超分辨率（Super-Resolution, SR）是一種影像處理技術，用在提升影像的解析度。
它主要的目標是從低解析度的圖像或影片中重建出高解析度的版本。
這個技術廣泛應用於醫學影像、衛星照片、監控系統等領域。
我們今天大致了解他的兩種類型以及最傳統的方法！

超分辨率技術有兩種類型：

1.單影像超分辨率（Single Image Super-Resolution, SISR）：
通過對單張低解析度的影像進行處理，生成高解析度的影像。這常藉由深度學習方法來實現，特別是卷積神經網路（CNN）。

2. 多影像超分辨率（Multi-Image Super-Resolution, MISR）：
   基於多張低解析度的影像，通過對不同影像間資訊的整合來提升解析度。

深度學習技術的進步，尤其是生成對抗網絡（GAN）和卷積神經網絡，使得超分辨率技術在最近幾年取得顯著的進展。

技術詳解

1. 傳統方法：

   在深度學習出現之前，超分辨率的實現主要依賴於基於插值和統計模型的方法！

   • 雙線性插值：將相鄰像素的顏色值進行插值用來生成新的像素，簡單但效果有限。
   • 雙三次插值：相比雙線性插值，能夠更準確地考慮像素周圍的更多信息，但同樣存在解析度提升有限的問題。
   • 稀疏表示法：基於圖像塊的稀疏性，透過學習低解析度與高解析度塊之間的映射來進行放大。