> 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/funktionsblocke/blocks-reference/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.