Super-Resolution

Jedes digitale Bild besteht aus einem Raster winziger Farbpunkte, den Pixeln. Je weniger Punkte ein Bild hat, desto grober und unschärfer wirkt es, sobald man es groß darstellt. Super-Resolution ist der Sammelbegriff für Verfahren, die aus so einem groben Bild eine feinere Version mit deutlich mehr Punkten berechnen. Dabei wird nichts wiederhergestellt, was tatsächlich fotografiert wurde: Die neuen Punkte werden vom Programm erfunden, allerdings sehr plausibel. Aus einem Bild mit 500 mal 500 Punkten kann so eines mit 2000 mal 2000 Punkten werden. Für Auge und Bildschirm sieht das Ergebnis oft aus wie eine echte Aufnahme in hoher Qualität.

Warum verpixelte Bilder ein teures Problem sind

Hohe Auflösung kostet an vielen Stellen Geld. Ein Video in 4K braucht ein Vielfaches der Datenmenge eines Videos in HD. Wer es über das Internet ausliefert, zahlt für jedes übertragene Gigabyte. Wenn ein Gerät ein kleines Video empfängt und es selbst hochrechnet, spart der Anbieter Bandbreite. Genau deshalb steckt Super-Resolution heute in Fernsehern, Grafikkarten und Streaming-Apps.

Der zweite Grund sind Aufnahmen, die man nicht wiederholen kann. Alte Familienfotos, historische Filmaufnahmen oder Bilder eines Satelliten existieren nur in der Qualität, in der sie damals entstanden sind. Eine Kamera nachträglich zu verbessern ist unmöglich, das Bild zu verbessern nicht. Archive, Filmstudios und Forschungsgruppen nutzen die Technik deshalb intensiv.

Es gibt aber eine wichtige Einschränkung. Weil die neuen Details berechnet und nicht gemessen sind, darf man ihnen nicht blind vertrauen. Ein hochgerechnetes Überwachungsvideo ist kein Beweismittel, denn ein Gesicht oder ein Nummernschild kann schlicht falsch geraten sein. Fachleute sprechen deshalb von plausibler Ergänzung, nicht von Rekonstruktion.

Vom simplen Verschmieren zum gelernten Detail

Das älteste Verfahren heißt Interpolation. Dabei wird zwischen zwei bekannten Punkten einfach der Mittelwert eingesetzt. Das funktioniert, macht das Bild aber nur größer und weich, nicht schärfer. Kanten wirken danach verschwommen statt klar.

Heutige Verfahren arbeiten mit neuronalen Netzen. Das sind Programme, die nicht Regel für Regel programmiert werden, sondern aus Beispielen lernen. Zum Training nimmt man Millionen scharfer Fotos und verkleinert sie künstlich. Das Netz bekommt das kleine Bild und soll das große vorhersagen. Nach jedem Versuch wird es mit dem echten Original verglichen und ein Stück weit korrigiert. Nach sehr vielen Durchläufen kennt es typische Muster: wie Haare aussehen, wie Ziegelwände strukturiert sind, wie Buchstabenkanten verlaufen.

Bei Videos kommt ein Trick dazu. Aufeinanderfolgende Bilder zeigen fast dasselbe Motiv, nur minimal verschoben. Aus mehreren solchen Aufnahmen lässt sich echte zusätzliche Information gewinnen. Das Ergebnis ist verlässlicher als bei einem einzelnen Foto, weil die Details teils wirklich gemessen und nicht nur geraten sind.

Im Fernseher, im Spiel und im Weltraum

Am häufigsten begegnet die Technik in Computerspielen. Verfahren wie DLSS von Nvidia oder FSR von AMD lassen die Grafikkarte das Spiel intern in niedriger Auflösung berechnen und hinterher hochskalieren. Das Bild wirkt fast identisch, aber die Bildrate steigt deutlich. Für Spieler bedeutet das flüssigere Darstellung ohne neue Hardware.

Auch Smartphones nutzen Super-Resolution, etwa beim digitalen Zoom. Das Objektiv kann gar nicht so weit heranzoomen, wie die Anzeige verspricht. Den Rest übernimmt Software, die aus mehreren schnell hintereinander aufgenommenen Bildern ein Detailbild rechnet. In Fernsehern läuft dasselbe Prinzip unter Namen wie AI Upscaling.

In den Nachrichten taucht der Begriff oft bei restaurierten Filmen auf, etwa bei alten Dokumentaraufnahmen in 4K. Fachlich relevant ist er außerdem in der Medizin und in der Satellitenbeobachtung, wo aus wenigen Messpunkten feinere Karten entstehen sollen. Verwandt, aber nicht dasselbe, ist Bildgenerierung: Dort entsteht ein Bild komplett neu aus einem Text, während Super-Resolution immer ein vorhandenes Bild als Vorlage braucht.