使用OpenCV dnn_superres提升文本图像分辨率报错求助

1. 修复变量名错误 #

错误栈里调用sr.upsample(image)，但代码中处理后的图像变量是img2，变量名不匹配是直接触发崩溃的原因，将该行改为：

result = sr.upsample(img2)

2. 修正图像归一化逻辑 #

当前归一化代码存在数值异常风险：

• 错误使用了原始彩色图的最大值（代码里image.max()应为img.max()，更合理的是用灰度图的最大值）
• casting='unsafe'可能导致数值溢出，建议替换为安全的归一化方式：

# 替换原归一化代码
img2 = img2.astype(np.float32)
img2 = cv2.normalize(img2, None, 0, 255, cv2.NORM_MINMAX)
img2 = img2.astype(np.uint8)

3. 调整图像尺寸适配模型要求 #

EDSR_x3模型要求输入图像的高、宽必须是缩放因子（3）的整数倍，否则会触发尺寸不匹配错误。添加裁剪逻辑：

h, w = img2.shape[:2]
# 裁剪到能被3整除的尺寸
new_h = h - (h % 3)
new_w = w - (w % 3)
img2 = img2[:new_h, :new_w]

4. 确保模型与环境兼容 #

• 确认EDSR_x3.pb是OpenCV dnn模块兼容的预训练模型，建议从OpenCV官方预训练模型库下载适配版本
• 升级OpenCV到4.8.0及以上稳定版本，旧版本dnn_superres模块对部分模型兼容性较差

5. 针对文本图像的专用预处理 #

文本图像边缘、对比度特性特殊，预处理可提升超分效果同时避免崩溃：

• 自适应阈值强化文本边缘：

gray = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
img2 = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)

• 中值滤波去除噪点（避免超分后噪点放大）：

gray = cv2.medianBlur(gray, 3)

内容的提问来源于stack exchange，提问作者Гыггыг Фидолобабович