使用OpenCV超分辨率提升Sentinel2 SWIR图像分辨率遇报错求助

核心报错原因 #

该报错源于输入图像与EDSR模型的格式、维度或数据类型不匹配，结合Sentinel-2 SWIR场景，具体诱因包括：

• EDSR_x2模型针对3通道RGB训练，但SWIR是单波段图像，通道数不兼容
• OpenCV读取JP2格式时依赖openjp2库，配置缺失会导致图像数据损坏
• 图像宽/高不是缩放因子（2）的整数倍，引发模型内部形状计算溢出
• Sentinel-2 SWIR为16位深度，而模型默认处理8位数据

分步解决步骤 #

1. 正确读取单波段JP2图像 #

使用IMREAD_UNCHANGED参数读取原始16位单波段数据，避免自动转换为3通道：

import cv2
import numpy as np

# 读取原始16位单波段SWIR图像
img = cv2.imread("img.jp2", cv2.IMREAD_UNCHANGED)
# 验证图像形状，应为(高度, 宽度)的单通道格式
print(img.shape)

2. 适配模型的3通道输入 #

将单波段数据复制为3通道，匹配EDSR的输入要求：

# 单通道转3通道
img_3ch = np.repeat(img[..., np.newaxis], 3, axis=-1)

3. 转换为8位数据格式 #

将16位DN值缩放到0-255的8位范围，适配模型的数据类型要求：

# 16位转8位（Sentinel-2 DN值范围通常为0-10000，可按需调整）
img_8bit = cv2.normalize(img_3ch, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)

4. 调整图像尺寸为2的整数倍 #

确保宽高是缩放因子的整数倍，避免计算溢出：

h, w = img_8bit.shape[:2]
# 裁剪到最近的偶数尺寸
new_h = h - (h % 2)
new_w = w - (w % 2)
img_resized = img_8bit[:new_h, :new_w]

5. 执行超分辨率并导出结果 #

sr = cv2.dnn_superres.DnnSuperResImpl_create()
sr.readModel("EDSR_x2.pb")
sr.setModel("edsr", 2)
result = sr.upsample(img_resized)

# 提取单波段结果（输入为复制的3通道，取任意一个通道即可）
result_swir = result[..., 0]
# 可选：转换回16位DN值范围
result_swir_16bit = cv2.normalize(result_swir, None, 0, 10000, cv2.NORM_MINMAX, dtype=cv2.CV_16U)

# 保存结果
cv2.imwrite("result.jp2", result_swir_16bit)

额外排查：JP2读取环境验证 #

若cv2.imread返回None，说明OpenCV未启用openjp2支持，需重新安装：

• 使用conda安装：conda install -c conda-forge opencv opencv-contrib-python
• 或编译OpenCV时勾选WITH_OPENJP2选项

内容的提问来源于stack exchange，提问作者Tim