图片智能放大

复制import cv2
import numpy as np
from realesrgan import RealESRGANer
from basicsr.archs.rrdbnet_arch import RRDBNet

# 初始化 Real-ESRGAN 模型
model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=4)
upsampler = RealESRGANer(scale=4, model_path='RealESRGAN_x4plus.pth', model=model, tile=0, tile_pad=10, pre_pad=0)

# 读取低分辨率图片
img = cv2.imread('input.jpg', cv2.IMREAD_COLOR)
if img is None:
    raise FileNotFoundError('input.jpg not found')

# 执行超分辨率（4x 放大）
output, _ = upsampler.enhance(img, outscale=4)
cv2.imwrite('output_4x.jpg', output)
print('超分完成，输出尺寸:', output.shape[:2])

复制package main

import (
	"fmt"
	"image"
	"image/jpeg"
	"os"
	"github.com/disintegration/imaging"
)

func main() {
	// 打开低分辨率图片
	src, err := imaging.Open("input.jpg")
	if err != nil {
		panic(fmt.Sprintf("打开图片失败: %v", err))
	}

	// 使用 Lanczos 算法 4x 放大（模拟超分效果）
	dst := imaging.Resize(src, src.Bounds().Dx()*4, src.Bounds().Dy()*4, imaging.Lanczos)

	// 保存结果
	outFile, _ := os.Create("output_4x.jpg")
	defer outFile.Close()
	jpeg.Encode(outFile, dst, &jpeg.Options{Quality: 95})
	fmt.Printf("放大完成: %dx%d → %dx%d\n", src.Bounds().Dx(), src.Bounds().Dy(), dst.Bounds().Dx(), dst.Bounds().Dy())
}

复制const sharp = require('sharp');

async function upscaleImage() {
  try {
    // 读取低分辨率图片
    const metadata = await sharp('input.jpg').metadata();
    
    // 4x 放大（使用 sharp 内置插值算法）
    await sharp('input.jpg')
      .resize(metadata.width * 4, metadata.height * 4, {
        kernel: 'lanczos3',  // 高质量插值
        fit: 'fill'
      })
      .jpeg({ quality: 95 })
      .toFile('output_4x.jpg');
    
    console.log(`放大完成: ${metadata.width}x${metadata.height} → ${metadata.width*4}x${metadata.height*4}`);
  } catch (err) {
    console.error('处理失败:', err.message);
  }
}

upscaleImage();