ESCPN论文中有这么一段：In this paper, we present the first convolutional neural network(CNN) capable of real-time SR of 1080p videos on a single K2 GPU. 这个意思是说ESPCN超分算法最多只能把图片提升到1080p吗
ESCPN算法的论文中提到他们的模型可以将低分辨率图像提升到高分辨率图像，但是具体提升到多少分辨率并没有明确说明。从实际应用中来看，ESCPN算法最多只能将图像提升到1080p，因为这是目前大部分显示器的最高分辨率。如果需要将图像提升到更高的分辨率，可以使用其他超分辨率算法，如SRCNN、FSRCNN、EDSR等。这些算法同样基于深度学习，通过训练神经网络来实现高分辨率图像的重建。以下是一个使用SRCNN算法实现超分辨率重建的例子：
import cv2
import numpy as np
import tensorflow as tf
# 定义SRCNN模型
def srcnn_model():
input_img = tf.keras.Input(shape=(None, None, 1))
x = tf.keras.layers.Conv2D(filters=64, kernel_size=9, padding='same', activation='relu')(input_img)
x = tf.keras.layers.Conv2D(filters=32, kernel_size=1, padding='same', activation='relu')(x)
output_img = tf.keras.layers.Conv2D(filters=1, kernel_size=5, padding='same')(x)
model = tf.keras.Model(inputs=input_img, outputs=output_img)
return model
# 加载模型权重
model = srcnn_model()
model.load_weights('srcnn_weights.h5')
# 加载低分辨率图像
img = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)
img = cv2.resize(img, (0, 0), fx=0.5, fy=0.5, interpolation=cv2.INTER_CUBIC)
img = np.expand_dims(img, axis=-1)
img = np.expand_dims(img, axis=0)
# 使用模型进行超分辨率重建
sr_img = model.predict(img)
# 保存超分辨率图像
sr_img = np.squeeze(sr_img)
sr_img = cv2.normalize(sr_img, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8U)
cv2.imwrite('output.jpg', sr_img)