3分钟搞定！Real-ESRGAN超分辨率工具从安装到应用全指南
项目地址: https://gitcode.com/gh_mirrors/re/Real-ESRGAN 你是否还在为模糊的老照片修复发愁？动漫截图放大后满是马赛克？别担心！本文将带你快速掌握Real-ESRGAN的安装与使用，轻松实现图片4K超分辨率提升。读完本文，你将获得：
- 3种安装方式的详细步骤（Python/绿色版/源码）
- 5类场景的模型选择指南
- 7个实用参数的调优技巧
- 90%用户会遇到的问题解决方案
一、快速安装：3种方式任选
1.1 Python环境安装（推荐开发者）
# 克隆仓库
git clone https://gitcode.com/gh_mirrors/re/Real-ESRGAN
cd Real-ESRGAN
# 安装依赖
pip install basicsr facexlib gfpgan
pip install -r requirements.txt
python setup.py develop
1.2 绿色版exe（推荐普通用户）
直接下载对应系统的压缩包，解压即可使用：
二、模型选择：5大场景全覆盖
Real-ESRGAN提供多种预训练模型，不同场景选择对应模型效果更佳：
| 模型名称 | 适用场景 | 放大倍数 | 特点 |
|---|---|---|---|
| RealESRGAN_x4plus | 普通照片 | 4x | 通用场景最佳选择 |
| RealESRGAN_x4plus_anime_6B | 动漫插画 | 4x | 体积小，二次元优化 |
| realesr-animevideov3 | 动漫视频 | 4x | 视频专用，速度快 |
| RealESRGAN_x2plus | 快速处理 | 2x | 低倍数需求首选 |
| realesr-general-x4v3 | 轻量级 | 4x | 低配置设备适用 |
完整模型列表参见模型库文档
三、实战教程：3行命令搞定超分辨率
3.1 基础使用（普通图片）
# 下载模型
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth -P weights
# 执行超分辨率处理
python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance
处理结果会保存在results文件夹中，原始图片可放在inputs目录中。
3.2 动漫图片优化
THE 1TH POSITION OF THE ORIGINAL IMAGE
# 下载动漫专用模型
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.2.4/RealESRGAN_x4plus_anime_6B.pth -P weights
# 处理动漫图片
python inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i inputs/动漫图片.jpg
3.3 绿色版使用方法
# Windows系统示例
./realesrgan-ncnn-vulkan.exe -i 输入图片.jpg -o 输出图片.png -n realesrgan-x4plus-anime
四、高级技巧：参数调优指南
推理脚本提供多种实用参数，助你获得最佳效果：
# 常用参数组合示例
python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --outscale 3.5 --face_enhance --tile 512
| 参数 | 作用 | 推荐值 |
|---|---|---|
| --outscale | 输出缩放比例 | 2.0-4.0 |
| --face_enhance | 人脸增强 | 人像照片启用 |
| --tile | 分块大小 | 显存不足时设为512 |
| --fp32 | 高精度模式 | CPU运行时启用 |
| --suffix | 输出文件后缀 | "out" |
五、常见问题解决
Q1: 报错"slow_conv2d_cpu" not implemented for 'Half'
A: 添加--fp32参数使用CPU模式：
python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --fp32
Q2: 动漫图片是否需要启用face_enhance？
A: 不需要。FAQ文档明确说明：face_enhance仅对真实人脸有效，动漫图片使用会浪费GPU内存。
Q3: 显存不足怎么办？
A: 使用分块处理参数--tile，如--tile 512，数值越小显存占用越低。
六、总结与展望
Real-ESRGAN作为一款强大的超分辨率工具，已广泛应用于老照片修复、动漫放大、监控画质提升等场景。项目仍在持续优化中，未来将支持更多超分比例和场景优化。
如果你有好的建议或需求，欢迎通过issue参与讨论。觉得有用请点赞收藏，下期将带来视频超分辨率处理教程！
附录：项目资源
本项目基于BSD 3-Clause协议开源，仓库地址：https://gitcode.com/gh_mirrors/re/Real-ESRGAN
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
