江苏龙网

  1. 首页 > 人文 > >

软件|无损放大图片和视频？这两款AI工具值得拥有

身为一个编辑 ， 除了文字工作这个主要的工作内容之外 ， 经常还需要考虑一个很重要的问题：插图 。
全是文字的文章肯定没有图文形式的文章抓人眼球 ， 更别提这个视频当道的年代了 ， 因此每次撰写文章的时候 ， 笔者都要在无版权图片网站精挑细选 ， 让图片和文章主旨契合 ， 并且最好是高分辨率的图像 。
但意外也总是有的 ， 有的时候遇到了分辨率不足但偏偏最适合的图像 ， 就很让人苦恼了 ， 直接将低分辨率图像插入文章中 ， 会很明显地感觉到视觉上的不舒适 ， 虽然现在PS甚至是Windows自带的画图工具都能修改图片分辨率 ， 但强行拉伸的结果只会是：图片非常糊 。
可以看到 ， 在进行图片拉伸后 ， 图片边缘已经出现了明显的毛刺感 。

软件|无损放大图片和视频？这两款AI工具值得拥有
文章图片

那有没有什么方法能够让图片无损放大呢？
别说 ， 还真有 ， 这个来自GitHub的项目“waifu2x”就能做到 。
项目地址为https://github.com/nagadomi/waifu2x ， 有兴趣的朋友可以研究一下 ， 网页版地址为http://waifu2x.udp.jp/ 。
闲话少说 ， 这里直接放使用waifu2x和普通拉伸图片后的对比（左侧为拉伸 ， 右侧为使用waifu2x的效果） 。

软件|无损放大图片和视频？这两款AI工具值得拥有
文章图片

可以看到 ， 使用waifu2x放大图片后 ， “5G”边缘的毛刺感不再明显 ， 虽然部分区域还存在噪点问题 ， 但整体上来说 ， 比直接拉伸的效果要好太多 。
那为什么waifu2x可以做到无损放大图片呢？这是因为waifu2x使用了名为SRCNN的卷积算法 ， 传统意义上来说 ， 图像超分辨率问题研究的是在输入一张低分辨率图像时（LR） ， 如何得到一张高分辨率图像（HR） 。
传统的图像插值算法可以在某种程度上获得这种效果 ， 比如最近邻插值、双线性插值和双三次插值等 ， 但是这些算法获得的高分辨率图像效果并不理想 。
SRCNN是首个使用CNN结构（即基于深度学习）的端到端的超分辨率算法 ， 它将整个算法流程用深度学习的方法实现了 ， 并且效果比传统多模块集成的方法好 。
SRCNN流程如下:首先输入预处理 。对输入的低分辨率LR图像使用bicubic算法进行放大 ， 放大为目标尺寸 。
那么接下来算法的目标就是将输入的比较模糊的LR图像 ， 经过卷积网络的处理 ， 得到超分辨率SR的图像 ， 使它尽可能与原图的高分辨率HR图像相似 。
与Bicubic、SC、NE+LLE、KK、ANR、A+这些超分算法相比 ， SRCNN在大部分指标上都表现最好 ， 且复原速度也在前列 ， 且RGB通道联合训练效果最好 ， 这就意味着相比照片 ， waifu2x在放大插画（你们最喜欢的二次元图片）时会更有优势 。
关于SRCNN卷积算法 ， 可以到https://arxiv.org/abs/1501.00092了解更多详情 。
那既然图片可以无损放大 ， 视频呢？
结果当然也是可行的 ， 不过这次用到的工具 ， 叫做Topaz Gigapixel AI for Video ， 这个软件通过数千个视频进行培训 ， 并结合来自多个输入视频帧的信息 ， 通过真实的细节和运动一致性将视频放大至8K分辨率 。

软件|无损放大图片和视频？这两款AI工具值得拥有
文章图片

作为一个AI软件 ， 它需要一台快速的计算机 。推荐的系统配置是32 GB RAM加上具有6GB或更大显存的NVIDIA显卡 。虽然也勉强能在旧电脑上跑 ， 但速度会非常慢 。
那Topaz Gigapixel AI for Video是如何做到放大视频的呢？其实在安装的时候 ， 会发现这个软件会安装TensorFlow库和cuDNN库 ， 所以很明显 ， 该软件就是运用基于深度学习的卷积神经网络对每一帧进行处理,全程跑CUDA单元（要不然也不会这么慢了） 。
熟悉显卡的老哥们都知道 ， 显卡作为电脑主机里的一个重要组成部分 ， 是电脑进行数模信号转换的设备 ， 承担输出显示图形的任务 。


推荐阅读


上一篇：Intel|全球芯片现状：三星重回第一 Intel被AMD疯狂抢份额

下一篇：央视|今日大寒 还有10天就是除夕了！央视科普：南方一年中最冷的时候到了