第二十六章：Stable Diffusion高清修复如何使用？

2024-07-29科技

上图由Stable Diffusion生成

一般而言，受到计算机性能的影响，包括受限于大模型底图的分辨率制约，我们生成的图像不适宜设置过高的分辨率，一般都不超过2K。为了能够出「大图」或者修复一些低质量、低分辨率的其他图像，Stable Diffusion中还提供了非常人性化的放大和高清修复功能，这简直是低配用户的福音。Stable Diffusion中进行图像高清修复主要有几种不同的方法和步骤。以下是关于如何使用SD进行高清修复的一些详细步骤和注意事项：

一、高清修复技术原理

目前来说，高清修复通常基于AI技术和计算机图形学，借助工具程序，通过重新绘制图片的细节，进而增加图像分辨率和图像质量来实现。

选择修复方法：高清修复/高分辨率修复；选中图片后，使用软件中相应的功能选项，如「高清修复」或者「高分辨率修复」选项。

图生图：这是SD自带的一个放大方式，原理与高清修复类似，但可能需要通过特定步骤来实现。

插件方法：如Tiled Diffusion和Controlnet Tile模型，这些插件提供了更高级的修复和放大功能。

上图由Stable Diffusion生成

二、具体步骤

高清修复/高分辨率修复： 选中图片，固定seed值，当然这个根据需求来确定，不是必选项。

点击启动「高分辨率修复」或相应选项。根据需要调整参数，如放大算法，一般使用R-ESRGAN 4X+ Anime6b或R-ESRGAN 4X+，此外「重绘幅度」也需要选择合适的数值，这个过程可能会经过反复试验。

图生图： 将图片发送到「图生图」功能；上传低分辨率图片，并设置放大算法，比如R-ESRGAN 4X放大，这里一定要注意「分块重叠像素宽度」的设置，以避免图像分割问题。

插件方法（如Tiled Diffusion和Controlnet Tile模型）： 在「图生图」功能中，启用Tiled Diffusion和Tiled VAE插件；控制图片放大尺寸，并设置其他相关参数；使用Controlnet插件时，上传低分辨率图片，同时选中「Tile（分块）」功能；然后适度调整「控制权重」的数值，以获得最佳放大效果。

放大倍数： 输入你希望将图像放大的倍数。这个参数直接决定了最终图像的大小和分辨率，但需要注意数值大小和图像失真度的关系，也就是说并非越大越好，这个也要多注意。

迭代步数（Hires step）： 迭代步数是一个关键参数，控制生成过程中的迭代次数，一般而言，更多的迭代步数通常会带来更高的图像质量和细节，但同时也会增加生成时间；一般来说，较少的迭代步数（如50到100）生成速度快但图像细节可能不足；较多的迭代步数（如150到300或更多）生成速度慢但图像细节更丰富。因此，要寻找到最适合图像特点的迭代步数，以达到图像质量和生成效率之间的平衡。

重绘幅度： 用于控制图像重绘的程度，决定了在从噪声图像生成最终图像时，模型对输入提示词的依赖程度；数值「0」意味着没有重绘，即保持原始图像不变；数值「1」则表示完全重绘，即生成的图像完全依赖于提示词，不参考原始图像；可以根据需要调整这个值，以在保持图像原有特征和引入新特征之间找到平衡。

降噪强度（Denoising strength）： 反映了最终生成图像与原始输入图像之间的变化程度，当降噪强度较高时，修复后的图像将与原图几乎无关；而降噪强度较低时，修复后的图像会与原图有一定的相关性，因此你可以根据实际需求调整这个值，以获得理想的修复效果。

放大算法： Stable Diffusion内置了多种放大算法供选择使用，如ESRGAN_4x、SwinR 4x等，每种算法都有其特点和适用场景；对于重绘幅度较低的情况，ESRGAN_4x和SwinR 4x算法通常有较好的支持；如果是处理动漫图片，则可以选择R-ESRGAN 4X+Anime6B算法。

工作界面

三、注意事项

涉及到的注意点其实不少，梳理来看主要有：

一是放大倍率。通常可以选择2倍或4倍放大，避免过大导致显存问题。在Stable Diffusion中调整图像放大倍数和迭代步数以获得最佳效果，需要综合考虑多个因素，包括图像内容、计算资源、所需时间以及个人审美偏好等。放大倍数决定了最终图像的尺寸和分辨率。较高的放大倍数可以生成更大尺寸的图像，但同时也可能引入更多的噪声和失真。

二是分辨率设置。确保放大后的图片分辨率与原图宽高比一致，避免变形。

三是算法选择。根据图片类型（如真人或动漫）选择合适的放大算法。

四是显存占用。务必注意显存使用情况，放大处理非常消耗显存空间，一定要避免爆显存情况出现，要理性选择放大倍数。