Answers:
这个过程很复杂，但是这应该让您对正在发生的事情有一个直觉。想象一下，您有一台普通的摄像头，但是有电动机将传感器沿任何方向移动半个像素。
该相机无需拍摄一张图像，而是拍摄四张：一台居中，一台向右移动半个像素，一台向右移动半个像素，一台向右移动半个像素和下半个像素。
然后，我们可以获取居中的图像，使其尺寸加倍，将像素间隔开，如下所示：
xxxx x x x x
xxxx ____\
xxxx / x x x x
xxxx
x x x x
x x x x
然后，我们可以使用其他偏移的图像1、2和3来填补空白。
x1x1x1x1
23232323
x1x1x1x1
23232323
x1x1x1x1
23232323
x1x1x1x1
23232323
给我们留下两倍分辨率的图像。有趣的是，有些相机采用了这种技术，例如哈苏H4D-200MS（对不起，如果您不得不问您买不起多少相机）。
使用标准相机的超分辨率要复杂得多，因为当您无法控制相机或拍摄对象运动时，您不会得到精确的半像素偏移，但是除非您非常不幸，否则偏移的图像将与原始图像有些偏移。通过组合足够的图像，您将获得非常不规则采样的图像（像素样本不会掉落到网格上），但是可以将其插值（通过在样本之间跟踪线以猜测确实落在精确的网格线上的结果）常规图像。
考虑到传感器不是完美的捕获设备。每个像素都会记录一些误差。例如，如果像素的最准确值是N，则传感器将记录在N-E to N+E给定范围内的值E。对于一个好的传感器E来说很小，而一个坏的传感器则更大E。
还要注意，每次曝光时，给定的像素将具有不同的误差，传感器中的单元没有内存，因此，一次变低的像素可能在下一次变高。
当您对同一主题进行几次曝光并将它们平均在一起时，您实际上在减少曝光E。对于上面的示例像素，您将对周围未知的一堆不同值N取平均值，因此平均值可以使您更接近理想值N。
以下是我所了解的东西。人们应该随意指出任何误解，以使我们所有人都受启发，但希望实际上会指出他们发现的任何东西，而不仅仅是在啤酒中喃喃自语。（或胡须或...）。
简单地说，不同的照片中的信息略有不同，并且使用各种方法来检测和提取这些额外的信息，并以一致的累加方式将其组合。
值得注意的是，不能保证该系统在所有情况下都能正常工作。
[Wikipedia超级分辨率页面]指出：
在最常见的SR算法中，在SR图像中获得的信息以混叠的形式嵌入到LR图像中。
这要求系统中的捕获传感器足够弱，以至于实际发生混叠。衍射极限系统不包含混叠，总系统调制传递函数正在滤除高频成分的系统也不包含混叠。
混叠是系统正确显示有关频率数据的能力。参见“说明”。
如果我正确理解了它们（并且我可能会也可能不会），则它们的短语“足够弱”意味着它们是传感器无法自行解决的额外信息，通常被认为是不好的，因此通常在可能的情况下将VBUT压制为“混淆” SR系统需要其他信息。尼康D800r的传感器上没有抗锯齿的光学滤镜，而标准D800和几乎所有其他数码单反相机都具有这种滤镜。
MTF实际上是镜头产生对比度或产生“锐度”的能力（两者紧密相关。MTF通常最好在镜头中央附近，并且具有矩形图像时会朝边缘掉落，通常在图像角处更是如此他们说系统产生超分辨率图像的能力取决于其渲染对比度和清晰度的能力，即其质量，即镜头至少需要与会产生超分辨率图像的镜头一样好。如果传感器和处理能力得到改善，则解决方案将直接投入使用。
当对信息流的采样速度如此之慢，以至于某些高频信息的变化比采样率更快并且“环绕”时，就会出现混叠现象，并且看起来好像它确实是低频分量。在一个限制系统中，采样率需要至少是当前最高信息率的两倍，但实际上其采样率要比此更高。
简单的例子：
考虑序列0 1 2 3 4 5 6 5 4 3 2 1 0 1 2 3 4 5 6 5 4 3 2 1 0 1 2 3 4 5 6 ...
显然，有一个图案每12个单元重复一次。
这是一个三角形的ave，它增加6个周期，然后再减少6个周期，然后重复，周期= 12个单位。
现在仅每11次取样一次。我们得到
0 1 2 3 4 5 6 5 4 3 2 1
这是完全相同的模式，但变化慢11倍-周期为11 x 12 = 132个单位的三角波。
每8次采样相同的序列，您将得到0 4 4 0 4 4 0 4 4，
即看起来像1：2方波，周期= 24个单位。
任何大于6个时间单位=半个周期的采样周期都会导致这种混叠误差。