠RGGB 像素值了呢,這樣我們無(wú)須插值就可以獲得一張從Bayer到RGB的圖像。
圖4:多幀方法獲得RGB采樣值
這種設(shè)計(jì)思想在Sony、賓得等單反相機(jī)上從2017 年就已經(jīng)開(kāi)始應(yīng)用,技術(shù)名為:像素偏移多重拍攝(圖5)。
圖5
因?yàn)閱畏吹葥碛泻軓?qiáng)的硬件基礎(chǔ)可以精準(zhǔn)控制位置的移動(dòng),手機(jī)上沒(méi)有這么多硬件設(shè)備了,那手機(jī)怎么來(lái)創(chuàng)造位移呢?Google假設(shè)并調(diào)研了人拍照時(shí)手抖的特點(diǎn),發(fā)現(xiàn)了拍照時(shí)手抖就可以創(chuàng)造出足夠的亞像素位移來(lái)保證多幀圖像基本可以使每個(gè)像素位置都能拍攝到三個(gè)通道(圖6)。
圖6
運(yùn)動(dòng)估計(jì)在之前的計(jì)算中已經(jīng)得到了解決(HDR+ 和夜景中都有講解),剩下的難點(diǎn)就變成了如何來(lái)融合多幀每個(gè)通道的像素了,其流程如下圖,無(wú)非就是參考噪聲模型、局部細(xì)節(jié)、運(yùn)動(dòng)向量等老生常談的特征,剩余內(nèi)容就是對(duì)圖7公式的補(bǔ)充和解釋,建議感興趣的直接去看論文即可。
圖7
因?yàn)橛?jì)算量和圖像尺寸以及幀數(shù)成線性,文中給出的計(jì)算速度是在高通Adreno 630 GPU平臺(tái)上的數(shù)據(jù),15.4ms+7.8ms/MPixel,并不算特別快,這也是為什么在GoogleBlog 里面說(shuō)“SuperRes Zoom可以在所有縮放系數(shù)下工作,不過(guò)由于性能原因,只在1.2倍以上激活”吧。
總結(jié)
以上是生活随笔為你收集整理的Google Pixel 超分辨率--Super Resolution Zoom的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: YOLO v1到YOLO v4(下)
- 下一篇: 深度学习可形变卷积