> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/french/function-blocks/blocks-reference/ai-blocks/super-resolution.md).

# Super Resolution

Ce bloc de fonction améliore la qualité d'image en augmentant la résolution des images d'entrée à l'aide de modèles de super-résolution pré-entraînés. Choisissez un modèle adapté à vos besoins en termes de rapidité et de qualité, puis fournissez une image pour obtenir un résultat agrandi.

## 📥 Entrées

`Image Any`\
La prise qui accepte l'image que vous souhaitez améliorer.

## 📤 Sorties

`Image Any`\
L'image agrandie / améliorée produite par le bloc.

## 🕹️ Contrôles

`SuperResolution Type`\
Un menu déroulant pour sélectionner le modèle d'upscaling et le facteur d'échelle. Les options proposent différents compromis vitesse/qualité, par exemple `BEST_x2`, `MEDIUM_x4`, `FAST_x3`, et `FASTEST_x2`. Sélectionnez l'option qui correspond à votre matériel et à vos contraintes de latence.

## 🎨 Fonctionnalités

* Upscaling avec plusieurs choix de modèles offrant différents niveaux de qualité et de performance.
* Accélération matérielle possible pour des traitements plus rapides si un GPU compatible est disponible.
* Flux simple une entrée / une sortie pour une intégration facile dans des pipelines existants.

## ⚙️ Mécanisme d'exécution

* Choisissez un modèle dans le contrôle `SuperResolution Type`.
* Lors de l'exécution, le bloc applique le modèle d'upscaling sélectionné à l'image entrante et renvoie l'image agrandie.
* Des facteurs d'échelle plus élevés et des modèles de meilleure qualité nécessitent plus de temps de traitement et de mémoire.

## 📝 Instructions d'utilisation

1. Connectez une source d'image à l'entrée `Image Any`.
2. Utilisez le menu `SuperResolution Type` pour choisir un modèle et un facteur d'échelle (par exemple x2, x3 ou x4).
3. Exécutez votre scénario pour obtenir l'image agrandie en sortie sur `Image Any`.
4. Prévisualisez le résultat avec un display ou sauvegardez-le avec un bloc d'exportation.

## 💡 Astuces

* Si vos images d'entrée sont très grandes et que le traitement est lent, utilisez `Image Resizer` pour réduire la taille avant l'upscaling, ou choisissez un modèle de plus faible facteur comme `FASTEST_x2`.
* Pour inspecter visuellement le résultat, connectez la sortie à `Show Image` afin de prévisualiser l'image améliorée de manière interactive.
* Pour enregistrer les images traitées, connectez la sortie à `Image Logger` ou `Image Write`.
* Appliquez la super-résolution seulement aux régions importantes pour économiser des ressources : recadrez avec `Image ROI Select` ou `Get ROI`, exécutez la super-résolution sur la région recadrée, puis réintégrez si nécessaire.
* Pour des tâches en aval qui bénéficient d'un meilleur détail (reconnaissance d'objets petits ou lecture de texte), essayez de connecter la sortie à `Object Detection (D-FINE)`, `Object Detection`, `OCR (EasyOCR)` ou `OCR` pour améliorer la précision.
* Si vous devez maximiser le débit de détection, trouvez un équilibre qualité/vitesse : préférez les modèles `MEDIUM_*` ou `FAST_*` pour des performances en temps réel.

## 🛠️ Dépannage

* GPU out of memory ou temps de traitement trop longs
  * Essayez une option plus légère dans la liste `SuperResolution Type`, par exemple `FASTEST_x2`, ou réduisez la taille de l'image d'entrée avec `Image Resizer`.
  * Fermez les autres applications gourmandes en GPU avant d'exécuter le pipeline.
* Le rendu ne change pas ou des artefacts apparaissent
  * Essayez un autre modèle/facteur d'échelle. Les modèles de meilleure qualité améliorent les détails mais peuvent produire des artefacts différents selon le contenu.
  * Envisagez un prétraitement avec `Denoising`, `Blur` ou `Image Resize` pour améliorer la qualité d'entrée avant l'upscaling.
* Évaluation lente sur de nombreuses images
  * Utilisez `Batch Processing` pour contrôler l'utilisation de la mémoire et le débit, ou n'upscalez que des ROIs sélectionnées avec `Image ROI Select`.

## 📊 Évaluation

À l'exécution, le bloc produit une seule image agrandie reflétant le modèle et le facteur d'échelle choisis. Les performances dépendent du modèle sélectionné, de la taille de l'image et du matériel disponible.