随着显示设备的分辨率逐步提高，尤其是移动终端视网膜屏幕的广泛应用，人们对高分辨率、高质量图像的需求越来越突出。但是，因为网络流量、存储、图片源等诸多原因，我们往往无法得到高分辨率的图像，或者因为JPEG压缩，导致图像质量显著降低。
对于分辨率不足的问题，传统的解决方案是使用双线性或双三次立方插值的方法来放大图像。对于JPEG压缩噪声的问题，传统的解决方案则是使用各种平滑、去噪。而近年来，随着人工智能尤其是深度学习在计算机视觉中的广泛应用，人们开始探索使用智能的方法来解决这两个问题，以克服传统放大的诸多弊端，这个功能即为超分辨率，简称“超分”。
这里的超分具体是指单张图片空域超分辨率（SISR：Signle Image Super-Resolution），即给定单一一张图片，使用智能方法将其放大，令其分辨率更高，得到比传统放大更加清晰的细节纹理。或者在分辨率不变的情况下，去除压缩噪声，获得更加锐利、干净的图片。业界常用的放大倍数为2x、3x和4x放大，具体是指长宽各放大2、3、4倍，对应像素数放大4、9、16倍。华为超分辨率基于深度神经网络，依托硬件的神经网络加速器，提供了适用于移动终端的1x和3x的超分能力。1x超分去除压缩噪声，3x超分在有效抑制压缩噪声的同时，提供3倍（边长）放大能力。
超分辨率在实际应用中有广泛的应用前景，比如提升网络上低质图片的画质，在阅读新闻时获得更加清晰的大图，等等。
图像超分辨率是基于深度学习在计算机视觉中的广泛应用，将图片进行智能放大，或者在分别率不变的情况下，去除压缩噪声，获得比传统图像处理更加清晰、锐利、干净的照片。
该算法基于深度神经网络，依托华为手机NPU芯片，相比于纯CPU计算，速度提升近50倍。API内置于华为手机中，其附加ROM、RAM消耗更小，能够有效减小应用程序尺寸，让应用更轻便。
图像超分辨率可能的应用场景包括但不限于：
1x的超分辨率用于提升高压缩率JPEG图片的画质，因为它可以有效去除JPEG的压缩噪声，对于无法找到更加清晰图片源的图片，这是一个有效的解决方案。
作为图片资源的提供方，我们还可以人为加大JPEG图片的压缩率（主动降低画质），将高压缩率的图片存储，并在网上传送。图片传送到终端后，再使用1x超分辨率提升画质，我们就可以在更少的画质损失前提下，进一步压缩图片，节省存储空间，减小流量。类似于1x超分的应用，我们可以先将图片缩小3倍存储、传输，到达目的地后再用3x超分智能放大，也可以节省很多存储空间和网络流量。
3x的超分辨率不仅能将图片放大3倍（每边各3倍），得到比传统放大更清晰的细节，还能有效抑制原图片中的JPEG压缩噪声，面对越来越高的手机屏幕分辨率，这将大大改善小图片放大浏览时的体验。
该算法基于深度神经网络，依托华为手机的NPU芯片，对最大800x600的图片进行超分时，仅需不到600毫秒的时间。相比于纯CPU计算，计算速度提升近50倍。
华为超分辨率解决方案，基于深度神经网络技术，能在超分的同时，智能识别、抑制图片中的压缩噪声，更加贴近实际应用。
华为超分辨率API的附加ROM、RAM消耗非常小，且内置于华为手机中，有效减小应用程序尺寸的同时，令开发者更加专注于应用本身的开发，利用华为的智能能力打造更加有趣的应用。