> 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/german/function-blocks/ai-blocks/super-resolution.md).

# Super Resolution

Dieser Funktionsblock verbessert die Bildqualität, indem er Eingabebilder mit vortrainierten Super-Resolution-Modellen hochskaliert. Wählen Sie ein Modell entsprechend Ihren Anforderungen an Geschwindigkeit und Qualität und geben Sie ein Bild ein, um ein vergrößertes Ergebnis zu erhalten.

## 📥 Eingänge <a href="#inputs" id="inputs"></a>

`Image Any` Diese Buchse akzeptiert das Bild, das Sie verbessern möchten.

## 📤 Ausgänge <a href="#outputs" id="outputs"></a>

`Image Any` Das vom Block erzeugte hochskalierte/verbesserte Bild.

## 🕹️ Steuerungen <a href="#controls" id="controls"></a>

`SuperResolution Type` Ein Dropdown-Menü zur Auswahl des Upscaling-Modells und des Skalierungsfaktors. Die Optionen bieten verschiedene Kompromisse zwischen Geschwindigkeit und Qualität. Beispieloptionen sind `BEST_x2`, `MEDIUM_x4`, `FAST_x3` und `FASTEST_x2`. Wählen Sie die Option, die zu Ihrer Hardware und Ihren Latenzanforderungen passt.

## 🎨 Funktionen <a href="#features" id="features"></a>

* Upscaling mit mehreren Modelloptionen, die unterschiedliche Qualitäts- und Leistungsstufen bieten.
* Unterstützung für Hardwarebeschleunigung für schnellere Verarbeitung, wenn eine kompatible GPU vorhanden ist.
* Einfacher Ein-/Ausgabe-Flow zur leichten Einbindung in bestehende Pipelines.

## ⚙️ Funktionsweise <a href="#how-it-works" id="how-it-works"></a>

* Wählen Sie ein Modell über die Steuerung `SuperResolution Type`.
* Beim Ausführen des Blocks wendet er das gewählte Upscaling-Modell auf das eingehende Bild an und gibt das vergrößerte Bild aus.
* Größere Skalierungsfaktoren und höherwertige Modelle benötigen mehr Rechenzeit und Arbeitsspeicher.

## 📝 Nutzungshinweise <a href="#usage" id="usage"></a>

1. Verbinden Sie eine Bildquelle mit dem Eingang `Image Any`.
2. Wählen Sie im Dropdown `SuperResolution Type` ein Modell und einen Skalierungsfaktor (z. B. x2, x3 oder x4).
3. Führen Sie Ihr Szenario aus, um das hochskalierte Bild am Ausgang `Image Any` zu erzeugen.
4. Vorschau des Ergebnisses mit einem Anzeigeblock oder speichern Sie es mit einem Exporter-Block.

## 💡 Tipps und Tricks <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* Wenn Ihre Eingabebilder sehr groß sind und die Verarbeitung langsam ist, verwenden Sie `Image Resizer`, um die Bildgröße vor dem Upscaling zu reduzieren, oder wählen Sie ein kleineres Modell wie `FASTEST_x2`.
* Zur visuellen Kontrolle verbinden Sie den Ausgang mit `Show Image`, um das verbesserte Bild interaktiv zu betrachten.
* Um verarbeitete Bilder für spätere Überprüfungen zu speichern, verbinden Sie den Ausgang mit `Image Logger` oder `Image Write`.
* Wenden Sie Super Resolution nur auf wichtige Bereiche an, um Ressourcen zu sparen: mit `Image ROI Select` oder `Get ROI` zuschneiden, Super Resolution auf den zugeschnittenen Bereich anwenden und bei Bedarf wieder zusammenführen.
* Für nachgelagerte Aufgaben, die von mehr Auflösung profitieren (kleine Objekte oder Texterkennung), verbinden Sie den Ausgang mit `Object Detection (D-FINE)`, `Object Detection`, `OCR (EasyOCR)` oder `OCR`, um Erkennungs- und Erkennungsgenauigkeit zu verbessern.
* Wenn Sie den Durchsatz bei Erkennungen maximieren müssen, gilt es, Qualität und Geschwindigkeit abzuwägen: Bevorzugen Sie `MEDIUM_*` oder `FAST_*`-Modelle bei Echtzeitanforderungen.

## 🛠️ Fehlersuche <a href="#troubleshooting" id="troubleshooting"></a>

* GPU-Speicherfehler oder lange Verarbeitungszeiten
  * Wählen Sie eine leichtere Option aus der Liste `SuperResolution Type` wie `FASTEST_x2` oder reduzieren Sie die Eingabebildgröße mit `Image Resizer`.
  * Schließen Sie andere GPU-intensiven Anwendungen, bevor Sie die Pipeline ausführen.
* Ausgabe wirkt unverändert oder Artefakte erscheinen
  * Probieren Sie ein anderes Modell/Skalierungssetting. Höherwertige Modelle steigern Details, können aber je nach Bildinhalt andere Artefakte erzeugen.
  * Ziehen Sie Vorverarbeitung wie `Denoising`, `Blur` oder `Image Resize` in Betracht, um die Eingangsqualität zu verbessern.
* Langsame Verarbeitung bei vielen Bildern
  * Nutzen Sie `Batch Processing`, um Speicherverbrauch und Durchsatz zu steuern, oder skalieren Sie nur ausgewählte ROIs mit `Image ROI Select`.

## 📊 Bewertung <a href="#evaluation" id="evaluation"></a>

Bei Ausführung erzeugt der Block ein einzelnes hochskaliertes Bild entsprechend dem gewählten Modell und Skalierungsfaktor. Die Leistung hängt von der Modellwahl, der Bildgröße und der verfügbaren Hardware ab.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.augelab.com/german/function-blocks/ai-blocks/super-resolution.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.