2022年初，联发科为用户们带来了两款旗舰级别的芯片：天玑8000系列和天玑9000系列，其中性能以后者更优，代表着目前安卓性能的巅峰表现，有“一款手机用五年”的实力。

今天，笔者选择了市面上两款正在热卖的天玑9000手机：Redmi K50 Pro和vivo X80标准版来做个简单上手比较，两款机型售价都在3000元左右，咱们尽量少提参数，多聊体验。

颜值：雾面玻璃 VS 素皮

我们先回顾一下两款机型全部的配色种类：

Redmi K50 Pro有墨羽（黑）、银迹（银）、幻镜（蓝）和幽芒（绿）四种配色，雾面玻璃材质，我们拿到的是银迹版本；

vivo X80有至黑（萤石AG工艺）、假日（青）以及旅程（橙，后两款均为素皮材质）三种配色，我们拿到的是旅程版本。

上手这两款机型使用半小时后，K50 Pro背部的这块雾面玻璃一体感不错，从不同的角度看上去都能闪烁出不同的色调，但塑料中框给人的观感还是差上一些；

机身左下角的“Redmi”标志采用了镀银+浮空的设计，颇有新意。但成也材质败也材质，该机比较沾指纹，尤其是在手游之后，机身后盖全是大指纹子。

相对来说，vivo X80采用的素皮材质算是彻底解决了机身后盖沾指纹这一大问题。vivo的素皮材质在经过几代旗舰的打磨之后品质确实不错，摸上去比较细腻，机身下方的vivo logo也闪晶晶的。

两部手机的logo细节

后摄模组方面，Redmi K50 Pro仍采取了中规中矩的阶梯式“方圆对撞”设计，三个镜头呈品字形排列，保持了大小一致的观感。我本人是不太喜欢这种品字形设计，看起来有点像虫类复眼。

vivo X80的机身背部影像模组直接占据机身大半面积，整体更为扁平，观感更加轻质化。用圆形划分出来的摄像头部分，旁边留有标志性的“vivo蔡司联合研发”的丝印信息，机身背部辨识度较高。

两款机型的薄厚、重量都差不多（201g & 203g）。两款机型的外观用一句话概括的话，就是“Redmi K50 Pro偏干练性能，vivo X80偏旗舰大气”，两者各有各的优点。如果你跟我一样都是手游玩家，还是选择X80吧，素皮不沾指纹。

性能：天玑9000真的很顶

接下来咱们来聊价比党们最关注的性能部分。前文也提到了两款手机均搭载了联发科天玑9000旗舰5G芯片，究竟它们游玩大型游戏的表现如何呢？我们来简单测测看：

Redmi K50 Pro的安兔兔跑分大概在95万分，GeekBench单核1301分，多核4494分，《原神》超高画质+60帧设定进行30分钟测试结果如下：

《原神》30分钟游戏帧率

平均54.8分这个成绩还算中规中矩，前15分钟能在57帧左右徘徊，但在后15分钟可以看到K50 Pro进行了2次强行降频，30秒后再还原，在游戏过程中是可以很轻易地感受到的。测试之后机身最高温度一度来到49度左右，平均温度还能维持到45度。

vivo X80这边除了天玑9000之外，还额外内置了一颗vivo自研芯片V1+，能部分分担SoC GPU的压力，以及插帧、补帧等工作。该机的《原神》30分钟成绩如下：

《原神》30分钟游戏帧率

在插帧、补帧等操作的加持之下，vivo X80最高能带来90帧原神、120帧吃鸡的画面观感。

vivo X80在自研芯片V1+的加持下还支持鹰眼显示，可以自由调节游戏场景内的显示效果，使过亮与过暗的场景平衡，增加画面显示细节，获得更加优质的观感。

vivo X80搭载了4285mm2超大面积VC液冷散热系统，整体导热系数高达10000，导热能力是普通石墨烯导热材料的10倍左右。在该技术的加持下vivo X80在30分钟《原神》之后机身平均温度在45度左右，开启优化功耗模式后平均温度降低至44度，整体表现良好。

如果你要问我哪款手机更适合手游玩家，我认为vivo X80还是略胜一筹的，因为其提供的功能更丰富。不过Redmi K50 Pro在天玑9000芯片的加持下游戏性能也是非常优秀的，毕竟不是每个人都极高画质跑《原神》，《光明山脉》这种质检游戏的。

既然前文提到了正面显示，这里我们就详细看看两款机型的屏幕观感怎么样。先上图：

两款手机都采用中置挖孔前摄，Redmi K50 Pro采用了2K分辨率三星AMOLED柔性直屏，支持120Hz高刷，获得了16项DisplayMate A+认证，局部峰值亮度1200nits，不过不支持LTPO是个小小的遗憾；

vivo X80搭载的是低功耗E5材质微曲超感屏，分辨率，支持120Hz高刷、局部峰值亮度1500nits，自研芯片V1+搭配天玑9000芯片还能完成SDR-HDR的画面转变。

从30分钟的游戏体验中，两款手机的屏幕观感都很优秀，Redmi K50 Pro的直屏比较“直男”，2K显示清晰；X80的微曲屏摸上去比较润滑，E5材质更加低耗，萝卜青菜各有所爱吧。

影像：拍摄素质并不只是看像素数量的

虽然有很多性价比党都曾表示“手机后摄也就扫个码”，但很多年轻用户都对手机的拍照性能还是比较在意的。Redmi K50 Pro在发布时，卢伟冰对Redmi K50 Pro的1亿像素高素质OIS主摄赞不绝口，但另外两颗800万像素超广+200万像素微距未免有些凑数了。

Redmi K50 Pro的主摄采用了HM2传感器，由于高像素的加持拍摄出来的画面放大之后细节也比较清晰，不过拍出来的照片画面有些“寡淡”，在放大之后画面亮度低，暗部细节也有所丢失。

vivo X80这边的表现就要亮眼很多了。该系列延续了与蔡司之间的合作，后置三摄分别为5000万像素索尼IMX866 RGBW大底主摄，支持OIS光学防抖+1200万像素IMX663传感器超广角镜头以及1200W像素IMX663传感器人像镜头，三款镜头全都有蔡司T*镀膜加持。

相比Redmi K50 Pro的主摄出片，vivo X80拍出来的画面更加艳丽，色彩更加丰富，内置的蔡司自然色彩2.0可以为大家带来更精准的色彩还原，看起来更加自然。

X80系列中，主芯片负责常规拍摄工作，在诸如夜景视频拍摄等高强度计算摄影的应用场景下，自研芯片V1+会负责提亮降噪及实时预览。这种分配协作有效降耗，提升计算效率，但实践起来非常复杂。

相对来说，Redmi K50 Pro相比vivo X80显得更加直男，将“性能/价格”的性价比打到了一个非常适合购买的程度，不过其缺乏了部分旗舰机应有的配置（比如影像、LTPO、屏下指纹解锁等）；

vivo X80则更加全面，其表现甚至可以“吊打”同行的大杯产品，在性能还是在影像方面都展现出了极高的水平，也搭载了更多同级竞品缺失的功能。

如果预算充足，建议直接购入vivo X80即可，预算不足的用户可以选择搭载天玑8100芯片的手机购买。

本发明涉及数字图像处理技术领域，具体为一种用于提高图片分辨率和清晰度的方法。

图像分辨率指图像中存储的信息量，是每英寸图像内有多少个像素点，分辨率的单位为ppi(pixelsperinch)通常被叫做像素每英寸。通常图像分辨率越高代表着图像中包含的细节就越多，信息量也越大。图像分辨率分为空间分辨率和时间分辨率。通常，分辨率被表示成每一个方向上的像素数量，例如64*64的二维图像。但分辨率的高低其实并不等同于像素数量的多少，例如一个通过插值放大了5倍的图像并不表示它包含的细节增加了多少。图像超分辨率重建关注的是恢复图像中丢失的细节，即高频信息。在大量的电子图像应用领域，人们经常期望得到高分辨率(简称hr)图像。但由于设备、传感器等原因，我们得到的图像往往是低分辨率图像(lr)。增加空间分辨率最直接的解决方法就是通过传感器制造技术减少像素尺寸(例如增加每单元面积的像素数量)；另外一个增加空间分辨率的方法是增加芯片的尺寸，从而增加图像的容量。因为很难提高大容量的偶合转换率，所以这种方法一般不认为是有效的，

由于在实际应用过程中，拍的照片可能会出现虚焦、模糊等情况，现有技术对此问题的解决效果并不理想，生成的图片会有很多瑕疵。本发明设计了一种用于提高图片分辨率和清晰度的方法，通过图像超分辨率技术提升图片的清晰度和信息量，以解决上述提到的问题。

本发明的目的在于提供一种用于提高图片分辨率和清晰度的方法，以解决上述提到的问题。

为实现上述目的，本发明提供如下技术方案：一种用于提高图片分辨率和清晰度的方法，所述的方法包括以下步骤：

s1：模糊图像的特征提取：将模糊图像缩放成一定大小的图片，通过一连串的卷积下采样进行模糊图像的特征抽取，得到从上到下一系列的特征图；

s2：高清图像的重建：对从下到上一系列的特征图通过反卷积进行上采样，最后将尺寸逐步放大至原图大小；

s3：模糊图像到高清图像的特征映射：将模糊图像特征抽取得到从上到下一系列的特征图和高清图像重建得到从下到上一系列的特征图对应起来，即进行模糊图像到高清图像的特征映射。

优选的，在所述s1中，相邻两组特征图采取的处理方法如下：

s1.1：将上层特征图等分成四份；

s1.2：对每一份均采样1*1的卷积核进行卷积；

s1.3：将卷积完的结果和卷积前的结果相叠加；

s1.4：将处理完的四份结果拼接起来；

s1.5：将拼接后的特征图采用3*3的卷积核卷积并进行下采样得到下层特征图。

优选的，所述进行模糊图像到高清图像的特征映射是通过特征图叠加的方式进行的。

与现有技术相比，本发明的有益效果是：该种用于提高图片分辨率和清晰度的方法通过神经网络技术，对低分辨率/模糊的图像进行特征提取和重构，重新生成超分辨率/更为清晰的图像；采用下采样获取特征图，再将多个尺度的特征图叠加配合图像上采用的方法，使得图片的分辨率和清晰度大大提升；可以对低分辨率光学系统下拍摄出来的照片质量进行提升。对图片做清晰度增强之后，用户体验大大提升，且后续的图片分类图片识别等都准确率有所提升。

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明模糊图像的特征提取实施例示意图；

图2为本发明相邻两组特征图采取的处理方法实施例示意图；

图3为本发明高清图像的重建实施例示意图；

图4为本发明高模糊图像到高清图像的特征映射实施例示意图。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明提供一种技术方案：一种用于提高图片分辨率和清晰度的方法，所述的方法包括以下步骤：

s1：模糊图像的特征提取：将模糊图像缩放成224*224*3大小的图片，通过一连串的卷积下采样进行模糊图像的特征抽取，得到从上到下一系列的特征图，请参阅图1；

请参阅图2，在所述s1中，相邻两组特征图采取的处理方法如下：

s1.1：将上层特征图等分成四份；

s1.2：对每一份均采样1*1的卷积核进行卷积；

s1.3：将卷积完的结果和卷积前的结果相叠加；

s1.4：将处理完的四份结果拼接起来；

s1.5：将拼接后的特征图采用3*3的卷积核卷积并进行下采样得到下层特征图。

s2：高清图像的重建：对从下到上一系列的特征图通过反卷积进行上采样，最后将尺寸逐步放大至原图大小，请参阅图3，其中每个方框为普通的反卷积；

s3：模糊图像到高清图像的特征映射：将模糊图像特征抽取得到从上到下一系列的特征图和高清图像重建得到从下到上一系列的特征图对应起来，即进行模糊图像到高清图像的特征映射。所述进行模糊图像到高清图像的特征映射是通过特征图叠加的方式进行的，请参阅图4。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

1.一种用于提高图片分辨率和清晰度的方法，其特征在于：所述的方法包括以下步骤：

s1：模糊图像的特征提取：将模糊图像缩放成一定大小的图片，通过一连串的卷积下采样进行模糊图像的特征抽取，得到从上到下一系列的特征图；

s2：高清图像的重建：对从下到上一系列的特征图通过反卷积进行上采样，最后将尺寸逐步放大至原图大小；

s3：模糊图像到高清图像的特征映射：将模糊图像特征抽取得到从上到下一系列的特征图和高清图像重建得到从下到上一系列的特征图对应起来，即进行模糊图像到高清图像的特征映射。

2.根据权利要求1所述的一种用于提高图片分辨率和清晰度的方法，其特征在于：在所述s1中，相邻两组特征图采取的处理方法如下：

s1.1：将上层特征图等分成四份；

s1.2：对每一份均采样1*1的卷积核进行卷积；

s1.3：将卷积完的结果和卷积前的结果相叠加；

s1.4：将处理完的四份结果拼接起来；

s1.5：将拼接后的特征图采用3*3的卷积核卷积并进行下采样得到下层特征图。

3.根据权利要求1所述的一种用于提高图片分辨率和清晰度的方法，其特征在于：所述进行模糊图像到高清图像的特征映射是通过特征图叠加的方式进行的。

本发明公开了一种用于提高图片分辨率和清晰度的方法，所述的方法包括以下步骤：S1：模糊图像的特征提取：将模糊图像缩放成一定大小的图片，通过一连串的卷积下采样进行模糊图像的特征抽取，得到从上到下一系列的特征图；S2：高清图像的重建：对从下到上一系列的特征图通过反卷积进行上采样，最后将尺寸逐步放大至原图大小；S3：模糊图像到高清图像的特征映射：将模糊图像特征抽取得到从上到下一系列的特征图和高清图像重建得到从下到上一系列的特征图对应起来，即进行模糊图像到高清图像的特征映射，通过神经网络技术，对低分辨率/模糊的图像进行特征提取和重构，重新生成超分辨率/更为清晰的图像。

技术研发人员：王文;毕兴忠;陈继红;亓兴华;伏广伟;王政;张珍竹;刘建勇
受保护的技术使用者：广州冠图视觉科技有限公司;中国纺织工程学会;佛山中纺联检验技术服务有限公司