简介：以超分辨率算法复现为核心的课程大作业项目包，面向计算机、数学、电子信息等专业读者，适合作为数字图像处理课程的期末大作业、课程设计或毕业设计参考。项目基于MATLAB编写，包含26个源代码文件（.m），并配有41张BMP格式测试图像，覆盖低分辨率（LR）、双三次插值（BI）与超分辨率重建（super）等多组实验场景；说明文档采用Markdown格式，清晰梳理了算法原理、代码结构与复现流程，可帮助读者快速理解从低分辨率输入到高分辨率重建的核心步骤。压缩包共68个文件，总大小仅13.46MB，代码、位图图像与说明文档分离存放，目录按实验模块划分，结构简洁，下载后即可直接运行调试。对于希望在已有代码基础上二次开发、扩展算法功能的读者，项目结构也提供了较为清晰的起点。目前已有264人学习浏览，适合具备一定图像处理与MATLAB基础的同学参考借鉴。

1. 数字图像处理大作业：超分辨率算法复现到底在复现什么

超分辨率算法复现，表面上是把一张低分辨率图放大成高分辨率图，实际上是在补回降采样时丢掉的细节。数字图像处理大作业里，这个题目的含金量不在「能放大」，而在「放大后不糊、不出现伪影、指标可复现」。拿到一份「源码+项目说明.zip」，第一反应是解压后直接训练；做过的都清楚，这份源码里真正决定成败的是数据退化方式、评估口径和训练参数，模型结构反而只是其中一环。这篇笔记按做完一整套复现的路径展开：先讲清 SRCNN、FSRCNN、ESPCN 怎么选，再落到数据管线、训练循环和 PSNR/SSIM 口径，最后把踩过的坑一条条摆出来。适合正在做课程大作业，或打算把超分当入门方向的同学。

2. 超分算法选型与原理：SRCNN、FSRCNN 与 ESPCN 的复杂度边界

如果大作业只允许交一份模型，我建议复现 FSRCNN；如果老师要求讲原理，从 SRCNN 讲起。三个模型本质是同一套逻辑——用卷积从低分辨率图像块里学出高分辨率细节的映射规则——但工程取舍差别很大。SRCNN 是第一个把深度学习完整带进超分的工作，三组卷积就能讲完「特征提取-非线性映射-重建」；FSRCNN 把上采样挪到网络尾部，速度提升一个数量级还不明显掉点；ESPCN 用亚像素卷积，是后来工程部署里最常见的上采样方案。

2.1 为什么先复现 SRCNN：三块卷积搭出超分的完整逻辑

SRCNN 的思路是先拿 bicubic 插值把 LR 放大到目标尺寸，再让网络在这个「放大但模糊」的图上做重建。输入是三通道的大图，第一层用 64 个 9x9 卷积核在图像块级别提特征，第二层用 32 个 1x1 卷积核做非线性映射，最后一层用 3 个 5x5 卷积核重建出 HR，全程 ReLU 激活，损失就是输出与真值的 MSE。这个结构当时把传统稀疏编码方法远远甩开，而且代码量极小，适合作为大作业的 baseline。

答辩时用 SRCNN 能讲清楚一个核心问题：超分为什么是「学」出来的而不是「插」出来的。bicubic 插值只假设相邻像素的平滑性，遇到边缘和纹理就直接糊掉；SRCNN 的卷积核在训练中逐渐学会了从「模糊块」匹配到「清晰块」的规则，等效于一个数据驱动的字典映射。MSE loss 直接优化像素均方误差，所以 PSNR 天然对齐这个目标。它的问题也明显：输入先被 bicubic 放大，特征计算都发生在高分辨率空间，计算量大；整个网络浅，感受野小，重建复杂纹理的能力有限。

2.2 FSRCNN 与 ESPCN 的取舍：速度、反卷积棋盘格与整数倍放大

FSRCNN 的关键改动是去掉了 pre-upsampling。网络先在 LR 空间把头部的 5x5 卷积（56 通道）做特征提取，再用 1x1 卷积把通道压到 12，接着过 4 层 3x3 卷积做映射，尾部用 1x1 升回 56 通道，最后用 9x9 的转置卷积一步放大到目标尺寸。因为大部分计算都发生在低分辨率空间，FSRCNN 的训练和推理速度比 SRCNN 快一个数量级，效果还能略好一点，这也是它在课程项目里受欢迎的原因。

复现 FSRCNN 时最常遇到的视觉问题是棋盘格伪影：转置卷积的 stride 大于 1 时，相邻卷积核的输出在重叠区域权重不一致，周期性高低亮形成方格纹理，高分辨率重建任务里这个现象非常扎眼。想绕开它，就换成 ESPCN 的亚像素卷积：尾部输出 r² 个通道，用 PixelShuffle 按位置重排成一张放大 r 倍的图，比如 4 倍放大就是 16 个通道拼成一张大图，没有重叠计算，也就没有棋盘格。对大作业来说，我更推荐把 FSRCNN 复现出来，再把尾部换成 PixelShuffle 当「改进点」写进报告——这个改动比换一个大模型更能体现你对上采样原理的理解。

2.3 参数对照表与选型判断：网络深度、patch 大小与工况匹配

选型判断上我的经验是：如果作业要求对比实验，用 SRCNN 做 baseline、FSRCNN 做改进模型，再加一组 bicubic 插值做传统方法对照，三组结果就能撑起完整的分析；如果只求最终效果和速度，直接 FSRCNN；如果训练数据只有几百张图，别碰大模型，SRCNN 和 FSRCNN 这种小网络几千步内就能收敛到可用的效果，大模型在这个数据量下反而过拟合。

3. 用 PyTorch 跑通最小超分复现：数据管线、训练循环与模型保存

拿到「源码+项目说明.zip」之后，第一步不是读模型结构，而是确认数据是怎么进网络的。超分训练集是成对的：HR 原图和由 HR 退化生成的 LR。退化方式直接决定模型学什么，最常见的约定是用 bicubic 插值做 4 倍降采样。这一章把链路完整过一遍：退化函数的正确写法、三个必调参数、训练循环与 checkpoint 策略。

3.1 数据集与退化管线：bicubic 4x 降采样在 PIL 和 PyTorch 里如何对齐

数据集方面，DIV2K 是超分论文里最常见的训练集，800 张高清图做训练、100 张做验证；课程环境跑不动全量的话，取其中前几十张再配合随机裁剪完全够演示训练。真正容易出问题的是退化一致性的坑：训练时用 PIL 生成 LR、测试时却用 OpenCV 生成 LR，两边 bicubic 内核有细微差异，PSNR 会因此浮动 0.2-0.5 dB。更麻烦的是有些论文的数字是用 MATLAB imresize 出来的，PyTorch 里想对齐它，得把 F.interpolate 的参数设对。我一般把退化统一放进一个函数里。

import torch import torch.nn.functional as F def make_lr(hr_tensor, scale=4): # hr_tensor: [B, C, H, W], 值域 [0, 1] lr = F.interpolate( hr_tensor, scale_factor=1.0 / scale, mode="bicubic", align_corners=False, antialias=True, ) return lr

逻辑说明：这个函数在输入 HR 上用 bicubic 插值做降采样，输出就是和 HR 配对的 LR。align_corners=False 表示像素中心对齐，这更接近 MATLAB 和 PIL 的坐标系约定，换 True 的话结果会整体平移半个像素，训练和测试混用两种设置，模型会在对齐上反复横跳；antialias=True 会在降采样前应用低通滤波，避免摩尔纹和混叠，这是做超分数据时很少有人注意但影响很大的开关。

参数说明：scale_factor 建议写成分数 1/scale，不要用整数，部分环境里整数 scale_factor 会按「向上取整到最近整数倍」处理，4 倍场景还好，3 倍时尺寸就错了；测试时如果不想依赖 scale，可以直接传 size=(h // scale, w // scale)，两种写法结果等价，但整套代码里只能统一用一种，混用会让维度对不上。

3.2 三个必调参数：patch size、归一化范围与学习率

超分训练通常不直接整图进网络。显存是限制，但更重要的是随机裁剪本身是最强的数据增强。标准做法是从 HR 图里随机裁 96x96 或 128x128 的 patch，再降采样成 24x24 或 32x32 的 LR。patch 大小直接影响感受野覆盖：SRCNN 输出只依赖输入局部，patch 小也能收敛；FSRCNN 有 4 层 3x3 映射加尾部大卷积核，patch 太小的话边缘效应占比变高，验证指标会慢半拍。我用 96x96 HR patch 配 4 倍降采样、batch size 16，单张普通显卡就可以稳定跑。

归一化的坑最隐蔽：训练时把 HR 和 LR 都除以 255 归一到 [0,1]，测试时也要对输入做同样处理，否则模型输出会整体偏到接近 0 的黑色图像，PSNR 直接崩到十几 dB。我习惯在 dataset 的__getitem__里完成归一化，这样训练和验证走同一条数据通路，谁都不会漏掉这一步。学习率方面，SRCNN/FSRCNN 这种小网络不需要 warmup，但建议开梯度裁剪，数值设 0.5 左右，能有效压住尾部转置卷积的梯度震荡。

3.3 训练主循环与 checkpoint：按 PSNR 保存 best 模型

给出一个能直接改用的训练骨架。模型以 FSRCNN 为例，因为它结构紧凑、训练快，适合课程环境反复调参。模型定义和训练循环拆成两块，方便你单独替换网络结构。

import torch import torch.nn as nn class FSRCNN(nn.Module): def __init__(self, scale=4, d=56, s=12, m=4): super().__init__() self.head = nn.Conv2d(3, d, 5, padding=2) # 特征提取，LR 空间 self.shrink = nn.Conv2d(d, s, 1) # 通道降维，省计算 self.map = nn.Sequential( *[nn.Conv2d(s, s, 3, padding=1) for _ in range(m)] ) # 非线性映射 self.expand = nn.Conv2d(s, d, 1) # 通道升维 self.tail = nn.ConvTranspose2d( d, 3, 9, stride=scale, padding=4, output_padding=scale - 1 ) # 尾部放大 self.relu = nn.ReLU(inplace=True) def forward(self, x): x = self.relu(self.head(x)) x = self.relu(self.shrink(x)) x = self.relu(self.map(x)) x = self.relu(self.expand(x)) x = self.tail(x) return x

逻辑说明：head 卷积只在 LR 图上提特征，shrink 把通道从 56 压到 12，让 4 层 3x3 映射的运算量大幅下降；expand 恢复通道后交给转置卷积放大。d=56、s=12、m=4 是论文里的常用配置，参数量约 8 万，小数据集上几十个 epoch 就能看到趋势。转置卷积的 output_padding 是为了配合 stride 把输出尺寸精确对齐到输入尺寸的整数倍，少写这一项，4 倍放大时输出会差一行像素。

model = FSRCNN(scale=4).cuda() opt = torch.optim.Adam(model.parameters(), lr=1e-4) crit = nn.MSELoss() best_psnr = 0.0 for epoch in range(30): model.train() for hr in loader: # hr: [B, 3, 96, 96] lr = make_lr(hr, 4) # [B, 3, 24, 24] sr = model(lr) loss = crit(sr, hr) opt.zero_grad() loss.backward() nn.utils.clip_grad_norm_(model.parameters(), 0.5) opt.step() psnr = validate(model, val_loader) # 口径见第 4 章 if psnr > best_psnr: best_psnr = psnr torch.save( {"state_dict": model.state_dict(), "psnr": psnr}, f"checkpoints/fsrcnn_x4_best.pth", )

逻辑说明：每个 batch 里 HR patch 先降采样成 LR，网络输入 24x24、输出目标 96x96，loss 直接在 HR 分辨率下计算，这正是超分「从 LR 重建 HR」的定义。clip_grad_norm_ 放在 backward 之后，数值 0.5 对这类小网络足够温和。checkpoint 按验证 PSNR 最优保存，同时记录 PSNR 数值，方便事后回溯哪个 epoch 的权重最好，也方便断点续训前确认上一次跑到什么水平。

参数说明：epoch=30 只是演示门槛，论文级训练要跑几百轮；更省心的做法是早停——验证 PSNR 连续 10 轮不涨就停，比固定轮数更稳，也省电。checkpoint 文件名里带上 scale 和当前指标，避免后面做 2x/3x 对比实验时把权重搞混。

4. 评估超分结果：PSNR 与 SSIM 的计算口径与可复现基线

超分论文里最常见的一句话是「我们的方法在 Set5 上 PSNR 达到 XXX dB」。但同一个模型，不同人复现出来能差 0.5 dB 甚至更多，问题几乎都出在评估口径。这一章把计算口径定死，再给一个能直接替换的验证脚本。

4.1 PSNR 的 Y 通道计算口径：边界裁剪、MAX 值与 float 精度

PSNR 的定义很简单：10 乘以 log10(最大像素值平方除以均方误差)。但落地时有三个细节必须统一。第一，只在 Y 通道算。RGB 转 YCbCr 后取亮度分量 Y 计算 MSE，这是超分论文的默认约定，因为人眼对亮度变化最敏感；直接在 RGB 三个通道上算，颜色噪声也会被计入，数字会偏低且不稳定。第二，边界裁剪。网络输出在图像边缘的像素不完全可信，计算前先把四周各裁掉若干像素，常见做法是裁 8 像素或 scale 像素。第三，MAX 值跟归一化范围走：数据在 [0,1] 则 MAX=1，在 [0,255] 则 MAX=255。还有一个精度坑：MSE 很小时 float32 的累加误差会影响小数点后两位，计算时用 float64 更稳。

提示：报告里写 PSNR 一定要带上四个条件——Y 通道、边界裁剪值、MAX 值、测试集名称。少一个，别人就没法复现你的数字，这在课程答辩里等于送分题变送命题。

4.2 SSIM 与视觉对比：为什么 PSNR 高 0.3 dB 看不出差别

SSIM 在局部窗口内比较两幅图像的亮度、对比度和结构，三个分量相乘得到 0 到 1 之间的相似度，窗口默认 11x11、高斯加权。它的意义在于弥补 PSNR 的盲区：MSE loss 训练出来的模型倾向于输出「安全」的平滑结果，因为把边缘附近的值平均化能让整体误差更小；这样的图 PSNR 往往不低，但放大看纹理是糊的。相反，一个模型如果敢于重建锐利边缘，哪怕位置偏了半个像素，PSNR 会被边缘误差拖低，肉眼却觉得更清楚。

所以课程报告里，PSNR/SSIM 表只能算一半证据，另一半是视觉对比图。我习惯固定三个视角：整体图、一个含密集纹理的区域（比如树叶或砖墙）、一个人物脸部边缘区域，每行放 HR、bicubic、模型输出三张，裁剪相同位置放大到同样尺寸。答辩时这张图比任何指标都直观。

4.3 用 Set5 做批量验证的脚本骨架

Set5 是超分论文里出镜率最高的测试集，五张图、单张尺寸不大，CPU 都能在几分钟内跑完，适合课程作业反复验证。下面这段把 PSNR 和 SSIM 的实现直接写出来，不依赖 skimage 的版本差异，也方便你贴进报告附录。

import numpy as np import torch import torch.nn.functional as F def y_channel(img): # img: [1, C, H, W], float, [0,1] r, g, b = img[:, 0], img[:, 1], img[:, 2] return 0.257 * r + 0.504 * g + 0.098 * b + 16.0 / 255.0 def calc_psnr(sr, hr, border=8, max_val=1.0): sr_y = y_channel(sr.detach().cpu())[:, :, border:-border, border:-border] hr_y = y_channel(hr.detach().cpu())[:, :, border:-border, border:-border] mse = ((sr_y - hr_y) ** 2).mean(dtype=torch.float64) if mse.item() < 1e-12: return float("inf") return 10.0 * np.log10(max_val**2 / mse.item()) def calc_ssim(sr, hr, window_size=11): L = 1.0 c1, c2 = (0.01 * L) ** 2, (0.03 * L) ** 2 kernel = torch.ones(1, 1, window_size, window_size, device=sr.device) kernel /= kernel.sum() x = sr.mean(dim=1, keepdim=True) y = hr.mean(dim=1, keepdim=True) mu_x = F.conv2d(x, kernel, padding=window_size // 2) mu_y = F.conv2d(y, kernel, padding=window_size // 2) var_x = F.conv2d(x * x, kernel, padding=window_size // 2) - mu_x * mu_x var_y = F.conv2d(y * y, kernel, padding=window_size // 2) - mu_y * mu_y cov = F.conv2d(x * y, kernel, padding=window_size // 2) - mu_x * mu_y up = (2 * mu_x * mu_y + c1) * (2 * cov + c2) down = (mu_x**2 + mu_y**2 + c1) * (var_x + var_y + c2) return (up / down).mean(dtype=torch.float64).item()

逻辑说明：calc_psnr 先转到 Y 通道，再按 border=8 裁边，MSE 用 float64 累加；calc_ssim 用均值卷积替代窗口统计，实现的是简化版但口径与 skimage 一致，足够课程报告用。验证时先对模型输出做 clamp(0,1)，避免个别像素越界把 MSE 拉高，再与 HR 对齐计算。算完五张图，取平均 PSNR 和平均 SSIM。

5. 超分复现避坑：解压源码后最常踩的五个翻车现场

「源码+项目说明.zip」解压只是一个开始。真正耗时间的是训练和评估过程中的隐性坑。这一章把最容易翻车的五类问题列出来，每条按现象、原因、解决展开，都是我实际遇到过或者帮人排查过的。

5.1 现象：zip 解压到一半报「文件名过长」或出现乱码目录

Windows 自带解压工具处理 Linux/macOS 打包的 zip 时，经常报「无法解压，文件名过长」或者解压出乱码目录。原因是压缩包里是 UTF-8 编码的路径，Windows 资源管理器按本地代码页解析，两边对不上；另外项目路径嵌套太深也会触发 MAX_PATH 限制。解决方式是装 7-Zip，解压时选「解压到当前文件夹」，它对编码的处理更稳；如果路径确实太长，把解压目标直接放 D:\sr_project 这种短目录。另一个相关教训：解压后先看包里的文件清单。如果包含 .pth 或 .ckpt 权重文件，优先用 torch.load 验证能否加载；旧版本权重在新版 PyTorch 里偶尔加载报错，这不是你的代码问题，看清报错是缺 key 还是序列化格式不兼容。

5.2 现象：训练 loss 正常下降，但验证 PSNR 卡在 20 dB 附近不动

loss 在降、学习率在调，验证集 PSNR 却一直 20 dB 出头，这种情况我见过太多次。先别怀疑模型结构，大概率是评估口径错了：模型输出还在 [-1,1] 或反归一化前的状态，直接和 [0,1] 的 HR 算 MSE，数字自然上不去；另一种常见低级错误是把 LR 当成 SR 去和 HR 比，降采样图本来就糊，PSNR 当然低。排查手段是打印 model 输出和 HR 的 min/max，确认值域同源；再把 LR 也丢进 PSNR 脚本算一遍当基线。Set5 上 4 倍 bicubic 基线大概在 26 dB 上下，SRCNN 能到 30 dB 左右。如果模型结果低于 bicubic 基线，要么训练没收敛，要么评估代码有 bug，二选一。

5.3 现象：测试输出图出现明显的方格或棋盘格纹理

棋盘格是转置卷积放大最典型的特征。原因是 stride 大于 1 的转置卷积，相邻卷积核的输出在空间上重叠，重叠区域的权重叠加不均匀，形成周期性高亮。FSRCNN 尾部用 9x9 stride=4 的转置卷积，这个现象在纹理密集区域尤其明显。解决方案有三条，按优先级排：把尾部换成 PixelShuffle，也就是 ESPCN 的做法，从根上消除叠加不均；或者放弃尾部放大，回到 SRCNN 那样先 bicubic 放大再做卷积；如果坚持转置卷积，就加大卷积核并用奇数，配合 output_padding 把尺寸对齐，能减轻但很难完全消除。这个坑在报告里反而是加分项——把「棋盘格成因与 PixelShuffle 改进」写清楚，比堆更多训练技巧更能体现功底。

5.4 现象：PSNR 比论文低 0.5 dB 以上，反复检查也找不到原因

完全按论文结构复现，Set5 上还是比论文低零点几个 dB，这是复现党的常态，不是 bug。主要来源有两个：一是退化差异，论文的 bicubic 大多是 MATLAB imresize 生成，PyTorch 的 F.interpolate 和 PIL 的 resize 都有细微差异，叠加几张图就能差 0.2-0.4 dB；二是测试协议差异，部分论文会做 8 种姿态（翻转+旋转）推理取平均，这种自集成能提 0.1-0.3 dB，但很多复现者不知道。应对方式是把这些差异写进实验条件：标明「我们使用 PyTorch bicubic 退化、无自集成」，并给出一组 bicubic 基线的本地参考值。老师看的是分析和对比是否严谨，不是你和论文数字差多少。

5.5 现象：训练集指标很漂亮，放到真实照片上一塌糊涂

模型在 Set5 上 PSNR 很高，拿手机拍的照片一放大，效果反而不如 bicubic，原因只有一个：退化分布不匹配。真实照片的退化包含失焦模糊、传感器噪声、压缩伪影等，而你训练时只用了干净的 bicubic 降采样，模型根本没有见过这种输入。如果作业允许，在数据管线里随机加高斯模糊和噪声，或者直接用真实 LR/HR 对做微调，能明显改善；如果只是固定课题，报告里一定写一节「局限性」，说明当前模型假设退化是理想 bicubic，真实场景需要重新估计退化核。这一句话能避免答辩时被问到哑口无言。

6. 先跑通再调优：用一张 512x512 图验证整条超分链路

拿到任何超分源码，我都不会直接开训练，而是先做单图端到端验证。取一张 512x512 的清晰图，用训练同款退化方式降到 128x128，加载模型推一版，然后按顺序检查四件事：输入的 shape 是否是 (1,3,128,128)，输出是否是 (1,3,512,512)；输出的 min/max 是否落在 [0,1]；保存成 PNG 后和 bicubic 放大结果对比，看是更清晰还是有棋盘格；最后算一次 PSNR，确认高于 bicubic 基线。这套流程跑完，数据退化、上采样配置、归一化约定、保存逻辑这些最容易出错的部分基本都暴露了。

我把这个逻辑固定成独立脚本 quick_test.py，每次改完参数先跑它，确认链路没断再开训练，几乎成了整个项目的冒烟测试。提交作业前，也用它生成报告需要的对比图。

这个习惯救过我很多次，因为超分项目里最耗时的从来不是训练，而是「模型文件没拷全、依赖版本不对、退化方式不一致」这类不费脑但极磨人的问题。数据、模型、评估各用一个独立脚本隔开，哪个环节出问题就只动哪个文件，其他一律不碰。这套做法让我少熬了太多夜。希望帮到你。

本文还有配套的精品资源，点击获取