ComfyUI中的图像放大

ComfyUI中的图像放大

在ComfyUI中有三种图片放大方式，接下来我们将分别来学习

1. 非模型放大

这种图片放大方式，是指不需要借助任何模型进行放大，直接将像素图像通过"图像缩放"节点，采用近邻等缩放方式，放大图像像素。

采用非模型放大，处理速度极快，放大后图像会变的模糊（模糊程度取决于我们选用的缩放方式）。

非模型放大工作流搭建

新建节点->图像->放大->图像缩放/图像按系数缩放/图像按像素缩放

非模型放大工作流如下：

图像缩放节点，可以直接调整宽高像素进行缩放，裁剪有2种，一种是不裁剪，也就是对图片进行拉伸，一种是从中心位置裁剪掉多余的边

图像按系数缩放节点，系数值就是原图像素的倍数，值为1不缩放，值为2放大2倍

图像按像素缩放节点，可以直接调整图像像素值，值为1就是100万像素，也就是1024*1024，值为2就是200万像素

这3种图像缩放节点都是输入输出图像,节点中的"缩放方式"包含了：近邻-精准、双线性插值、区域、双三线插值和lanczos，它们都是一些函数，我们没必要去了解他们的原理，大家可以根据自己的测验选择合适就可以了。

2. 模型放大

模型放大的原理是将像素图像通过放大模型算法，对图片进行高清放大。 采用模型放大，放大后图像会变的清晰，但是并不会修复细节。处理速度较快。

模型放大工作流搭建

新建节点->图像->放大->图像通过模型放大

既然是模型放大，那我们就需要一个模型放大加载器：

新建节点->加载器->放大模型加载器

完整的工作流如下：

如图所示，原始图片尺寸由400*400变到了1600x1600，放大了也更清晰了。

看到这里肯定有同学疑惑，放大模型都有哪些？如何安装？接下来我们就来补充说明放大模型的基础知识点。

常用的放大模型

• ESRGAN x4: 4倍放大，适用于照片写实类
• RealESRGAN x4: 4倍放大，全能型
• RealESRGAN_x4plus_anime_6B: 适用于二次元
• 4x_NMKD-Siax_200k： 4倍放大
• 8x_NMKD-Superscale_150000_G： 8倍放大

先别被那么多放大模型给吓倒，其实经常使用的就两三种。根据我的经验，写实类的图片进行放大选择ESRGAN x4，二次元类型的RealESRGAN_x4plus_anime_6B,其余的统统选择RealESRGAN x4

如何安装放大模型

打开管理器，点击安装模型，在弹出的对话框中搜索upscale,然后选择相应的放大模型，点击安装即可。

3. 高清修复

高清修复的的工作原理是把采样器的输出传送到潜空间中进行放大，然后再交给采样器进行二次采样，降噪生成图像。

接下来我将从基本的文生图工作流开始，演示如何进行高清修复。

首先加载文生图工作流，这个大家肯定都已经熟悉了，不过多解释。

在这个工作流中，我们先把采样器的种子设定为随机，然后尝试多次抽卡，直到遇到自己满意的图片就把种子设为fixed。此时生成的照片虽然画风姿态还行，但是细节和清晰度还不够，需要进行高清修复。

注意⚠️： 开始高清修复前，务必记得把采样器的种子设为fixed

高清修复的节点如下：

我新建了一个节点组，把参与高清修复的节点都拉到这个组内，如果不想开启高清修复，可以右键该组，选择忽略该组节点。

在高清修复组中，K采样器的随机种子一定要跟前一个K采样器的种子保持一致，例子中是363135131840051。采样器可以换dppmpp_2m_sde，调度器选karras，降噪建议在0.5-0.8之间。这个值越小，原图的权重越大，或者说高清修复后的图越像原图。这个值越大，模型自由发挥的空间就越大，越不像原图。

假如你对高清修复后的图像仍然不太满意，还想进一步放大，那也是可以的。我们在高清修复组之后，新建一个模型放大组。在该组内采用模型放大的方法，对图像进一步的放大，如下图所示：

我们采用RealESRGAN x4plus模型，对图像进行4倍放大，最终图像分辨率由文生图的512*512放大到了3072*3072。

4. SD放大

要实现SD放大，需要先安装SD放大插件。在管理器->安装节点中搜索ssitu,之后选择SD放大，点击安装即可。

安装完成后，重启ComfyUI，右键新建节点->图像->放大--->就能看到SD放大。

SD放大的原理

SD放大插件会先将图片切成好几个小块（Tile），通常是 512×512，然后分别对每一个小块进行放大，最后再拼回一张大图。 这样的做法不仅可以确保放大的效果和视觉品质，同时也能在提升提示的同时，节省计算和储存空间。

SD放大节点参数详解

• 放大系数：就是将原来的图片放大几倍，单次最大4倍

• 模型类型：正常选择Chess ，接缝问题会小很多，也会防止一些伪影

  Linear（直线）：逐行进行拼接（更快，但是会有几率出现伪影，我们默认使用这个）

  Chess：棋盘拼接 ，可以理解成"X"形状的拼接样式（慢一些，出现伪影的几率小）

• 分块宽度/高度：表示将最终放大后的图片像素分割成每一个Tile（小块）的宽和高像素

• 分块分区：处理某一个Tile（小块）时，将周围相邻小块多少像素考虑进去。

• 模糊：拼接区域的羽化程度，默认 8 就可以，融合不好的情况下适当调高。

• 接缝修复模式：如果结果图像没有可见的接缝，就不要使用它，保持默认值None。

完整工作流

上面的工作流我使用了效率节点，正好也是对之前所学知识的复习。放大系数为2，最终把512*512的图像放大到了1024*1024。

如果对SD放大效果不满意，我们可以先使用高级修复和模型放大，最后再使用SD放大。具体的工作流就不演示了，留作小伙伴们的课后作业😂。

总结

本文介绍了3种放大工作流和1种高清修复工作流，在实际工作中我们可以根据自己的需求，灵活地搭配这几种工作流。