图像去噪、图像复原、图像超分辨率重建，它们之间有什么联系与区别？

看了一圈答案也没什么到点上的，谈一些个人理解吧。这三者都属于底层视觉图像修复任务，也是将信息损失后的图像恢复到信息损失前的图像，都是逆任务，要了解图像修复，首先就要知道的是这些底层视觉任务的不同降质因素。

首先是去噪，噪声的来源早起一般单纯用高斯白噪声去建模，然而从相机内部分析，可以含有光子噪声shot noise，读取噪声read noise，热噪声terminal noise以及将连续信号转化为我们图像离散信号时quantisation noise。现在主流顶会论文的噪声建模一般是shot read noise合并的柏松-高斯分布噪声，可能会再加一些jpeg压缩噪声。图像去噪就是在一张noisy的图像上去掉这些噪声。

其次是超分，超分是把一张低分辨率LR图像复原到高分辨率SR图像，关于低分辨率图像的获取，早期和深度学习早年论文一般就是bicubic下采样获得，后面延伸为real-world超分问题其实就已经不止是分辨率的问题了，还会去在图像上添加noise并做模糊核的卷积（模糊核也可以分为相机抖动产生的blur kernel和各向同以及各向异的高斯kernel），相当于在图像分辨率提升的同时解决噪音和模糊问题。

图像复原其实是一个比较大的topic，我个人认为图像去雾/去雨/去模糊/去噪/超分/HDR重建/暗光增强等等都可以归到这里面，里面任何一个小方向都有很多人做，也都算计算摄影学和底层视觉的子任务。

最后提醒一点，底层视觉是顶会灌水的热点，要学习底层视觉，建议从本质了解，翻出去多看看计算摄影真大佬shree nayar或者Michael s Brown（这个主要是color）他们的课，还是要多学习底层视觉的根源，血泪教训。