Upscale（图像放大）技术是一项至关重要的技能，尤其是在处理老照片或低分辨率图像时。本教程将详细介绍 Upscale 的概念、原理和在 ComfyUI 上的实际应用。
准备工作
在进行 Upscale 操作之前，您需要下载并安装以下模型至 ComfyUI 的指定文件夹：
- Real-ESRGAN x2 – 放入
models/upscale_models文件夹。 - BSRGAN x2 和 BSRGAN x4 – 同样放入
models/upscale_models文件夹。
Upscale 的基本原理
Upscale 技术主要有两种方法：直接对可视图像进行放大（Pixel Upscale）和对潜在空间图像进行放大（Latent Upscale）。
方法一：Pixel Upscale
这种方法直接对图像的像素进行处理，通过算法或神经网络模型放大图像的尺寸。常见的算法包括：
- 双三次插值算法（Bicubic）：通过使用周围像素的值预测新像素的值，适用于自然过渡但可能造成模糊。
- Lanczos插值算法：更加注重保留细节和锐化边缘，但处理速度较慢。
- 基于神经网络的模型（如 Real-ESRGAN）：通过深度学习训练，理解图像的纹理和细节，生成更为真实和细腻的放大图像。
方法二：Latent Upscale
此方法不直接对图像本身进行操作，而是在生成图像的潜在空间进行放大。这通常涉及到图像的生成模型，如 VAE（变分自编码器）或 GAN（生成对抗网络），通过放大潜在表征来生成更高分辨率的图像。
实战操作：ComfyUI 上的 Upscale
Pixel Upscale Workflow
- 加载图像：使用
Load Image节点加载待处理图像。 - Upscale 节点：根据需要选择使用算法方法（如双三次插值）或模型方法（如 Real-ESRGAN）。
- 保存图像：通过
Save Image节点保存处理后的图像。
Latent Upscale Workflow
- 生成潜在空间图像：使用
VAE Encode节点将图像编码到潜在空间。 - 潜在空间放大：使用
Upscale Latent节点放大潜在表征。 - 解码生成图像：通过
VAE Decode节点将放大后的潜在空间解码回图像。
应用示例
- 老照片修复：使用 Upscale 技术可以显著提高老照片的清晰度和细节。
- 艺术作品放大：为艺术品创作或展示提供高分辨率的版本。
阅读全文
温馨提示：
