基于深度学习的单图像超分辨率系统-python

项目描述 基于深度学习的单图像超分辨率系统
基于深度学习的单图像超分辨率系统,将低分辨率图像放大 2 倍并恢复细节。提供命令行与 PyQt5 桌面界面两种使用方式,内置多种 SRCNN 系列卷积神经网络模型,加载预训练权重即可推理。

项目功能
图像 2 倍超分辨率放大,输出恢复细节后的高清图
两种推理模式:patch 分块(省内存)与 fast 整图(一次过网)
可选保存双线性插值中间图用于对比
提供两个可用模型:Distilled ResNet SR(轻量快速,默认)与 ResNet SR
PyQt5 图形界面:选择图片、选模型、原图/结果双栏对比、后台线程推理不卡 UI、结果自动保存到 results 目录
命令行批量处理:支持一次传入多张图片
运行环境
Windows
Python 3.13
TensorFlow 2.21 + tf_keras 2.21(Keras 2 兼容层)
PyQt5、Pillow、imageio、scipy、scikit-learn、opencv-python、numpy
CPU 推理即可运行(代码强制 CPU 设备)
项目技术
深度学习框架:TensorFlow / Keras,卷积神经网络(Conv2D、BatchNorm、残差连接、上采样)
模型:SRCNN、ESRCNN、去噪自编码器 SR、Deep Denoise SR、ResNet SR、知识蒸馏 Distilled ResNet SR
兼容层:compat.py 将旧 Keras 2 API 重定向到 tf_keras,强制 channels_first 以匹配 Theano 格式权重
桌面 GUI:PyQt5,QThread 后台推理 + 信号槽回调,QSS 浅色样式
图像处理:Pillow/imageio 读写、双线性/双三次插值、OpenCV 后处理去噪边

以上系统源码经过技术整理与调试，确保能正常运行