图像/视频超分之降质过程

图像/视频超分领域近期并无突破性的方法出现，故近期计划将图像/视频超分相关方法进行一次综述性汇总。计划从不同点出发对图像/视频超分进行一次“反思”之旅。本文是该旅程的第一站：图像降质过程。

尽管图像超分和视频超分在方法上或多或少会有一些关键性的区别，但是两者在训练数据对的制作方面其实并无非常大的区别。所以本文主要以图像超分为例进行介绍。

说到图像超分，大家可能会很自然的想到这样几个数据集：DIV2K，Set5，Set14等等。确实，这些数据集都是图像超分领域最常见的数据集。我们先来简单汇总一下图像/视频超分领域有哪些公开数据集。

注：上面所列出的仅是图像/视频超分的常用数据集以及部分竞赛数据集，除此之外还有一些Real-World数据集。其中DIV2K当属图像超分领域应用最多的一个数据集，它也是目前图像超分最常用的一个训练数据集(部分模型会考虑采用DF2K进一步提升模型性能，比如AIM2020-Efficient SuperResolution中的方法都采用了DF2K进行模型训练)；REDS与Vimeo是视频超分领域应用最多的两个训练数据集(REDS是NTIRE2019竞赛中引入的一个数据集)；RealSR、DRealSR是两个真实场景采集的图像超分数据集(具体怎样构建的训练数据对后期有空会介绍一下)。

尽管有了上述数据集，那么训练数据对LR-HR是如何构建的呢？

原理

对于图像超分而言，LR图像的获取过程一般可以描述为：

其中，k表示降质模糊核(它有多种选择，比如双三次核、高斯核等)，

表示下采样，n表示加性高斯白噪声。

可以看到上述降质过程包含模糊、下采样以及噪声，而图像超分则仅仅考虑了模糊核下采样。我们就来对可能的降质过程做一个简单的归纳，见下表。

注：BI表示降质过程仅包含双三次下采样；BD表示通过高斯模糊下采样；BN表示双三次插值下采样+高斯白噪声；DN表示高斯模糊下采样+高斯白噪声。

在这四种降质类型中，BI与BD是最常见的两种降质类型，而针对BN和DN的研究相对较少。而针对BI与BD两种降质的研究则属BI更多。

BI实现

接下来，我们将简单的介绍一下上述四种降质类型是如何实现的。首先，我们来看一下BI。做CV的同学对Bicubic应该非常熟悉，可以轻松的采用OpenCV或者PIL等库图像的双三次插值。但是，这里大家需要特别注意：BI一般特指matlab中的imresize。OpenCV与MATLAB在imresize的实现上是有区别的：matlab中的imresize具有抗锯齿功能，而OpenCV中的resize则不具备上述功能。关于matlab如何制作数据，可以参考BasicSR。这里附上关键性代码。

sclae = 4
image_path = "butterfly.png"
image = imread(image_path)
image = im2double(image)
image = modcrop(image, scale)
imgLR = imresize(image, 1/scale, 'bicubic')

function image = modcrop(image, scale)
if size(img, 3) == 1
    sz = size(img);
    sz = sz - mod(sz, scale)
    image = image(1:sz(1), 1:sz(2))
else
    tmpsz = size(img);
    sz = tmpsz(1:2)
    sz = sz - mod(sz, scale)
    image = image(1:sz(1), 1:sz(2))
end
end

也许有同学会说，都2020年了，谁还会用MATLAB啊，有没有Python版的呢？这里提供两个基于Pytorch与matlab相当的imresize。

1. matlab_functiosn_verification
2. bicubic_pytorch

但是，需要注意：尽管上述两个版本的imresize实现是参考MATLAB中的imresize进行的实现，但因为一些数据精度问题，最终的实现还是会有一点点的区别。区别有多大呢，见下表。

Accuracy

注：表中数据来自XinTao大佬的测试，笔者也对Diff进行了测试，指标一致；不过与测试机器的性能区别，算法的耗时存在部分出入。

从上述表中结果来看，如果要进行X4超分，强烈建议各位同学采用bicubic_pytorch中的实现，因为它还可以通过GPU进行加速(就是这么优秀)；当然XinTao大佬提供的Pytorch实现更为精确(笔者就是资深受益者，哈哈)。

BD实现

上面介绍了BI的实现方法(matlab和python)，这里我们将介绍BD的实现方法。

在图像超分领域，BD中的高斯模糊参数为：kernelsize=7，sigma=1.6。相关实现可以参考如下链接中的代码：Prepare_TrainData_HR_LR_BD.m。这里列出核心代码：

kernelsize = 7;
sigma = 1.6;
kernel = fspecial('gaussian', kernelsize, sigma)

sclae = 4
image_path = "butterfly.png"
image = imread(image_path)
image = im2double(image)
image = modcrop(image, scale)

blur = imfilter(image, kernel, 'replicate')
imgLR = imresize(blur, 1/scale, 'nearest')

在视频超分领域，BD中的高斯模糊参数为：kernelsize=13, sigma=1.6。相关实现可以参考如下链接中的代码：DUFDown（这里这里是采用Tesorflow进行的实现）。考虑到不少同学对于Tensorflow不熟悉，我们这里提供一版Pytorch实现（XinTao大佬提供）。

def DUF_downsample(x, scale=4):
    """Downsamping with Gaussian kernel used in the DUF official code

    Args:
        x (Tensor, [B, T, C, H, W]): frames to be downsampled.
        scale (int): downsampling factor: 2 | 3 | 4.
    """

    assert scale in [2, 3, 4], 'Scale [{}] is not supported'.format(scale)

    def gkern(kernlen=13, nsig=1.6):
        import scipy.ndimage.filters as fi
        inp = np.zeros((kernlen, kernlen))
        # set element at the middle to one, a dirac delta
        inp[kernlen // 2, kernlen // 2] = 1
        # gaussian-smooth the dirac, resulting in a gaussian filter mask
        return fi.gaussian_filter(inp, nsig)

    B, T, C, H, W = x.size()
    x = x.view(-1, 1, H, W)
    pad_w, pad_h = 6 + scale * 2, 6 + scale * 2  # 6 is the pad of the gaussian filter
    r_h, r_w = 0, 0
    if scale == 3:
        r_h = 3 - (H % 3)
        r_w = 3 - (W % 3)
    x = F.pad(x, [pad_w, pad_w + r_w, pad_h, pad_h + r_h], 'reflect')

    gaussian_filter = torch.from_numpy(gkern(13, 0.4 * scale)).type_as(x).unsqueeze(0).unsqueeze(0)
    x = F.conv2d(x, gaussian_filter, stride=scale)
    x = x[:, :, 2:-2, 2:-2]
    x = x.view(B, T, C, x.size(2), x.size(3))
    return x

BN/DN实现

接下来，我们将要介绍一下DN的实现。它是在BD的基础上添加额外的高斯白噪声，它是RDN所提出。RDN的官方代码中也提供了响应的matlab实现：Prepare_TrainData_HR_LR_DN。但不知为何这里的DN其实是BI+Noise的实现，也就是应当是Noise。但无论如何，这里关键的是Noise的生成方式，看到code后，想必各位同学可以轻易根据改成所需要的code。这里列出关键性code。

sclae = 4;
sigma = 30; %噪声水平
image_path = "butterfly.png";
image = imread(image_path);
image = im2double(image);
image = modcrop(image, scale);
imgLR = imresize(image, 1/scale, 'bicubic');
imgLR = single(imgLR)
LRNoise = imgLR + single(sigma * randn(size(imgLR)));
LRNoise = uint8(LRNoise)

上面所提供的代码为matlab代码，但相比BI，BD，这里的关键仅在于Noise的生成部分。大家可以采用Pytorch、Numpy以及Tensorflow等轻易实现。比如，Pytorch的参考实现：

noise = torch.randn(B,C,H,W).mul_(noise_level).float()

Others

上面介绍了BI、BD、BN以及BD降质原理以及实现代码。那么除了上述降质外，还有其他类型的吗？有的！但基本与上述降质大同小异，对此感兴趣的同学可以去看一下KAIR中实现的几种降质：SRMD, DPSR, USRNet。这里就不再进行过多的介绍。

注意事项

前面对图像/视频超分中的降质方案进行了简单的梳理与总结。有一点需要各位同学牢记在心：在进行方法对比时，其降质过程一定要相同，否则对比就会不公平。为什么这样说呢？见下表的结果对比。

从上表可以看到：对于图像超分而言，BI与BD两种降质制作的数据训练的模型指标基本相当；而对于视频超分而言，BI与BD两种降质方式训练的模型的指标差别较大(0.34dB)。

所以研究视频超分的小伙伴一定要特别注意新方法的指标是在BD降质所得，还是BI降质所得。如果强制的将BD模型指标与BI模型指标进行对比，那么有点"贻笑大方"了。

参考

1. KAIR
2. RDN
3. EDVR
4. BasicSR
5. matlab_functions_verification
6. bicubic_pytorch
7. VSR-DUF