上一篇做了 OCR 文字识别，实际用下来发现一个问题：用户拍的图片经常是模糊的、低分辨率的，OCR 识别率就上不去。尤其是票据、截图这类内容，原始分辨率不高的时候，文字边缘都是锯齿，识别出来全是错的。

这时候就需要先把图片做超分增强，把低清图放大变清晰，再去做识别。HarmonyOS 7 有端侧的图像超分能力，这篇就讲讲怎么把它集成到我们的图片处理流程里。

一、真实开发中遇到的问题

最开始我们直接把原图丢给 OCR，测试的时候用清晰的图效果不错。但真用户上传的图什么都有——微信压缩过的截图、晚上拍的票据、分辨率只有 720p 的老照片。这些图直接识别，准确率能掉一半。

尝试过用普通的图像放大（比如双线性插值），放大是放大了，但边缘更模糊了，文字反而更难认。普通放大只是把像素拉大，没有补细节。

后来发现 HarmonyOS 7 的 ImageSuperResolution Kit 专门做这个——端侧 AI 超分，能把低清图放大 2 倍或者 4 倍，同时补出细节，文字边缘会变锐利。这正是我们需要的。

但接入的时候又遇到新问题：超分很慢，一张大图要好几秒；内存占用高，处理一张 4K 图直接占几百 MB；还有些图超分之后反而更糟，得判断什么时候该做超分。

二、这个能力怎么接入

图像超分的接入思路和 OCR 类似：创建超分实例 → 传入 PixelMap → 异步处理 → 拿到增强后的图。

但有几个关键点要注意：

1. 先判断要不要超分：不是所有图都需要超分。已经很高清的图再做超分，纯属浪费性能。我们加了个判断：图片长边小于 1000px 才做超分，已经够清晰的直接跳过。

2. 控制输出尺寸：超分 4 倍之后图片会很大，4000×3000 的原图超分 4 倍就变成 16000×12000 了，内存直接爆。一般我们只超分 2 倍，够 OCR 识别用就行。

3. 异步处理：超分是 CPU/GPU 密集型操作，必须在子线程做，UI 上要显示 loading。

三、关键代码怎么写

下面是封装的超分工具类，文件位置在 entry/src/main/ets/utils/ImageSuperResolution.ets：

import { image } from '@kit.CoreImageKit';
import { imageSuperResolution } from '@kit.CoreImageKit';

export class ImageEnhanceUtil {
  private static superResolution: imageSuperResolution.ImageSuperResolution | null = null;

  // 判断是否需要超分
  private static needEnhance(pixelMap: image.PixelMap): boolean {
    const size = pixelMap.getImageInfoSync();
    const maxSide = Math.max(size.width, size.height);
    // 长边小于 1000px 才做超分
    return maxSide < 1000;
  }

  // 图片超分增强
  static async enhanceImage(
    pixelMap: image.PixelMap
  ): Promise<image.PixelMap> {
    // 不需要增强直接返回原图
    if (!this.needEnhance(pixelMap)) {
      return pixelMap;
    }

    try {
      // 创建超分实例（2倍放大）
      if (!this.superResolution) {
        this.superResolution = imageSuperResolution
          .createImageSuperResolution();
      }

      // 执行超分
      const enhancedMap = await this.superResolution.enhance(
        pixelMap,
        2 // 放大倍数：2x 或 4x
      );

      return enhancedMap;
    } catch (e) {
      console.error('Enhance failed: ' + e.message);
      // 超分失败返回原图，不要让流程中断
      return pixelMap;
    }
  }

  // 释放资源
  static release() {
    if (this.superResolution) {
      this.superResolution.release();
      this.superResolution = null;
    }
  }
}

这段代码的核心：needEnhance 先判断要不要做，不做就直接返回原图。enhance 方法异步执行超分，失败了也返回原图，不影响主流程。

在页面里怎么用？和 OCR 串起来，文件位置 pages/EnhancePage.ets：

@Entry
@Component
struct EnhancePage {
  @State originalPath: string = '';
  @State enhancedPath: string = '';
  @State isProcessing: boolean = false;

  async onImageSelected(pixelMap: image.PixelMap) {
    this.isProcessing = true;
    
    // 1. 先做超分增强
    const enhancedMap = await ImageEnhanceUtil.enhanceImage(pixelMap);
    
    // 2. 再把增强后的图传给 OCR
    const ocrResult = await OcrUtil.extractTextFromImage(enhancedMap);
    
    this.isProcessing = false;
    
    // 3. 显示结果
    console.info('OCR result: ' + ocrResult.text);
    
    // 释放 PixelMap
    pixelMap.release();
    if (enhancedMap !== pixelMap) {
      enhancedMap.release();
    }
  }
}

这里的处理链是：选图 → 超分增强 → OCR 识别 → 显示结果。每一步都有异常兜底，某一步失败了用原图继续，不让整个流程挂掉。

四、运行过程中怎么处理异常

超分的异常场景比 OCR 多：

1. 超分失败：极少数情况下模型加载失败或者图片格式不支持。catch 住异常，返回原图，OCR 该怎么做还怎么做，不要因为超分失败就中断整个流程。

2. 内存不足：大图超分特别吃内存。我们限制了输入图片的最大尺寸，超过 2000px 的图先压缩再处理，不然 OOM 直接崩。

3. 处理时间太长：超分一张图要 2-3 秒，用户可能以为卡了。UI 上要显示进度条或者 loading，并且在后台线程处理，不阻塞 UI。

4. 效果不明显：有些图超分之后提升不大，但处理时间一样长。我们加了个简单的判断：如果原图已经很清晰（比如文字边缘锐利），就跳过超分步骤。

五、实际开发中容易忽略的问题

1. 释放 PixelMap：超分会生成新的 PixelMap，用完一定要 release()。不然连续处理几张图，内存就涨上去了。

2. 超分倍数不是越高越好：4 倍超分效果确实更好，但处理时间和内存占用都是 2 倍的。一般用 2 倍就够了，OCR 识别率提升明显，性能开销也小。

3. 超分和 OCR 的顺序：先超分再识别，不要反过来。OCR 识别完了再超分没意义。

4. 批量处理要串行：不要同时处理多张图，超分很吃资源，并行处理直接 OOM。一张一张来。

5. 端侧能力有限：超分是在手机本地跑的，不是云端。太复杂的图效果有限。如果用户对效果要求很高，可以引导上传到云端处理，但那是另一个故事了。

超分增强是视觉处理链里很重要的一环。把低清图变清晰，后面的 OCR、人脸检测、分类这些能力准确率都会跟着提升。后面几篇会继续在这个基础上加能力。