糊图变清晰：本地免费超分 + OCR 重绘（对比复盘）
2026-01-23 · 自用工作流 · 截图/信息图/小字优先
当“超分也不够清晰”时，把信息重建出来（而不是硬编像素）。
本次样例是一张 293×312 的低清动作网格截图：先试了传统锐化/对比增强（上限有限），再试 AI 超分（OpenCV DNN：EDSR×4/FSRCNN×4，本地 CPU 可跑，但 EDSR 内存很大），最后用 OCR 把可识别文字“重绘”回高清图层，显著提升可读性。
TL;DR
结论：对“文字+线条”的截图/信息图，单纯锐化/超分都有上限；最稳的是 OCR/矢量重绘（让文字回到可编辑的字体），AI 超分更像“把底图放大变顺”。
-
最简单（本地免费）：OpenCV DNN
FSRCNN×4（快、轻；提升清晰度但不“补字”）。 -
最好看（本地免费但吃内存）：OpenCV DNN
EDSR×4（质量更像“AI 修复”，但峰值 RSS ~1.45GiB）。 -
最可读（截图小字）：
EDSR×4 →（可选）再放大×2 → OCR 重绘（本次样例里，这是让小字真正“回到可读”的方法）。
Best Minds
这类问题的“最懂的人”，通常来自三条线：① 超分/感知增强（SR、GAN）；② 传统图像处理（锐化、去噪、反卷积、MTF）；③ OCR/版式重建（把信息结构化）。
Xintao Wang（Real-ESRGAN）
- Thesis：真实世界退化（压缩、噪声、模糊）不是单一核；需要“盲超分/感知增强” 才能让细节看起来回来。
- Arguments：GAN/感知损失能补“像细节”的纹理；对人眼观感往往比插值更明显。
- Limits：对小字/符号可能会“编造笔画”；且高质量实现常依赖 GPU（本机 Vulkan/Metal 不可用时会卡住）。
Peyman Milanfar（计算摄影/增强）
- Thesis：大多数“变清晰”的上限由信息缺失决定；先稳住噪声/对比/锐化的纪律，避免过冲与假边。
- Arguments：对截图/线稿，CLAHE、去噪+轻锐化、局部对比增强能快速抬升可读性且可控。
- Limits：无法凭空恢复字体细节；越锐越容易出现光晕/振铃，视觉更“硬”但信息并未增加。
Ray Smith（Tesseract）
- Thesis：当目标是“读懂文字”，最佳策略是把文字识别出来并以矢量/字体形式重建，而不是让像素猜。
- Arguments：对低清截图，OCR 可以给出结构化文本；重绘后变成“真文字”，放大不糊、可编辑、可搜索。
- Limits：识别受限于清晰度与语言模型；对极小字需要手工校对；复杂版式重建可能需要额外规则。
Options
| 方案 | 本次表现 | 优势 | 代价/风险 | 适用 |
|---|---|---|---|---|
| 传统增强（CLAHE/锐化/反卷积） | 提升有限（上限到顶） | 快；不“编细节”；可控 | 容易更刺眼；可能出光晕/假边 | 照片/截图都能“抬一点” |
| AI 超分（OpenCV DNN · EDSR×4） | 观感明显更“像高清” | 本地 CPU 可跑；质量更像 AI 修复 | 内存高；对小字可能不准 | 想要整体更顺/更细 |
| AI 超分（OpenCV DNN · FSRCNN×4） | 比 EDSR 弱但够快 | 极快；内存低；模型小 | 细节补全能力弱 | 批量处理/机器一般 |
| AI 超分（Real-ESRGAN / waifu2x ncnn） | 本机跑不通（驱动限制） | 通常效果更强、生态成熟 | 依赖 Vulkan/Metal/CUDA | 有 GPU 或驱动齐全 |
| OCR/矢量重绘（文字层叠加） | 小字可读性最佳 | “真文字”；可编辑；放大不糊 | 需校对；只对文字有效 | 信息图/截图/表格 |
推荐默认：对“截图小字”优先走 EDSR×4 →（可选）×2 → OCR 重绘；对“真实照片”优先走
EDSR×4 或 FSRCNN×4（避免 OCR 误判带来的“假信息”）。
Workflow
-
先做传统增强对比（确认“还能挖多少信息”）：
scripts/image_enhance_compare.py -
跑 AI 超分（本地 CPU）：OpenCV DNN
EDSR×4/FSRCNN×4 - 若目标是“读字”：从超分结果上 OCR 抽取高置信度文字，重绘为清晰字体层（可导出 SVG）
- 把关键结果（原图/传统/AI/OCR）上传 R2，生成可分享的对比页
- 把流程固化成一个默认 skill：一键复用
Results
本次对比图已上传到 R2：image-upscale/scapula-control/20260123-175739（点击图片可全屏放大）。
Bench
这是本机实测（pyenv Python 3.10 + OpenCV），不同机器会变，但相对量级很稳定：
EDSR 更吃内存，FSRCNN 极快。
CPU 情况：本次没有做精确 CPU% 采样；但 SR 推理是明显 CPU-bound 的短任务（EDSR 更重）。 若你要批量跑，优先 FSRCNN 或限制并发。
Constraints
Real-ESRGAN-ncnn-vulkan / waifu2x-ncnn-vulkan 在本机报 Vulkan/Metal 兼容问题（MoltenVK
VK_ERROR_INCOMPATIBLE_DRIVER），因此本次 AI 路线采用 OpenCV DNN（CPU 可跑）。
系统 Python 3.12 无 cv2；本次用 pyenv 的 Python 3.10 + OpenCV 来跑 SR。后续 skill
会做解释器自检与回退。
Repro
python3 scripts/image_enhance_compare.py --in tmp/scapula.png --scales 4,8 --html docs/image-upscale-compare会生成一份 data-URI 内嵌对比页（本地查看很方便，但不适合部署到 Vercel）。
node 8_Workflow/video/OLDLIFEASSONG/TOOLS/cartoon/upload-to-r2.js \\
--src tmp/r2-upload/image-upscale-scapula/20260123-175739 \\
--bucket pic \\
--prefix image-upscale/scapula-control/20260123-175739
需要预先配置 Cloudflare 账号/Token（脚本会读对应 .env）；上传后会在同目录写入每个文件的
*.json（记录 public URL）。
Next Action
把它变成“默认一键技能”。下一步：把本次最佳流程封装成 skill（输入图片路径 → 产出
EDSR×4 / FSRCNN×4 / OCR overlay + 对比页；可选上传 R2），以后直接
$image-upscale-best 调用。
Closing summary：当目标是“读清楚”，请优先重建信息（OCR/矢量/重排版）；当目标是“看起来更清晰”，才把超分当主力。