111、退化模型深度研究：从双三次下采样到复杂退化核的模拟

111、退化模型深度研究：从双三次下采样到复杂退化核的模拟上周调试一个真实场景的超分模型，客户发来一段监控视频，说我们的模型把车牌上的数字“8”重建成了“3”。我盯着结果看了半天，模型在公开数据集上PSNR明明很高，怎么一到真实场景就翻车？后来发现，问题出在退化模型上——训练时用的双三次下采样，跟真实世界的退化过程差了十万八千里。这件事让我下定决心，把退化模型这块彻底啃透。今天这篇笔记，就从最基础的退化模型讲起，一路深入到复杂退化核的模拟，全是实战中踩过的坑。退化模型：超分重建的“第一性原理”超分辨率重建本质上是个逆问题：给定低分辨率图像 y，我们要反推出高分辨率图像 x。但 y 是怎么来的？标准退化模型可以写成：y = (x ⊗ k) ↓s + n其中 k 是模糊核，↓s 是下采样操作，n 是噪声。这个公式看着简单，但每个组件都有门道。双三次下采样是学术界最常用的退化方式，也是我最早接触的。用OpenCV的cv2.resize加上INTER_CUBIC插值，一行代码搞定。但这里有个坑：很多论文里说的双三次下采样，其实是在频域做的，跟空间域实现有细微差别。我刚开始做实验时，用PIL的resize和OpenCV的resize结果对不上，排查了两天才发现是边界处理方式不同。后来统一用OpenCV的cv2.resize，并且固定了INTER_CUBIC参数。