图像重建工具软件设计与实现

赵佳英

（浙大宁波理工学院图书与信息技术中心，浙江 宁波315199）

近年来，超分辨率图像重建技术主要分为3 类：一类是基于插值的，一类是基于重建的，另一种是基于学习的重建方法。目前，大多重建算法是基于样本学习的，其通过大量的训练数据，在神经网络模型中学习低分辨率和高分辨率图像之间的某种对应的映射关系，最后通过训练得到的模型来重建图像数据。1984年，图像超分辨率重建的概念被TSAI 等人首次提出；2016 年，DONG 等人提出了基于深度学习的卷积神经网络的超分辨率算法SRCNN；2017 年，LEDIG 等人结合生成对抗网络提出了SRGAN 算法，在重构图像细节上有了更好的表现[1]。

本文设计开发的图像重建工具软件就是支持SRResNet 和SRGAN 算法的图像重建工具，利用Tkinter 库设计用户图像界面客户端，加载训练得到的算法模型，将用户上传的低分辨率图像转换为超分辨率图像，软件支持png、jpg 等多种图像格式，并支持图像处理结果的下载保存。

1 相关技术与理论

1.1 Python 相关库

本文使用的Python 版本为Python3.7。Pytorch 作为Python 的一个开源机器学习库，是一个相当简洁且高效快速的框架，能够支撑GPU 加速的张量计算和支持自动求导系统的深度神经网络。Tkinter 是Python 的标准GUI 工具包接口，支持按钮、消息、标签等多种控件，为开发本文工具软件的基础客户端窗口提供了基础库支持。Pillow 是Python 一个非常好用的图像处理库，提供了基础的图像处理功能，例如图像裁剪、调整大小等，软件在图像加载、图像大小显示等方面提供了库支持。……