谷歌Super Res Zoom：用算法突破移动摄影变焦极限
文 | 李诗
来自雷锋网（leiphone-sz）的报道
谷歌Pixel 3系列手机推出的AI拍照功能引发广泛关注，其中Super Res Zoom技术通过多帧图像融合实现高分辨率变焦，挑战传统光学变焦优势。该技术由谷歌计算成像领域首席科学家Peyman Milanfar与软件工程师Bartlomiej Wronski在Google Blog发布的技术博文详细解析。
传统数码变焦通过放大单帧图像像素实现，常导致画面模糊、细节缺失。而Super Res Zoom采用多帧合成技术，直接整合多个拍摄帧的信息，提升画面细节清晰度，其效果可媲美其他智能手机2倍光学变焦镜头。
2倍变焦：Pixel 2 vs. Super Res Zoom Pixel 3
数码变焦的挑战
传统插值方法难以恢复自然细节，虽机器学习可用于提升图像质量，但无法真正还原原始场景信息。Super Res Zoom则采用多帧图像融合方式，突破这一瓶颈。
彩色滤镜阵列和脱模
相机传感器仅捕捉部分颜色信息，需通过“脱模”（Demosaicing）重构完整色彩。多数设备使用插值法估算丢失数据，存在人工痕迹。Super Res Zoom借助高速连拍实现超分辨率，提升成像质量。
拜耳马赛克彩色滤镜工作原理
从高速连拍到多帧超分辨率
通过连续拍摄的细微位移图像合成更高分辨率图像，至少在2-3倍变焦范围内达到光学变焦效果。虽然此前已有应用于实验室环境的“微步”技术，但在手持设备中尚未广泛应用。
图像混叠
传感器不能完全还原场景中的细节时会出现混叠（Aliasing），如莫尔条纹等。手抖带来的轻微图像位移反而有助于获取多样化的颜色与亮度信息，从而支持超分辨率实现。
由两组平行线产生的莫尔条纹示意图
手部移动实现超分辨率
利用手持拍摄时的自然手震作为图像位移来源，结合光学防抖（OIS）模拟微动，在无需额外硬件条件下实现高质量图像合成。
克服超分辨率的挑战
- 噪声处理：即使光线良好，单帧图像仍可能有噪点。Super Res Zoom采用边缘感知的像素合并策略，平衡去噪与细节增强。
- 运动对齐：复杂场景下的物体运动（如风吹树叶、人物表情变化等）增加对齐难度，谷歌开发鲁棒模型识别并对齐特征点，避免鬼影或误合。
- 数据不均问题：由于随机运动，图像信息可能存在区域密集或稀疏现象。通过智能调整帧间信息分布优化整体画质。
鲁棒模型下合并的连拍图像效果更佳
推动移动摄影技术的发展
继HDR+和人像模式之后，Super Res Zoom再次拓展手机摄影边界，缩小移动设备与专业相机之间的差距。
如何最大限度地利用Super Res Zoom?
- 逐步缩放以获得最佳效果
- 双击切换缩放状态
- 建议使用1.2倍以上缩放以激活该功能
- 保持适中放大倍数，避免过度放大损失画质
- 尽量避免快速移动对象