BSD100数据集入门指南：从零开始掌握图像超分辨率基准数据

1次阅读

共计 2838 个字符，预计需要花费 8 分钟才能阅读完成。

BSD100（Berkeley Segmentation Dataset 100）是图像超分辨率（Super-Resolution, SR）领域的黄金标准之一，包含 100 张高质量自然场景图像。它的价值主要体现在：

基准可比性：超过 70% 的超分辨率论文使用该数据集进行横向对比
场景多样性：涵盖城市、自然、人物等丰富场景
分辨率标准：所有图像统一为 481×321 或 321×481 像素

在超分辨率任务中，我们通常需要将低分辨率 (LR) 图像恢复为高分辨率 (HR) 版本。BSD100 的特殊之处在于其 HR 图像都是真实拍摄而非合成生成，这对模型的泛化能力提出更高要求。

下载解压后的目录结构如下：

BSD100/
├── HR/                 # 高分辨率图像
│   ├── 0801.png
│   └── ...
└── LR_bicubic/X4/      # 双三次降采样 4 倍的低分辨率图像
    ├── 0801x4.png
    └── ...

关键点说明：

文件名对应规则：LR_bicubic/X4/0801x4.png 对应 HR/0801.png
降采样倍数：官方提供 2×、3×、4×三种降采样版本
图像格式：全部为 PNG 格式避免压缩伪影

以下是使用 Python 进行数据加载的标准流程，我们同时比较 OpenCV 和 PIL 库的处理差异：

import cv2
from PIL import Image
import numpy as np
import os

# 配置数据集路径
data_dir = './BSD100'
hr_dir = os.path.join(data_dir, 'HR')
lr_dir = os.path.join(data_dir, 'LR_bicubic/X4')

# 使用 OpenCV 加载（注意 BGR/RGB 转换）def load_with_cv2(img_path):
    img = cv2.imread(img_path)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 转换为 RGB 格式
    return img

# 使用 PIL 加载（保留 EXIF 信息）def load_with_pil(img_path):
    with Image.open(img_path) as img:
        img.load()  # 确保 EXIF 信息读取
        return np.array(img)

# 示例：加载配对的 HR/LR 图像
sample_id = '0801'
hr_img = load_with_pil(os.path.join(hr_dir, f'{sample_id}.png'))
lr_img = load_with_pil(os.path.join(lr_dir, f'{sample_id}x4.png'))

print(f'HR shape: {hr_img.shape}, LR shape: {lr_img.shape}')
# 输出示例：HR shape: (321, 481, 3), LR shape: (80, 120, 3)

# 归一化到 [0,1] 范围并转换为 Tensor
import torch

def normalize(img):
    img = img.astype(np.float32) / 255.0
    return torch.from_numpy(img).permute(2, 0, 1)  # HWC -> CHW

# 反向归一化（用于结果可视化）def denormalize(tensor):
    tensor = tensor.clamp(0, 1).permute(1, 2, 0)  # CHW -> HWC
    return (tensor.numpy() * 255).astype(np.uint8)

训练阶段：
随机水平 / 垂直翻转（p=0.5）
90 度随机旋转
色彩抖动（亮度±0.1，对比度±0.1）
测试阶段：
仅中心裁剪保持尺寸一致
绝对禁止使用任何随机变换

# 示例增强实现
from torchvision import transforms

train_transform = transforms.Compose([transforms.RandomHorizontalFlip(),
    transforms.RandomVerticalFlip(),
    transforms.ToTensor(),])

test_transform = transforms.Compose([transforms.ToTensor(),
])

BSD100 官方使用双三次插值（bicubic interpolation）生成 LR 图像，但实际研究中常需自定义降采样方法：

def downsample(img, factor=4, mode='bicubic'):
    h, w = img.shape[:2]
    new_h, new_w = h // factor, w // factor

    if mode == 'bicubic':
        return cv2.resize(img, (new_w, new_h), interpolation=cv2.INTER_CUBIC)
    elif mode == 'nearest':
        return cv2.resize(img, (new_w, new_h), interpolation=cv2.INTER_NEAREST)
    elif mode == 'lanczos':
        return cv2.resize(img, (new_w, new_h), interpolation=cv2.INTER_LANCZOS4)
    else:
        raise ValueError(f'Unknown mode: {mode}')

不同方法的视觉影响：

方法	计算耗时	边缘平滑度	伪影程度
最近邻	★☆☆☆☆	★☆☆☆☆	★★★★☆
双线性	★★★☆☆	★★★☆☆	★★☆☆☆
双三次	★★★★☆	★★★★☆	★☆☆☆☆
Lanczos	★★★★★	★★★★★	★☆☆☆☆

def psnr(hr, sr, max_val=1.0):
    mse = torch.mean((hr - sr) ** 2)
    return 10 * torch.log10(max_val ** 2 / mse)

from skimage.metrics import structural_similarity as ssim

def calc_ssim(hr, sr):
    # 转换为灰度计算（多通道需分别计算后取平均）return ssim(hr, sr, multichannel=True, data_range=1.0)