# 后排拍的PPT，超分没救回来 # 智绘鸿蒙·如 7 而至#

## 前言

这个功能立项时叫"板书救星"：学生在后排拍 PPT，回家看不清，App 用端侧超分把字放大变清晰。需求来自一次用户访谈，三个人里有两个说"看不清老师放的公式"。

技术方案看起来是现成的：Core Vision Kit 的 `imageSuperResolution` 固定 4 倍放大，输入一张，输出一张 4 倍大的，字自然就清楚了。

我把对照实验跑完，四组数据的结论是：**一行都没多读出来，其中一组还读得更差了。**于是这个功能被砍掉。这篇讲砍它的过程，以及过程中发现的三件比"能不能做"更有用的事。

## 实验设计

关键是要让"字高"这个变量真实可控。第一版我图省事，把一张大字图整体缩到四分之一再放回原尺寸——这样文件名义上字高 26px，实际笔画早就被插值抹平了。**测出来四组全是 0 命中，差点让我以为超分完全没用。**那是脚本造假，不是模型不行。

重做后的生成方式：直接按目标字号绘制，再用像素包围盒量出实际字高，只保留轻微模糊 + JPEG 质量 62（模拟手机拍投影幕）。

| 样本 | 标称字高 | 实测字高 | 成品 |
| --- | --- | --- | --- |
| slide_h12 | 12px | 13px | 800×500，16KB |
| slide_h16 | 16px | 17px | 800×500，20KB |
| slide_h20 | 20px | 20px | 800×500，24KB |
| slide_h26 | 26px | 26px | 800×500，31KB |

判据：把每张图送进端侧文字识别，看 7 行板书里能**整行一字不差**找回几行；然后同图过一遍超分（4 倍，输出 3200×2000），再识别一次。同一张图、同一个引擎、唯一变量是超分。

## 结果

MatePad Pro（HarmonyOS 7 / API 26）：

| 样本 | 超分前 | 超分后 | 超分耗时 | 输出 |
| --- | --- | --- | --- | --- |
| 字高 13px | 3/7 | 3/7 | 3476ms | 3200×2000 |
| 字高 17px | 4/7 | **3/7** | 3366ms | 3200×2000 |
| 字高 20px | 4/7 | 4/7 | 3364ms | 3200×2000 |
| 字高 26px | 4/7 | 4/7 | 3352ms | 3200×2000 |

四组里三组持平、一组倒退，没有任何一组变好。平均代价是每张多花 3.4 秒。

这就是砍功能的直接依据：如果连"机器能不能多读出内容"这个最客观的指标都是零收益，我们没法说服自己那 3.4 秒值得。

## 三件比结论更有用的事

### 一、判据本身在骗人

四组都卡在 4/7，看起来像"识别率只有 57%"。实际上丢的三行是：

```
基频 f0 = 1/T，谐波为 n 倍基频
例：方波 = sin(x) + sin(3x)/3 + sin(5x)/5
作业：习题 3.2、3.5、3.9
```

全是带英文、数字和符号的行。"整行一字不差"这个判据对空格、全半角、`=` 前后有没有空格极其敏感——它很可能把每个字都认对了，只是在 `sin(3x)/3` 中间多打了一个空格。

所以 4/7 严重低估了真实可读性。**衡量 OCR 要用字符级编辑距离，整行匹配只能当辅助。**这个教训我在别的场景也踩过一次，两次都是差点因为选错指标砍掉一个其实能用的功能。

不过对本次结论没有影响：因为比较的是"超分前 vs 超分后"，判据的偏差在两组之间是同向的，抵消掉了。

### 二、超分的输入面积预算必须显式管

第一轮我用 1600×1000 的板书图直接调超分，返回的是：

```
超分失败（200）：Run timed out, please try again later.
```

降到 800×500 才跑通，耗时 3.35~3.48 秒。

文档给的硬约束是"输入长边不超过 2048"，但这条只是**能被接受**的下限，不是**能算完**的保证。1600×1000 长边 1600，远小于 2048，照样超时。所以工程上真正要写死的是输入像素总量，而不是长边。我的处理是：送超分前先把长边压到 1024 以内，并且给超分调用挂一个可取消的超时，超时就退回"直接放大显示"，不要让用户对着转圈。

顺带一句：`Run timed out` 这种错误码是可重试的，但重试只会再等 3 秒。别写自动重试。

### 三、"给人看"这件事我没能证明，也没法证伪

砍功能的会上，被问得最多的一句是："学生是用眼睛看的，又不是用 OCR 看的，你拿 OCR 当判据公平吗？"

公平地说，不公平。这次实验只测了机器可读性，没有测主观清晰度。超分把字高从 26px 抬到 104px，笔画边缘是不是更锐、看着是不是更舒服，我没有量化手段——端侧拿不到好的感知质量指标，双盲打分又超出了一个 demo 的范围。

但产品决策不能因为"没测"就往下做。当时的判断是：**在唯一可测的指标上收益为零、成本 3.4 秒，那就先不做**。如果哪天有用户明确说"我就是想放大看清楚"，再拿主观实验来翻案。

## 那这个需求怎么落地

放弃超分之后，功能改成了三条更便宜的路：

1. **拍的时候提醒。** 检测到画面里有大面积高亮矩形（投影幕）且文字区域偏小，直接提示"走近两步再拍"。零成本，效果比事后超分好得多——因为真正丢的高频，谁都补不回来。
2. **OCR 出文本，而不是优化图片。** 用户要的是"看清内容"，不是"看清像素"。把板书识别成文字存下来，比给他一张更清楚的图更解决问题。
3. **多拍几张。** 连拍三张做简单合成，比任何单图超分都稳。这条我们没做，属于工程量的问题。

## 真机数据

| 项目 | 实测值 |
| --- | --- |
| 设备 | MatePad Pro（HarmonyOS 7 / API 26，序列号略） |
| 样本 | 800×500，实测字高 13 / 17 / 20 / 26 像素 |
| 超分倍率 | 4 倍，输出 3200×2000 |
| 超分耗时 | 3352 ~ 3476ms |
| 超分前后可读行 | 3→3、4→3、4→4、4→4 |
| 1600×1000 输入 | 失败，错误码 200，`Run timed out` |
| 单次 OCR | 约 0.85 秒（由整轮 5.0s 减去超分 3.4s 再除以 2 推算，未单独计时） |

![四组字高的超分前后对照](assets/01-ladder.png)

![结果区放大：三组持平、一组倒退](assets/02-head.png)

## 总结

这篇能直接用的结论有两条：给端侧超分设一个输入像素预算，别信"长边 2048 以内"就能跑完；以及评估图像增强效果时，先确认你的判据测的是你想测的东西。

至于超分本身，它适合"给人看"且输入不大的场景——老照片、图纸、商品图放大。板书照片不在里面，因为板书的信息量本来就在那个尺寸里丢光了，放大只是把模糊放大。

> 💡 **一句话**：四组字高、超分前后各识别一遍，一行都没多读出来，还有一组读得更差——所以这个功能我们砍了，砍它的不是主观感受，是那个 0。

## 参考文献

1. 图像超分（开发指南）：https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-image-super-resolution
2. imageSuperResolution API 参考：https://developer.huawei.com/consumer/cn/doc/harmonyos-references/core-vision-image-super-resolution-api
3. 通用文字识别（开发指南）：https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-text-recognition
4. Core Vision Kit 错误码：https://developer.huawei.com/consumer/cn/doc/harmonyos-references/errorcode-core-vision