低分辨率照片“战胜”了高分辨率照片?超分辨率算法的时代来了

其实超分辨率算法并不是什么稀奇的事情，即便是导入了深度学习算法的超分辨率图像放大技术，依然也算不上什么新技术，只是这种技术确实在普及的过程中。

大概1个月前，Adobe旗下的RAW文档处理软件更新了Camer Raw的最新版本13.2，开启了“超分辨率算法”的功能。笔者也在上次的测试中验证了，拿原生2500万像素的相机拍摄的图像，经过了这个“超分辨率算法”后得到的图像，完全可以媲美原生4500万像素相机拍摄的照片的细节，如果用了Gigapixel AI来进行放大，甚至可以获得超越原生的细节。只是很多人不信。

而随着适马发布了旗下的小型全画幅相机fpL，世界上最小的6100万像素高画质相机就从此诞生了。于是手持其上代机型fp和fp L的我，就有了一个有趣的念想，如果拿上一代2500万像素的fp拍摄的照片，利用了Adobe Camer Raw来进行放大，获得的图像，和原生6100万像素的fpL拍摄的照片对比，画质会有如何的区别。

我没有做严谨的对比，只是拿自己的手办做了拍摄的比较，但我在网上找到了根我有同样想法的日本玩家，他做了更加严谨的对比，严格控制了拍摄的条件，在同样镜头、光圈、快门速度的参数下进行了静物的拍摄。

左边是fp拍摄的2500万像素的图片，等比放大后，和右边fp L的照片对比细节，两张图都放大了100%并且进行了比例调整，可以看出，fp通过AI超分辨率算法放大到1亿像素后的图片，完全不输原生6100万的照片的细节。

而这张照片的计算，大概只需要短短6秒钟时间。

而我也同时拥有fp和fp L，自己也进行了一些测试，认为日本友人的测试结果是真实的，利用普通的2500万像素的相机拍照，进行AI超分辨率放大，确实可以靠运算获得更高细节，并且自然真实的照片效果，尤其是用Gigapixel AI这款软件放大后效果尤为显著，真的是不输给原生效果的强大。

不过，原生画质像素过低，目前的技术还是无法还原到超清晰的效果，例如你用一张几十万像素的图片，还是没法运算出原生高清晰的照片的效果，但基本在1000万像素以上，就可以还原出接近原生2000万像素甚至更高拍下的照片的细节，不信可以自己测试。

过去AI超分辨率算法有一个硬伤，就是计算太慢，太吃资源。Gigapixel AI目前来说计算也非常吃资源，使用的时候显卡和CPU的占用率高，速度不能算快，1080p的照片算成4K，我的笔记本大概也要十来秒的时间，但Camer
Raw的AI超分辨率的算法尽管牺牲了一些画质，但速度却快许多。2500万像素的照片放大到1亿像素用笔记本也只要10秒左右，低分辨的照片更是快速，利用这个算法，可以批量快速优化一些低分辨率的照片来达到提高视频画质的效果。

那么你说，原生就能拍出6100万像素的照片，也不需要超分辨率，不是更香？一点也不香啊亲！笔者用过索尼的A7R4拍夜景，由于超高的6100万像素的关系，一是糊片率高，二是早点比起A73要明显多许多。A73高感上到12800，一般不需要刻意降噪，夜景也是可以用的。但A7R4上到iso 6400，暗部噪点就非常明显了。高像素牺牲的是高感性能，和更低的出片率。稍微抖动一些照片就糊了。

而且超高像素的传感器，会牺牲视频画质。2500万像素左右的传感器，现在一般采用超采样的方式获取4K视频，画质锐利，没有锯齿。而如果用到6100万像素的超多像素的传感器，处理器来不及读取，只能降低要求使用跳采，A7R4也需要进入APS-C模式才可以超采视频，浪费了传感器的使用率。而如果要同时保持超高分辨率，又要用超采，那结果就变成了索尼A-1那样，价格直接翻好几倍……

所以吧，超高像素带来的一些代价，在技术的限制面前，也就不这么香了。用低分的照片，利用AI超分辨率算法提高细节，这种后期弥补的办法，无疑是这个时代才有的特权。