◆comfyUI教程◆第2章14节 几种基础的图像放大原理与方法

摘要：本文梳理 ComfyUI 中 7 种基础的图像放大路径并测试效果：①K 采样前放大 latent，出图重构图且与原图无关；②K 采样后放大 latent 直接解码，图未放大且变模糊；③K 采样后放大 latent 再二次采样，设 0.5 左右降噪值可获高清图；④出图后直接缩放，尺寸变大但效果差；⑤出图后放大再经 VAE 编码与二次采样，效果较好；⑥用放大模型放大，崩脸图缺陷仍在，正常模糊图细节提升；⑦借 SD 放大节点（需装插件）分块放大，棋盘格模式保细节，可省显存。

    结合前面学习的内容，我们先来思考一下放大图像的可能路径，出图前主要在潜空间内放大latent的尺寸，出图后则考虑直接放大图像尺寸或将图像转化为潜空间再进行放大（潜空间放大后可以区分是否再次经过K采样器处理），也可以通过专门的放大模型和插件进行放大。按上述思路，我们将可能的图像放大路径梳理如下：

    ①K采样处理前，先放大“latent”的尺寸，再进入K采样器；

    ②经K采样器处理后，先放大latent尺寸，再经VAE解码生成图像；

    ③经K采样器处理后，先放大latent尺寸，经K采样器二次处理，再通过VAE解码生成图像

    ④出图完成，直接放大图像尺寸；

    ⑤出图完成，先放大图像，再通过VAE编码及K采样器二次采样

    ⑥出图完成，图像经过放大模型放大

    ⑦出图完成，图像通过专用放大节点和放大模型进行图像放大

    下面我们通过一组实例来测试上述方式的效果，看看哪些方式可以有效放大图片。测试期间我们固定种子值及各项参数，方便效果进行对比。这里我们出一张512×512的全身照图像，由于面部像素不足，可以得到一张崩脸的图片。

1 K采样处理前，先放大“latent”的尺寸，再进入K采样器；

    K采样器前，放大latent宽、高值，改变了生图前的潜空间大小，最终出图会重新构图，内容与原图无关。

2 经K采样器处理后，先放大latent尺寸，再经VAE解码生成图像

    K采样器后先放大latent，后直接进行VAE解码成图像，未通过K采样器二次采样，可以看出图像未放大成功且变得更加模糊。

3 经K采样器处理后，先放大latent尺寸，经K采样器二次处理，再通过VAE解码生成图像

K采样器后，扩大latent尺寸，增加二次K采样器采样，可以获得高清图片。

需注意：二次采样的降噪值需设置在0.5左右（数值低则图像十分模糊，数值高则出图内容变化幅度过大）

4 出图完成，直接放大图像尺寸；

    出图后，直接采用图像缩放相关功能放大图像尺寸，可以看到经过“图像缩放”、“图像按像素缩放”、“图像按系数缩放”，图像尺寸虽然变大，但均未获得较好效果的放大。

5 出图完成，先放大图像，再通过VAE编码及K采样器二次采样

    出图流程完成，先放大图像，再通过VAE编码及K采样器二次采样，可以获得较好的放大效果。

6 出图完成，图像经过放大模型放大

    底图是因像素不足而崩脸的人物情况下，图像经过直接模型放大，虽然画幅增加，画面锐度及颗粒度提高，但是画面内容仍在是崩脸的状态，缺陷内容无法改善。

    也可以直接通过“加载图像”方式，通过放大模型放大。此次我们选择一张正常的模糊图片测试效果，图片画质得到提升、细节有所加强，且原图画面内容基本未发生变化。

7 出图完成，图像通过专用放大节点和放大模型进行图像放大

    用于放大图像的节点也有多种，比如常用的SD放大、Supir放大、auraSR放大及flus放大等。本节课先就comfyui常用的放大方式“SD放大（Ultimate SD Upscale）”进行讲解，该插件在运行时会先将图片切割成小块，经逐块放大后再进行拼接形成一张大图，通过此方法既可以取得放大图像效果，又可以控制计算所需显存，可以有效防止爆显存问题出现。

7.1 “SD放大”节点安装

    管理器中搜索“Upscale”，找到Ultimate SD Upscale插件点击安装并重启即可。

7.2 节点路径及节点参数

    新建节点→图像→放大→SD放大

7.3 节点参数

    “SD放大”节点与“K采样器”节点的功能有多个参数相同，实际应用时也是替代K采样器在工作流中进行运算。节点参数中，我们主要关注如下不同的内容：

（1）放大系数：图像放大的倍数

（2）模式类型：

分为直线（Linear）模式和棋盘格（Chess）模式。

直线模式下，像素值会按照图像的现有数值做平滑过渡，逐行处理。该模式下不会产生过多的伪影，放大效果较为平滑，但是可能会忽略一些细节。该模式常用于一些对细节精度要求不高的图像放大。

棋盘格模式，图像会像棋盘格一样将图像切割成多块且每个区块都独立放大计算，可以保留更多细节，但是可能会出现边缘过渡不自然的问题。该模式更适用于人脸、肖像等对细节保持有要求的图像。

一般情况下，我们会选择棋盘格（Chess）模式。

（3）分块宽度、分块高度：每一块独立运行区域的宽高大小，数值越小则分割的块数越多。

（4）模糊：调节放大过程中图像平滑程度。可以减少放大图像中过于锐利的细节或噪点颗粒随图像一并放大，使图像更加平滑、过渡自然。

（5）接缝修复模式：不同区块之间的边缘接缝处理模式。

    共有三种接缝修复模式，包括Band Pass(最强)、Half Tile(较弱)、 Half Tile+Intersecuons(强弱平衡)；选择一种修复模式，并与下面的设置接缝降噪、宽度、模糊、分区等参数共同调试适用的模式。

7.4 使用方法

    图生图中，采用“SD放大”替代“K采样器”节点接入工作流即可，通过测试，放大后效果。

    SD放大可以确保较好的放大效果，且因为分割计算的方式能节省计算空间，可以说该方法是目前放大图片最常用的基础方法。

8 对比

    经过上面的测试，我们发现有效的放大方式如下：

    K采样器后，先扩大latent尺寸，增加二次K采样器采样；

    出图流程完成，先放大图像，再通过VAE编码及K采样器二次采样；

    图像通过模型放大，保留原图内容增加清晰度和细节（还原底图内容）；

    通过SD放大等专门节点进行放大，获得更好的放大效果；

    K采样器后，无论是先放大latent再出图，还是出图后放大图像，均需要二次K采样器才可以取得放大效果。图像直接通过模型放大，可以增加细节和清晰度，但是需要底图资深保持较好的品质，否则各类缺陷会随之放大；SD放大等放大节点可以获得更好的放大效果。

    当然本节内容测试的仅是图像放大的几种基础方法测试，目的是为了让大家更直接的了解comfyui的运行原理，实际使用时上述方法往往仅作为发达工作流中的局部节点，后续课程还会有效果更好的放大模型机放大节点进行介绍，与基础放大节点共同组合成完美效果的放大工作流。

附件：comfyUI基础整合包，包含秋叶版绘世启动器及comfyui官方版共两个版本，适合Windows系统使用。网盘内压缩文件解压密码VX-huaqs123，为防止下载失败，可先转存再下载。软件均为整合包形式，无需安装，下载后打开文件夹，点击运行图标即可使用。

百度网盘链接: 

https://pan.baidu.com/s/1UVeWVFttiWOZEWHtnLav9A?pwd=886e 提取码: 886e 

夸克网盘链接：https://pan.quark.cn/s/f445b7325b47

    欢迎正在学习comfyui等ai技术的伙伴VX加 huaqs123 进入学习小组。在这里大家共同学习comfyui的基础知识、最新模型与工作流、行业前沿信息等，也可以讨论comfyui商业落地的思路与方向。 欢迎感兴趣的小伙伴，群共享资料会分享博主自用的comfyui整合包（已安装超全节点与必备模型）、基础学习资料、工作流等资源……

    致敬每一位在路上的学习者，你我共勉！Ai技术发展迅速，学习comfyUI是紧跟时代的第一步，促进商业落地并创造价值是我们学习的最终目标。

 ——画青山Ai学习专栏———————————————————————————————

零基础学Webui：

https://blog.youkuaiyun.com/vip_zgx888/category_13020854.html

Comfyui基础学习与实操：

https://blog.youkuaiyun.com/vip_zgx888/category_13006170.html

comfyui功能精进与探索：

https://blog.youkuaiyun.com/vip_zgx888/category_13005478.html

系列专栏持续更新中，欢迎订阅关注，共同学习，共同进步！

————————————————————————————————————