1. Interpolation Based，即基於插值的方法。
這是比較基礎的方法，也是大多數影象處理軟體裡最常用的方法，包括bilinear, bicubic, b-spline等各種插值技術。簡單來說就是，你不是要填充一堆畫素麼？這些畫素的值就用臨近畫素的值經過某些函式計算出來。
2. Formation Process Based，即基於影象成像原理的方法。
這個方法的基本思路是：假設我們對現實生活中的某場景S拍了一張低解析度的圖A，那麼A可以視為是相機作用於場景S下的一個函式f(S)=A，其中f則是相機成像的過程。透過研究&假設f的內部細節，來構造出一個新的g(S)=B，其中B是高解析度的圖。這其中一般會涉及到光圈，模糊，反捲積之類的東西。
3. Patch Based，即基於貼片的方法。
也就是我們透過某些途徑搞到一堆圖片的碎片，然後再用這些碎片來拼出一張大圖。這些碎片可以是從一個很大的圖片資料庫裡提取出來，但效率通常較低；也有從原始小圖裡提取碎片再貼到大圖裡的，這是基於“影象裡往往有‘自相似’結構”的一種發現，這類方法被稱作Local Self-Examples或者Texture Hallucination等。主流的結果中，方法3的效果最好。
另外注意，假設你有一張真·高畫質無碼大圖B1，以及小圖A。基於A做出來的偽·高畫質無碼大圖B2，從理論上來講當然最好是跟B1完全一樣，但實際上不大可能。在實際中，B1跟B2有多“像”，這是一個評價演算法優劣的指標之一，但並不是唯一的指標。因為“像”的結果未必就“好”。一個“好”的結果還要考慮Nature Image prior，即“人們認為一張正常的圖片一般會滿足什麼樣的規律”等等。
1. Interpolation Based，即基於插值的方法。
這是比較基礎的方法，也是大多數影象處理軟體裡最常用的方法，包括bilinear, bicubic, b-spline等各種插值技術。簡單來說就是，你不是要填充一堆畫素麼？這些畫素的值就用臨近畫素的值經過某些函式計算出來。
2. Formation Process Based，即基於影象成像原理的方法。
這個方法的基本思路是：假設我們對現實生活中的某場景S拍了一張低解析度的圖A，那麼A可以視為是相機作用於場景S下的一個函式f(S)=A，其中f則是相機成像的過程。透過研究&假設f的內部細節，來構造出一個新的g(S)=B，其中B是高解析度的圖。這其中一般會涉及到光圈，模糊，反捲積之類的東西。
3. Patch Based，即基於貼片的方法。
也就是我們透過某些途徑搞到一堆圖片的碎片，然後再用這些碎片來拼出一張大圖。這些碎片可以是從一個很大的圖片資料庫裡提取出來，但效率通常較低；也有從原始小圖裡提取碎片再貼到大圖裡的，這是基於“影象裡往往有‘自相似’結構”的一種發現，這類方法被稱作Local Self-Examples或者Texture Hallucination等。主流的結果中，方法3的效果最好。
另外注意，假設你有一張真·高畫質無碼大圖B1，以及小圖A。基於A做出來的偽·高畫質無碼大圖B2，從理論上來講當然最好是跟B1完全一樣，但實際上不大可能。在實際中，B1跟B2有多“像”，這是一個評價演算法優劣的指標之一，但並不是唯一的指標。因為“像”的結果未必就“好”。一個“好”的結果還要考慮Nature Image prior，即“人們認為一張正常的圖片一般會滿足什麼樣的規律”等等。