ComfyUI- 必须掌握的8种图像放大方式

ComfyUI- 必须掌握的8种图像放大方式

引用

CSDN

1.

https://m.blog.csdn.net/m0_71745754/article/details/145156185

一、图像缩放

这种方式会根据设置的宽高，应用相应的缩放方法进行缩放，缩放过程中，会根据裁剪模式，选择是拉伸图像还是从图像中心向外延展裁剪。

缩放方法

这个表格可以帮助你快速了解每种插值方式的原理、优缺点和适用场景。

裁剪

• 禁用：表示不进行裁剪，会导致图像变形。
• 中心：表示从中心点开始向周边裁剪，裁剪尺寸为定义的宽和高。

二、图像按系数缩放

这种缩放方式本质上来讲是通过填充像素的方式放大图像，或通过抽离像素的方式进行缩小。

三、图像按像素缩放

本质上将这是一种像素填充的方式来放大图像。

四、图像通过模型放大

以上3种放大方法，都是基于插值进行放大，也就是添加像素方式放大，而模型放大是基于深度学习的放大。

基本原理：模型能够学习图像的低级特征和高级特征,提取低分辨率图像的特征,通过采样技术将特征图放大到所需的高分辨率尺寸.

模型放大优势

• 质量保持:更好地保持图像的原始质量,减少模糊和伪影
• 细节增强:模型能够恢复图像中的细节
• 灵活性:模型可以针对不同的应用场景进行定制

模型放大劣势

• 较高的计算资源

可以看到，生图丢失细节严重，如果你对细节要求不严格，可以选择这种方式。

五、Latent缩放

一次缩放

二次采样

1、在潜空间进行放大 2、对放大后的图片进行二次采样采样幅度=步数 x 降噪值

1. 步数（Steps）：这个参数指的是在生成图像时，从噪声图像到清晰图像的迭代过程需要经历的步骤数量。步数越多，AI 就有更多机会根据输入的提示词（prompts）来调整图像，通常会导致更高的图像质量，但同时也意味着更长的生成时间和更高的计算成本。

2. 降噪（Denoising）：降噪强度是控制图像生成过程中保留原始图像特征与创造新图像之间平衡的参数。降噪强度越高，生成的图像与原始输入图像的差异越大，图像变化也越明显。其取值范围为0到1，其中0表示不添加噪声，1表示添加最大数量的噪声，使得潜在空间中的图像成为一个完全随机的张量 。

采样步数和降噪，直接影响到出图的结果。一般做法是固定采样步数，调整降噪值调整出图效果。 降噪值越大（步数降噪越大），即去除噪点越多，图片调整幅度越大，和原图越不像。 降噪值越小（步数降噪越小），即去除噪点越少，图片调整幅度越小，和原图越像。 为了达到图片放大，且保持图片一致，降噪的值不能太大，太大图片不一致，太小相当于不去噪点，达不到图片放大的效果。反复试验，取一个最合适的值即可。缺点：这种放大方式，不能保证放大后的图和原图100%的一致。

六、Latent按系数缩放

可以看到生成的图像也比较糊

七、SD放大

将图片切成好几个小块（Tile），通常是 512×512 或 128×128，然后对每一个小块进行放大，最后再拼回一张大图，这样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可以说，SD UpScale是目前放大图片的最佳手法，也是许多图像处理软件中经常会用到的一种技术。

搜索SDUpscale放大插件，安装，重启ComfyUI。

我们一般调整放大系数、采样器、降噪值，其他保持默认即可。

7.1、放大系数

就是放大到原来的多少倍

7.2、模式类型：直线（Linear）模式

• 概念：这是最常见的插值方式之一，基于线性插值，像素值按照图像的现有数值做平滑过渡，逐行处理。
• 特点：适合处理均匀渐变的图像，不会引入太多伪影或失真。它提供了一种平滑的放大效果，但是对于图像细节丰富或复杂的图像来说，细节部分可能丢失或模糊。
• 应用场景：适用于自然风景、渐变背景等图像放大。

Chess（棋盘格）模式

• 概念：棋盘格模式通过分割图像为多个区块（像棋盘的格子一样）分别进行处理。这种方法可以更好地处理图像中的局部细节，因为每个区块都可以独立进行运算和优化。
• 特点：适合处理复杂图像，尤其是具有较多细节或纹理的图像。由于分割成小区块处理，这种方法在保证局部细节方面较好，但可能会导致一些边缘过渡不自然的情况。
• 应用场景：适合用于人脸、建筑物等图像，需要保持细节清晰的场景。

一般我们选择Chess就可以。

7.3、分块宽高

划分区块的宽高，模型会按照这个设置进行区块划分，在每一个区块上进行重绘。

7.4、模糊

用来调节图像在放大时的细节保留和边缘锐化。

1. 减少细节冲突在图像放大的过程中，如果图像原本的细节过多或者过于锐利，放大后的图像可能会出现不自然的锐边或不连贯的细节。通过预先模糊处理，可以平滑一些过度复杂的细节，使图像在放大后更自然、过渡更平滑。

2. 防止噪点放大当低分辨率的图像中存在一些噪点（如像素颗粒感），直接放大会导致这些噪点也被放大并显得更加明显和刺眼。通过在放大前先模糊掉这些噪点，能够减少它们在放大图像中的影响，提升图像的整体质量。

7.5、接缝修复

用于处理区块边缘接缝时的处理方式

有3种接缝修复模式，Band Pass最强，Half Tile较弱，Half Tile + 强弱平衡。

通过设置接缝降噪，宽度，模糊，分区达到最近的接缝效果。

八、终极SUPIR放大

SUPIR放大不仅可以放大图片，还可以用来修复模糊图片和增强图片细节。SUPIR通过使用深度学习模型来实现图像的高质量放大，提供了一种“无损放大”的解决方案，即使在极大提高细节的同时，也能保持原图内容的不变。

8.1、插件安装

首先，我们在节点管理里面搜索SUPIR并安装ComfyUI-SUPIR，然后重启ComfyUI

8.2、模型安装

下载地址：https://huggingface.co/Kijai/SUPIR_pruned/tree/main

下载到本地，放置在~\ComfyUI\models\checkpoints中，刷新ComfyUI

8.3、节点位置

8.4、放大案例

通过放大，我们发现放大效果是非常棒的，它不仅仅放大了图像，还对图形细节做了很多的修复。可以说是一箭双雕，原图细节也得到很好的保留，不愧是终极方法杀气。

其他参数保持默认就可以，我们看下几个关键参数，也是我们经常调整的地方：

SUPIR模型：SUPIR\SUPIR-v0Q.ckpt，放大模型，提供放大高清修复能力

SDXL模型：选择SDXL类型的模型（SUPIR放大仅适用SDXL模型）

缩放系数：设置放大的倍数

CFG缩放：CFG越大，图像就越锐利，越小就越平滑，一般控制在4到6之间

噪波量：噪波量通常指的是图像放大过程中引入的额外噪声。在SUPIR放大中，噪波量的大小直接影响到图像放大后的质量。如果噪波量较大，即使图像的分辨率得到了提升，放大后的图像也可能因为噪声过多而显得模糊不清，细节丢失。一般保持1不变即可。