Super Resolution

Esta función mejora la calidad de imagen escalando las imágenes de entrada usando modelos preentrenados de super-resolución. Elige un modelo según tus necesidades de velocidad y calidad, y proporciona una imagen para obtener un resultado ampliado.

📥 Entradas

Image Any Este conector acepta la imagen que deseas mejorar.

📤 Salidas

Image Any La imagen ampliada/mejorada producida por el bloque.

🕹️ Controles

SuperResolution Type Un desplegable para seleccionar el modelo de ampliación y el factor de escala. Las opciones representan distintos compromisos entre velocidad y calidad. Ejemplos: BEST_x2, MEDIUM_x4, FAST_x3, FASTEST_x2. Selecciona la opción que se ajuste a tu hardware y requisitos de latencia.

🎨 Características

• Escalado con múltiples modelos que ofrecen distintos niveles de calidad y rendimiento.

• Soporte de aceleración por hardware para procesamiento más rápido cuando hay GPU compatible.

• Flujo simple de una entrada / una salida para fácil inserción en pipelines existentes.

⚙️ Mecanismo de ejecución

• Elige un modelo desde el control SuperResolution Type.

• Al ejecutarse, el bloque aplica el modelo seleccionado a la imagen entrante y sale la imagen ampliada.

• Factores de escala mayores y modelos de mayor calidad requieren más tiempo de procesamiento y memoria.

📝 Instrucciones de uso

1. Conecta una fuente de imagen al input Image Any.

2. Usa el desplegable SuperResolution Type para escoger un modelo y escala (por ejemplo x2, x3 o x4).

3. Ejecuta tu escenario para generar la imagen ampliada en la salida Image Any.

4. Previsualiza el resultado con un display o guárdalo con un bloque exportador.

💡 Consejos y trucos

• Si las imágenes de entrada son muy grandes y el procesamiento es lento, usa Image Resizer para reducir el tamaño antes de ampliar, o elige un modelo de menor escala como FASTEST_x2.

• Para inspeccionar el resultado visualmente, conecta la salida a Show Image para previsualizar la imagen mejorada de forma interactiva.

• Si quieres guardar imágenes procesadas para revisión posterior, conecta la salida a Image Logger o Image Write.

• Aplica super-resolución solo a regiones importantes para ahorrar recursos: recorta con Image ROI Select o Get ROI, ejecuta super-resolución en la región recortada y luego vuelve a unir si es necesario.

• Para tareas posteriores que se beneficien de más detalle (detección de objetos pequeños o lectura de texto), conecta la salida a Object Detection (D-FINE), Object Detection, OCR (EasyOCR) o OCR para mejorar la precisión.

• Si debes maximizar el rendimiento, equilibra calidad y velocidad: prefiere modelos MEDIUM_* o FAST_* cuando la ejecución en tiempo real sea importante.

🛠️ Solución de problemas

• GPU fuera de memoria o tiempos de procesamiento largos

  • Prueba una opción más ligera de la lista SuperResolution Type como FASTEST_x2 o reduce el tamaño de la imagen de entrada con Image Resizer.

  • Cierra otras aplicaciones que consuman GPU antes de ejecutar el pipeline.

• La salida no cambia o aparecen artefactos

  • Prueba otro modelo/escala. Modelos de mayor calidad mejoran detalles pero pueden introducir artefactos según el contenido.

  • Considera preprocesar con Denoising, Blur o Image Resize para mejorar la calidad de entrada antes de ampliar.

• Evaluación lenta con muchas imágenes

  • Usa Batch Processing para controlar uso de memoria y rendimiento, o amplía solo ROIs seleccionadas usando Image ROI Select.

📊 Evaluación

Al ejecutarse, el bloque produce una sola imagen ampliada según el modelo y escala elegidos. El rendimiento depende de la elección del modelo, el tamaño de la imagen y el hardware disponible.