AI 图像高清放大工具

Photoshop Neural Filters - Super Zoom

Super Zoom 是 Adobe Photoshop 中 Neural Filters（神经网络滤镜）的子功能，定位为“一键式智能图像放大与细节修复”，解决传统插值放大导致的模糊、锯齿等问题。AI 模型会迅速评估图像的各个细节元素，包括颜色分布、纹理特征、边缘轮廓等关键信息。通过对这些元素的精准识别与理解，Super Zoom 能够智能地预测并生成缺失的图像细节，从而实现高质量的图像放大。

基础步骤

1. 在 PS 中打开图像，进入 滤镜 > Neural Filters；
2. 下载（第一次使用）并启用 Super Zoom；
3. 点击 ➕ 或 ➖ 选择目标倍率（如 2x）；
4. 选择是否启用 加强图像细节、加强面部细节（针对人像）或 移除 JPEG 伪影（针对压缩图片）；
5. 拖动滑块选择 降噪 或 锐化 程度；
6. 选择生成 新图层 或 新文档。

参数

• 增强图像细节：通过 AI 算法智能分析图像，提升整体清晰度；
• 移除JPEG伪影：自动识别并消除由于多次压缩导致的块状伪影，恢复原始画质。但注意可能会导致纹理、高光等细节丢失，建议使用 蒙版 进行细节过滤。此功能更适合 2.5D/3D 图片，能有效平滑压缩痕迹；对于2D图片，可能过度柔化硬边缘，导致线条模糊或细节丢失。
• 加强面部细节：勾选后激活面部细节（如睫毛、瞳孔、唇纹）增强功能。不仅适用于面部，还会对发丝、金属材质、服饰纹理等进行全面提升。此功能更适合 2.5D/3D图片，能修复模糊和优化五官细节；对于2D图片，可能可能过度生成 “伪真实” 细节，增加不必要的噪点。

降噪 & 锐化

降噪 和 锐化 功能二者配合可提升画质纯净度与细节清晰度，同时规避单一操作的副作用，推荐根据图像细节进行动态平衡：

• 降噪：去除图像中的噪点，在放大后噪点会更加明显。但需注意参数设置，过高可能导致细节丢失；
• 锐化：调整图像的锐度，通过边缘对比度增强，抵消放大导致的模糊，尤其适合硬边缘内容。但过高的锐化可能产生 “锐化白边”，建议适度调整以获得自然效果。

Stable Diffusion - Extras

在 Stable Diffusion WebUI 的 Extras 选项卡中，内置了 图像放大 和 脸部修复 功能。它支持从基础插值到 AI 超分的多维度处理，可显著提升图像分辨率，将小图、模糊的图或有噪点的图放大、清晰化处理为更大的图。

基础步骤

1. 在 WebUI 界面顶部导航栏找到并点击 Extras 选项卡。
2. 上传待放大的图像。
3. 设置放大比例（二选一即可）：
   1. Scale By：输入放大倍数（如 2 表示放大至原图 2 倍）
   2. Scale to：直接输入目标分辨率（如 1920x1080）
4. Upscaler 1 选择主放大算法。
5. Upscaler 2 配置辅助放大算法，用来避免 Upscaler 1 过度处理的问题（如锐化过度/磨皮失真）。可以使用一些普通方法算法，比如 Lanczos 或 Nearest（传统插值算法）。Upscaler 2 visibility 滑块，则是给以上选择好的两种算法之间做一个合成效果的比例分配。可以在 0-1 之间调节，越接近 0，Upscaler 2 的可见度越低，也就是 AI 生图更多地参考 Upscaler 1 中的放大算法。越接近 1 则相反，建议 0.3-0.7 之间微调。
6. GFPGAN 与 CodeFormer 是系统提供的两个脸部修复算法，可单独或组合使用。若图像含人物脸部，建议启用。

放大算法

WebUI 内置多种超分辨率（Upscale）模型，不同算法针对不同风格效果最佳。例如，R-ESRGAN-Anime6B （下图第一行）更适合放大动漫风格内容，能有效增强线条清晰度和色彩饱和度；而 4x-UltraSharp （下图第二行）则更适合提升真实场景或真人照片的细节与质感。根据图像类型选择合适的模型，可获得更理想的放大效果。

传统放大算法（基于数学插值）

另外，有的是传统的放大算法，仅通过数学计算插值填充像素，无法生成新细节。其本质是对原始像素的权重分配与复制，与AI超分模型有本质差异。适合快速预览或基础放大，但容易出现 模糊或锯齿：

• Nearest：最近邻插值，最简单的放大方法，直接复制邻近像素值。放大后图像会显得非常生硬，整体效果不如 Lanczos。放大后图像锯齿感明显，边缘呈阶梯状，易产生 像素化块状失真（如马赛克）。仅适用于显存极低时的快速预览（计算速度最快）或像素风格的图片。
• Lanczos：基于加权平均插值，利用原始像素信息增强细节，效果优于 Nearest。它通过为像素周围的点赋予不同权重（根据距离远近），在放大过程中进行补间处理。尽管能修复部分细节，但放大后的图像 仍然模糊。适用于辅助AI算法（如作 Upscaler 2），中和 AI 过度锐化或伪影。

现代放大算法（基于 AI ）

这类算法利用深度学习技术，通过训练神经网络来生成更高分辨率的图像，能够显著增强图像细节，提升清晰度与真实感，适合对画质要求较高的场景：

• ESRGAN（Enhanced Super-Resolution GAN）：基于生成对抗网络（GAN）的超分辨率模型，能大幅提升图像细节和锐度，适用于多种场景。增加了很多看上去很真实的纹理，但是有时可能会过度拟合，出现不好的效果。
• R-ESRGAN 4X+：R 是 Real-Time 的意思，+ 代表可放大 4 倍以上。该算法在 ESRGAN 的基础上进行了改进，能够对图像去模糊降噪，可消除 JPEG 伪影并增强纹理细节。但可能会有涂抹感，导致出现偏硬的色块感，适合写实图片。
• R-ESRGAN-Anime6B：Anime 是二次元的意思，6B 指的是在 60 亿参数的动漫数据集上训练的结果，其中包含了大量不同风格、不同质量的动漫图像。许多其他 AI 图像放大工具专注于绘画或摄影风格，因此它们会在动漫图像上留下瑕疵，无法很好地处理动漫图像中的线条。它专为动漫风格图片设计，效果极佳。
• ScuNET：在 Lanczos 基础之上具备去噪点的功能，对人体肌肤有一定磨皮效果，如果单纯只是想去噪点的话，用这个算法很适合。基于深度学习，使用生成对抗网络（GAN）进行训练。主要用在提高图像的视觉效果和感知质量，例如在图像增强、视频处理等。
• ScuNET PSNR：与 SCuNET 相比，在真人质感领域几乎没有区别，适合动漫。基于深度学习，使用均方误差（PSNR）进行训练。主要用在提高图像的客观质量和准确性，例如在医学图像分析、监控视频处理等。
• 4x-UltraSharp：基于 ESRGAN 做了优化模型。UltraSharp 顾名思义，会让图片变得平滑、锐利，适合修复表面纹理有问题的图片。很适合真实场景和真人图像，能增强质感和细节，保留皮肤纹理与毛发细节，减少 “塑料感”。
• SwinIR_4x：基于 Transformer 架构，属于对抗网络的新型算法。很好地保持了照片的自然外观，但会使图像变得平滑，几乎像 Instagram 的皮肤校正滤镜一样。输出区域不稳定，有些区域模糊，有些区域又能放大细节。
• BSRGAN：即双线性超分辨率生成对抗网络，包含退化模型和超分辨率模型，通过联合训练从退化图像中恢复出高分辨率图像。适合修复低质量图片，但绘画或其他纹理丰富的图像可能会丢失一些细节。在特定场景下，其他升级器可能效果更佳。
• LDSR（Latent Diffusion Super Resolution）：潜在扩散超分辨率模型，以出色的照片级真实感图像处理能力而闻名，在锐化和平滑之间具有良好的平衡。但处理动漫或卡通风格时，图像可能会出现随机噪点或伪影等问题。比其他升级器慢得多，如果没有强大的 GPU，几乎无法使用。

更多算法

除了 Stable Diffusion WebUI 内置的算法，社区与第三方平台提供了丰富的扩展算法资源，可进一步满足个性化需求。例如 OpenModelDB 收录超 200 种图像放大算法，涵盖 ESRGAN 变种、SwinIR 衍生模型及二次元专用算法（如 AnimeSR、Real-CUGAN）。一位国外的热心播主也 总结 了 300 多种放大算法的优缺点，并提供了对比图供参考。

使用方式：下载 .pth 格式模型文件后，放入 WebUI 的 models/ESRGAN 目录，重启即可调用。

脸部修复

Extras 面板还提供了图像后期处理功能，包括针对人脸修复的两种主流工具：

两个模型可单独或组合使用，通过 GFPGAN visibility、CodeFormer Weight 和 CodeFormer visibility 来设置它们的参与度。

ComfyUI

在 ComfyUI 中，可以通过模块化的方式构建图像放大的工作流：

1. 加载图像
   • 模块名称：Load Image
   • 功能：从本地加载一张输入图像，作为工作流的起点。
2. 加载放大模型
   • 模块名称：Load Upscale Model
   • 功能：加载特定的图像放大模型。
3. 图像放大
   • 模块名称：Upscale Image (Using Model)
   • 功能：使用加载的放大模型对图像进行放大。
4. 加载人脸修复模型
   • 模块名称：FaceRestoreModelLoader
   • 功能：加载人脸修复模型（GFPGAN 或 CodeFormer）
5. 人脸修复
   • 模块名称：FaceRestoreCFWithModel
   • 功能：使用加载的人脸修复模型对放大的图像进行人脸优化。
   • 参数设置：
     • FaceDetection：定位和识别图像中的人脸区域。
       • retinaface_resnet50 ：基于 ResNet50 的 RetinaFace 模型，具有较高的检测精度，适合对检测准确性要求较高的场景。
       • retinaface_mobile0.25 ：基于 MobileNet0.25 的 RetinaFace 模型，相对轻量化，在保持一定检测精度的同时，计算速度较快，适合对实时性要求较高的场景。
       • YOLOv5l ：基于 YOLOv5 的人脸检测模型，具有较强的实时性和较好的检测效果，能够快速准确地检测出图像中的人脸。
       • YOLOv5n ：同样是基于 YOLOv5 的人脸检测模型，但模型更小、速度更快，适合在资源有限的环境下使用。
     • Fidelity（对于 CodeFormer）：保真度参数，0 高修复 - 1.0 低修复。
6. 输出图像
   • 模块名称：Save Image
   • 功能：保存最终修复后的图像。

开源工具

Upscayl GUI

Upscayl GUI 是一款免费开源的图像放大工具，支持 Windows、MacOS 和 Linux 系统。界面 简洁直观易用，操作简单。提供多种 AI 模型供选择，如 Real-ESRGAN、RemaCRI、UltraSharp 等，适用于不同类型图片的放大需求。且无需联网，保障用户隐私安全。

在线网站

如果不想使用本地工具，还可以选择像 Imagewith.AI 这样的在线 AI 图像放大工具。直接通过浏览器访问，无需下载额外的软件或模型，生成的放大图像没有水印。⚠️ 缺点是每日有免费次数限制，尺寸最大 8000 x 8000px。

其他 GUI

• chaiNNer：基于节点的图像处理 GUI，兼容 OpenModelDB 上的所有模型，并支持 PyTorch (CUDA)、ONNX (CUDA) 和 NCNN (AMD/Intel) 运行框架。由于采用节点式工作流设计，用户可以灵活地构建复杂的图像处理管道，拥有更强的控制力，但同时也增加了一定的学习曲线。
• VideoJaNai：原名 AnimeJaNaiConverterGui，提供简洁易用的 GUI，支持 TensorRT（NVIDIA 显卡）、DirectML 和 NCNN 后端，可快速对视频进行升级处理。但仅兼容 ONNX 模型，如果需要使用 PyTorch 模型，可通过 chaiNNer 转换为 ONNX 格式后加载。
• VSGAN-TensorRT-docker：基于 TensorRT 加速的视频超分辨率 解决方案，通过 Docker 容器化部署，支持多种模型（如 ESRGAN、SwinIR）对视频帧进行逐帧处理，但需要手动调整参数，适合对性能有极致要求的专业视频后期团队。