在移動端閱讀資訊時，人們對高解析度、高質量的圖像要求越來越高。但受限於網路流量、存儲、圖片源等諸多因素，用戶無法便捷獲得高質量圖片。移動端顯示設備的高解析度圖片獲得問題亟待解決。不久前，HMS Core新聞Demo App針對新聞垂域的閱讀體驗做了一系列更新優化，其中就包括圖像超分。 圖像超解析度（ ...
在移動端閱讀資訊時，人們對高解析度、高質量的圖像要求越來越高。但受限於網路流量、存儲、圖片源等諸多因素，用戶無法便捷獲得高質量圖片。移動端顯示設備的高解析度圖片獲得問題亟待解決。不久前，HMS Core新聞Demo App針對新聞垂域的閱讀體驗做了一系列更新優化，其中就包括圖像超分。
圖像超解析度（Super Resolution）指的是從給定的低解析度（LR）圖像中恢復高解析度（HR）圖像的過程，是電腦視覺圖像增強領域重要的研究方向。HMS Core新聞Demo App為解決用戶觀看新聞資料的過程中圖片不清晰的問題，使用了機器學習服務的圖像超分能力。用戶在新聞閱讀界面點擊圖片，可以看到圖片菜單顯示“使用ML服務進行圖像超分”，再點擊就能快速收穫高質量圖片。它還支持圖片的下載和保存。同等大小的圖片，通過圖像超分後解析度普遍提升100%~300%，能夠有效解決圖片因低解析度而影響用戶瀏覽體驗的痛點。
技術背景
那麼，HMS Core機器學習服務圖像超分能力是怎樣實現的呢？
一般來說，對於圖像解析度不足的問題，傳統的解決方法主要是**基於插值的超解析度重建和基於退化模型的超解析度重建。
基於插值的超解析度重建方法通常提供過於平滑的重建圖像，是通過最近鄰插值法、雙線性插值法和雙立方插值法來補充失去部分的像素細節，從而來增強圖像的解析度。
基於退化模型的超解析度重建方法則是從圖像高解析度到低解析度的降質退化模型出發，通過提取低解析度圖像中的關鍵信息，並結合對未知的超解析度圖像的先驗知識來約束超解析度圖像的生成。
然而傳統解決方法存在計算成本高、性能不穩定等問題。隨著人工智慧，尤其是深度學習在電腦視覺中的廣泛應用，人們開始探索使用智能的方法來剋服傳統技術的諸多弊端，比如基於深度學習的超分演算法。
基於深度學習的方法就是利用大量的訓練數據，學習低解析度圖像和高解析度圖像之間某種對應關係。然後根據學習到的映射關係來預測低解析度圖像所對應的高解析度圖像，從而實現圖像的超解析度重建過程。
技術優勢
HMS Core機器學習服務的超解析度演算法基於深度神經網路，依托硬體的神經網路加速器，提供了適用於移動終端的1x和3x的超分能力。1x超分是在解析度不變的情況下去除壓縮雜訊，獲得更加銳利、乾凈的圖片；3x超分在有效抑制壓縮雜訊的同時，使用智能方法將其放大，令其解析度更高，提供3倍的放大能力，得到更加清晰的細節紋理。
並且超解析度演算法依托華為手機強大的NPU晶元，對最大800x600的圖片進行超分時，僅需不到600毫秒的時間，相比於純CPU計算，速度提升了近50倍。超解析度API的附加ROM、RAM消耗也非常小，內置於華為手機中，可以在有效減小應用程式尺寸的同時讓應用更加輕便。
由此得知，HMS Core機器學習服務圖像超分能力在電腦視覺中的廣泛應用，具有高畫質、高速度、超輕便的技術優勢，可有效抑制壓縮雜訊，節省存儲和流量。在圖片解析度不足的情況下，大大改善小圖片放大瀏覽時的體驗。
圖像超解析度除了在新聞閱讀場景中提升閱讀體驗，還可應用於醫學成像、天文觀測、生物信息識別等領域，HMS Core機器學習服務圖像超分能力也將持續進行技術革新，為更多行業提供實用高效的解決方案。
瞭解更多詳情>>
訪問華為開發者聯盟官網
獲取開髮指導文檔
華為移動服務開源倉庫地址：GitHub、Gitee
關註我們，第一時間瞭解 HMS Core 最新技術資訊~
