谷歌為何對Pixel 3單攝有信心？看看拍照實現過程就知道了

在進行處理后，連拍中手掌震顫的結果

為了利用手部抖動的優(yōu)勢，我們首先需要將高速連拍的照片排列在一起，我們選擇高速連拍圖像中的單個圖像作為“基”或參考幀，并對齊與之相關的所有其他幀。對齊后，這些圖像大致結合在一起。當然，手部運動不太可能將圖像精確地移動單個像素，因此我們需要在每個新捕獲的幀中插入相鄰像素，然后將顏色注入基幀的像素網格中。

當由于設備是完全穩(wěn)定的(例如放置在三腳架上)而沒有出現手部運動時，我們仍然可以通過故意“抖動”相機來達到模擬自然手部運動的目的，通過強迫OIS模塊在鏡頭之間輕微移動。這個移動非常小，選擇的時候不會干擾正常的照片——但是你可以在Pixel 3上自己觀察它，你可以把手機完全固定，比如把它按在窗口上，或者最大限度地縮放取景器。如下圖所示，可以觀察遠處物體微小但連續(xù)的橢圓運動。

克服超分辨率的挑戰(zhàn)

以上是我們對理想過程的描述，聽起來很簡單，但是要實現超分辨率并不是那么容易。有很多原因導致沒有被廣泛應用到手機等消費產品中，例如其需要大量的算法創(chuàng)新。挑戰(zhàn)可以包括:

即使在良好的光照條件下，連拍的單個圖像也是有噪聲的。一個實用的超分辨率算法需要意識到這種噪音，并正確工作。我們不想只得到更高分辨率的噪聲圖像——我們的目標是既提高分辨率，又能產生更小的噪聲。

左：在良好的光照條件下拍攝的單幀圖像，由于曝光不足，仍然可能包含大量的噪聲。右：連拍處理后合并多幀的結果。
在連拍的圖像之間的運動不僅僅局限于相機的運動，可能有復雜的場景中運動如風吹動的樹葉、水面漣漪、汽車、人的面部變化、火焰的閃爍——甚至一些不能被視為獨立運動的如吸煙。一般來說，完全可靠和局部對準是不可能的，因此即使運動估計不完美，一個好的超分辨率算法也要能用。

因為大多數運動是隨機的，即使有良好的對齊，數據可能在圖像的某些區(qū)域密集，而在其他區(qū)域稀疏。超分辨率的關鍵是一個復雜的插值問題，因此數據的不規(guī)則傳播使得在網格的各個部分生成更高分辨率的圖像具有挑戰(zhàn)性。

以上所有的挑戰(zhàn)似乎都使得超分辨率在實踐中不可行，或者充其量只能局限于靜態(tài)場景和放在三腳架上的相機。利用Pixel 3上的Super Res Room，我們開發(fā)了一種穩(wěn)定、精確的連拍分辨率增強方法，它使用自然的手部運動，并且足夠強大，可以部署在手機上。

以下是我們解決上述挑戰(zhàn)的方法:

為了在高速連拍（Burst Photography）情況下有效地合并幀，并為每個像素生成一個紅色、綠色和藍色的值，而不需要進行除噪，我們開發(fā)了一種跨幀集成信息的方法，該方法考慮了圖像的邊緣，并相應地進行了調整。具體地說，我們分析輸入幀并調整我們如何將它們組合在一起，權衡增加的細節(jié)，分辨率，噪聲抑制和平滑。我們通過沿著明顯邊緣的方向合并像素，而不是跨越它們來實現這一點。效果是我們的多幀方法提供了噪音減少和細節(jié)的增強之間的最佳平衡。
為了使算法能夠可靠地處理復雜的局部運動場景(人、車、水或樹葉移動)，我們開發(fā)了一個魯棒性模型來檢測和減輕對齊誤差。我們選擇一幀作為“參考圖像”，并只有當我們確信我們找到了正確的對應特征才將來自其他幀的信息合并到它。通過這種方式，我們可以避免像“重影”或運動模糊，或者是錯誤地合并圖像的部分。

一輛快速行駛的公共汽車的連拍圖像。左:沒有魯棒性模型下合并。右:有魯棒模型下合并

推動移動攝影技術的發(fā)展

去年谷歌推出的人像模式(Portrait mode)，以及之前HDR+ pipeline都展示了移動攝影的優(yōu)越性。今年，我們從變焦下手。Super Res Room能提高計算機攝影技術水平，同時縮小移動攝影和數碼單反之間的質量差距。

超分辨率的概念比智能手機的出現早了至少10年。在幾乎同樣長的時間里，它也通過電影和電視在公眾的想象中存在，它也是學術期刊和學術會議上成千上萬篇論文的主題。現在，在你手掌中的Pixel 3里，超分辨率真實存在。

如何最大限度地利用Super Res Room?

這里有一些關于如何在Pixel 3的手機上使用Super Res Room的技巧：

縮放再縮放，或者使用+按鈕增加縮放的離散步驟。

雙擊預覽以快速切換縮放和縮小。

Super Res可以在所有縮放系數下工作，不過出于性能原因，它只激活了1.2倍以上。

Pixel的廣角攝像機的光學分辨率有基本的限制。因此，為了最大限度地利用縮放，請保持放大系數適中。

避免快速移動的物體。Super Res Room能正確捕捉它們，但你不可能得到更高的分辨率。