在移动端阅读新闻时，人们对高分辨率、高质量图像的要求越来越高。然而，由于网络流量、存储、图像来源等诸多因素，用户无法轻易获得高质量的图像。移动显示设备获取高分辨率图片的问题亟待解决。不久前，HMSCore新闻DemoApp针对新闻垂直领域的阅读体验做了一系列更新和优化，包括图片超分辨率。图像超分辨率（SuperResolution）是指从给定的低分辨率（LR）图像中恢复出高分辨率（HR）图像的过程，是计算机视觉图像增强领域的一个重要研究方向。HMSCore新闻DemoApp利用服务机器学习服务的图片超分辨率能力，解决用户观看新闻素材时画面不清晰的问题。用户在新闻阅读界面点击图片，可以看到图片菜单显示“使用ML服务进行图像超分辨率”，点击即可快速收获优质图片。它还支持图片的下载和保存。对于同样大小的图片，图片超分辨率后分辨率一般提升100%~300%，可以有效解决图片分辨率低影响用户浏览体验的痛点。技术背景那么，HMSCore机器学习服务的图像超分辨率能力是如何实现的呢？一般来说，对于图像分辨率不足的问题，传统的解决方案主要是基于插值的超分辨率重建和基于退化模型的超分辨率重建。基于插值的超分辨率重建方法通常提供过于平滑的重建图像，通过最近邻插值法、双线性插值法和双三次插值法补充丢失的像素细节来增强图像的分辨率。基于退化模型的超分辨率重建方法从高分辨率到低分辨率图像的退化退化模型出发，通过提取低分辨率图像中的关键信息，结合未知超分辨率图像的先验知识.约束超分辨率图像生成的知识。然而，传统的解决方案存在计算成本高、性能不稳定等问题。随着人工智能，特别是深度学习在计算机视觉领域的广泛应用，人们开始探索用智能的方法来克服传统技术的诸多弊端，例如基于深度学习的超分辨率算法。基于深度学习的方法是利用大量的训练数据来学习低分辨率图像和高分辨率图像之间的某种对应关系。然后根据学习到的映射关系预测低分辨率图像对应的高分辨率图像，从而实现图像的超分辨率重建过程。技术优势HMSCore机器学习服务的超分辨率算法基于深度神经网络，依托硬件神经网络加速器提供适合移动端的1x和3x超分辨率能力。1x超分辨率，在不改变分辨率的情况下去除压缩噪声，获得更锐利、更干净的画面；3倍超分辨率有效抑制压缩噪声，并采用智能方式对其进行放大，使其分辨率更高，提供3倍放大，可以获得更清晰的细节和质感。而且，超分算法依托华为手机强大的NPU芯片，超分高达800x600的图像仅需不到600毫秒，比纯CPU计算快近50倍。超分辨率API额外的ROM和RAM消耗也很小。内置在华为手机中，可以有效减小应用的体积，让应用更加便携。由此可见，HMSCore机器学习服务图像超分辨率能力在计算机视觉中的广泛应用，具有画质高、速度快、超轻量级的技术优势，可以有效抑制压缩噪声，节约成本存储和流量。在图片分辨率不够的情况下，放大小图的体验大大提升。除了在新闻阅读场景中提升阅读体验外，图像超分辨率还可以应用于医学影像、天文观测、生物特征信息识别等领域。提供实用高效的解决方案。更多详情>>访问华为开发者联盟官网获取开发指导文档华为移动服务开源仓库地址：GitHub、Gitee关注我们，第一时间了解HMSCore最新技术资讯~
