主题：【原创】如何提高多帧图像的分辨率（上） -- 驿路梨花

是解析延拓定理。

最起码可以把市场上流行过N年的VCD增高到720P的水平，DVD搞成蓝光1080P的水平，然后再重新开模压盘各路小贩重新上街叫卖，那要解决多少下岗职工和农民工的活路。等N年后64核机器普及后，直接读VCD就能放出蓝光1080P的效果，那是多么多么美妙。

其实最主要的是，各帧之间差别得很小，而N个可用的输入只有一个输出。偷拍的人有福啦，拿普通DV可以搞出DC效果的清晰图片

天文摄影里拍摄行星一般都是用摄像头拍几段视频然后几百帧叠加.

随便贴个网上搜的例子:

8寸F6马牛+5x Powermate,Philips 840K摄像头+红外滤镜,870帧叠加,每帧曝光1/33秒.

不过好像说这么做的目的是尽量除去大气活动对图像造成的干扰...

偷拍不管用的,目标不停的在变换位置和姿势...

用多帧降噪

虽然或许在您眼里不稀奇，好歹也看看有什么不同之处再下结论为好。

您大概没看明白，hoho

不然就被北斗给偷拍了。我还真想用我的相机80端对着远处的mm拍1000张，然后来复原～～继续写，俺看好你哦

那种劣质监控摄像头拍的录像，用什么东西处理一下，转成较清晰的照片。有时可以分析出汽车号码什么的。

差不多是这样的：比如说一张照片需要N次采样达到一定的分辨率，可以用n次低频采样实现

第一次： 1, n, 2n, 3n....

第二次： 2, n+1，2n+1, 3n+1...

....

当然这个是极端理想情况，直接线性迭加就可以了。

• 看懂了，看懂了

是加权平均，也就是卷积。。。

后面尝试着写一下。。。

不过，不让用数学公式似乎很难说清楚。。。

【声明】

1、昨天实在太忙。。。木有填坑，不是存心不填的。后面不用数学公式，实在很不好写。

2、昨晚被蚊子咬死了，今早发现灭蚊灯上，共计死蚊子15只。偶讨厌蚊子！！！

【原创】如何提高多帧图像的分辨率（下）

首先回答一下kernelh的问题。kernelh提及的方法实际上是单帧图像处理中的一个常用方法，也就是上文说的帧插值法。比如当我们模糊的看清那是个鼻子的时候，就可以用一个更高清晰度的鼻子来代替，这就是所谓的插值近似，这里面多少有点蒙的意味。当然，这并不是瞎蒙，对于各种各样情况都有着不同的插值算法。

严格的说，这并不能单纯的界定为学术上的造假，如果出现问题，只是采用的算法不适当。。。就像在90年代初的时候，曾有大批的国有企业的领导，不断地失误交学费，穷了工厂富了家，法律并不能指认他们是有意为之，只能算是失误。。。所以，只要不把人脸估计成猩猩脸，那么一般也只是个算法问题。。。虽然对于论文和国有企业，我们大体都知道是怎么回事。

之所以前面花了大段的笔墨来写单帧图像的处理 —— 似乎与文章的标题毫无关系，这只是想说明一个问题，通过一张图片来达到提高分辨率的途径是不行的，因为用一张图片扩展成N张样本的时候，本已丢失的高频信息并未找回来。也就是，原来那个皇帝没有找到，另外我们通过插值的手段，找到了或者说创造出了新的皇帝 —— 自然，傀儡天子是不够真实的。

在一次又一次的离题万里之外，终于回到了题目上，多帧图像与单帧图像最大也是最根本的不同就是在于，如果偶手上有N张图片，那么这是可以实实在在提高分辨率的。

偶们再一次回到（上）中所描述的基本概念：像素。我们可以这样想象：把一张图片像围棋盘一样划分格子，这是这样图片就有了N*N个像素点；同时，我们把同样的一张围棋盘重叠在原来的上面，然后进行平移，将新的围棋盘的像素点移动到原围棋盘的每个格子的正中央，这样，两个围棋盘重叠之后，构成的新的一张围棋盘的像素点就有2N*2N个；很显然，新围棋盘的像素提高了，也就是说，新围棋盘的分辨率提高了。当如果有无穷多张图片进行极其微小位移的移动时，那么从理论上，我们完全可以知道这张低分辨率的图片的全貌。这就是多帧图像提高分辨率的原理。

这里需要介绍两个概念：

一方面，因为以上的平移会使得不同时刻获得的图像问存在较大的变形， 因此必须首先对其进行配准。也就是说，在进行以上的平移之前，我们必须保证这两个围棋盘是一样的，至少对于图片来说，它们是相似的。我们所需要的是大量具有相似而又不同的特征的图像，它们的信息相互冗余，同时也相互补充。寻找这若干个相似的围棋盘的工作，我们称之为图像配准。

另一方面，我们需要知道这两个围棋盘是怎样的相对运动的。在上面的例子中，我们假设两个围棋盘是相对运动到对方的格子正中央，但实际处理图像的时候，对于卫星传来的N张扫描图像，我们并不知道拍照设备和真实物体之间是一个怎样的相对运动，这就需要一个运动矢量场，我们把建立这种运动矢量场的过程，称之为运动模型估计。

可以对运动模型估计这个过程举一个简单的例子：桌子上有个苹果，我们从一个方向拿着相机对着这张苹果照相。每照一张之后，我们把相机向响应的方向平移或者旋转极其微小的单位，我们称之为微位移和微旋转。这样相机的运动模型就产生了：这可以构建一个F函数，包括两个参数：F{运动方式；运动数值}，如果我们用矢量场描述，就是一个F矢量。这样我们就可以人为造成一个运动矢量场，只是，在有的时候，我们不可能这样做，只能依靠各种各样的算法去估计，经过图像配准的各个照片之间是怎样的一个运动矢量场。

但平移或者旋转的过程必须注意这样一个问题，就是这一过程必须极其微小。这里改动啦：这个微小位移的界定大致可以是这样：当我们把一副图像划分成足够小的子图的时候，那么当物体做微小运动时，则这个子图可以视为近似不变。具体的参见这个帖子：驿路梨花:是偶的问题。。。

图像配准和运动模型估计，这是在多帧图像提高分辨率中，最重要的两个步骤。在这一过程完成之后，才是偶们通过频域法或者空间域法解混叠，进行图像重建，实现图像数据的最终融合，进而提高分辨率。应该指出，这种解混叠不是简单的重合，而是如（上）举得例子，我们要在大量的平民百姓(低频)中把隐藏其中的皇帝（高频）找出来。

好了，现在所有的准备工作（多帧低分辨率图像->预处理->亚像素级的图像配准->运动模型估计）都做完了，剩下就是最后一个工作，怎样通过运动模型的估计解混叠来重建图像？这是一个很不好写的东西，这里面涉及到许多数学公式上的推导。。。人们对于不同的运动模型研究了不同的算法，后文偶试着写一下，但可能会写的极其的不清楚。。。

【预告】：下文上图像处理前后的PP。。。

极端的例子。实际应用多桢的采样是随机的，没那么简单。我瞎猜的，等你写完了再学习吧。

如果是随机的也要想办法搞清楚怎么随机的。。。