修复模糊图片——CodeFormer本地开源程序（全程无代码顶级详细，小学生都能看懂）

这篇准备真的超详细，每一步可能出错的情况，我都一一写了备注和解决方案。只要是个人，手上有个无论多低配的电脑，不需要代码知识，就能建立本地程序，而且完全免费。

先看一下官方网站给出的案例：

这个效果还是很牛掰的。我自己是23年1月就初次试验过了，当时对我个人来说是非常震撼。而且他是完全可以建立在本地电脑上的，不需要互联网上传到服务器就能自己修复，很保护用户的隐私性。

其实国内大多数收费的照片修复网站，绝大多数都是基于这个开源程序打包的。学会之后自己也可以搭建一个服务器网页，收费修复别人的老照片。这部分弄个后端程序不算难，用py-flask很容易实现。前端在线网页可以参考我以前的一篇关于搭建自己的html在线网站的文章。链接给在下面：

零基础搭建个人在线网站，html文件上传到互联网生成在线链接-CSDN博客

原作者是南洋理工大学sczhou。附上GitHub开源地址：

https://github.com/sczhou/CodeFormer

简单看看GitHub上作者给出的具体步骤（不用看懂）：

下面正式开始：

第一步：下载python（已经下载过的朋友直接跳过）

只需要下载安装，且无需懂代码！

给新手朋友一个下载链接，对于这一步下载相信没有什么难处，网络上也有大量的教学如何下载python并安装，并且任何版本都可以！

下载链接：https://www.python.org/downloads/

第二步：下载git

下载地址：https://git-scm.com/downloads

这一步也很简单，下载网站中选择自己的电脑系统即可。对于这一步不清楚的朋友可在b站上观看git下载安装教学。和python一样，教学的视频非常多且非常容易且基础。不必担心难上手。

并且安装过程中，全部选择默认选项即可，无需手动修改设置。

第三步：选择自己电脑的pytorch版本

这一步有很多需要注意的事项了。

地址：https://pytorch.org/

上述网页直接拉到最低端，看到下图页面：

这里需要根据自己的电脑来进行选择：

第一行不管就选stable；

第二行选择自己电脑的系统；

第三行请选择第一个Conda（pip也可以，不过后续有些麻烦）；

第四行选择python；

第五行需要根据自己的电脑显卡（核显也没关系）来进行选择。首先需要知道自己电脑是什么显卡。此时按下键盘上“win键+R”，输入“dxdiag”，无论弹出的是什么窗口都选择“是”，随后出现下图：

我的电脑是核显，第五行则选择CPU，如果你的电脑是独立显卡，在网上搜索自己显卡所对应的CUDA版本。举例：RTX4060对应的最低CUDA是11.8，则可以选择CUDA11.8或者CUDA12.1（追求稳定性建议选择11.8）。

结束上述五行后，复制第六行的代码。这里给出我的配置选择：

则我自己需要复制的内容是：（不要盲目复制下面代码，不同电脑不一样，选择自己电脑配置的代码！）

conda install pytorch torchvision torchaudio cpuonly -c pytorch

记住自己对应的需要复制的代码，之后再用到。到这一步，还没开始下载pytorch。下载之前需要先安装一个anaconda后，才能用conda安装。

ps：不过若是选择pip的package，则可以不需要安装anaconda。但是pip的弊端是在后续的配置中稍显麻烦。如果是pip安装，我会在最后详细讲解，不过不推荐。

第四步：下载并安装anaconda

下载链接：https://www.anaconda.com/download

安装时的配置选项同样默认，具体可参考网络上大量的教学视频。这点非常容易上手。

第五步：下载并安装pytorch机器学习库

安装完之后需要打开他的一个文件，具体打开方式如下：

点击键盘上win键跳出菜单，在左边点击“全部应用”，在全部应用中找到“Anaconda3（64bit）”文件夹，点击。如下图：

在文件夹中，有一个黑色方框图标的文件，名字叫：“Anaconda Powershell Prompt”。点击打开他。黏贴刚才在pytorch网站上复制的代码，例如我的代码：（每个人电脑不一样，代码不一样！再说一次）

conda install pytorch torchvision torchaudio cpuonly -c pytorch

下面几张图片请务必认真看一边，和自己的安装过程对应一下。安装的时间会非常长，且其中有需要自己输入yes or no的部分。

如果你从一开始就出现了如下情况：

'conda' 不是内部或外部命令，也不是可运行的程序或批处理文件。

这是因为你在cmd终端terminal里运行了pytorch的安装代码。正确方法应该是在anaconda文件夹中的“Anaconda Powershell Prompt”中运行代码。

第六步：克隆CodeFormer

关闭Anaconda Powershell Prompt，打开终端（win键+R输入cmd），输入下面的代码（不论什么电脑都输入跟下面一样）：

git clone https://github.com/sczhou/CodeFormer

将CodeFormer从GitHub上克隆到本地。

第七步：转移到CodeFormer文件夹下进行操作

进入文件夹（很重要！以下所有步骤都在codeformer文件夹中执行）

输入：

cd CodeFormer

一定要出现：

C:\Users\Xheng1934\CodeFormer>

而不是：

C:\Users\Xheng1934>

以下所有步骤都是在CodeFormer文件夹下执行的。

第八步：安装根目录文件夹下txt中的所有库

输入代码：

pip install -r requirements.txt -q

出现的应该是：（先别急着安装，这个安装速度很慢，后面会说用清华镜像站安装）

C:\Users\Xheng1934\CodeFormer>pip install -r requirements.txt -q

如下图，可在已下载的CodeFormer文件夹中看到一个名字叫做：requirements.txt的文档。接下来需要做的是pip安装所有此文档中出现的python库。打开requirements.txt文档可发现所有要求的库。

其中的“-q”是安静模式的意思，可加可不加。安静模式下就看不到具体安装详情。

上面是所有pip需要安装的库。

但是pip库的安装速度非常慢，因此采用清华镜像站的安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

镜像站有很多，中科大，清华，阿里云，腾讯云都可以。不一样的就是后面的“-i”。

不过到这里，如果采用清华镜像站的安装，会有个报错问题：

ERROR: Could not find a version that satisfies the requirement tb-nightly (from torchreid) (from versions: none)
ERROR: No matching distribution found for tb-nightly

意思是清华镜像站中没有tb-nightly库。因此这一个库单独从其他镜像站中下载。我选择的是阿里云。具体下载代码如下：

python -m pip install tb-nightly -i https://mirrors.aliyun.com/pypi/simple

如过不放心，可以用阿里云镜像再次安装一遍txt文档中的所有库。（或者可以从一开始就不用清华镜像站，全用阿里云即可）

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple

第九步：安装gradio库

网络速度问题，任然选择镜像站（清华）：

pip install gradio -i https://pypi.tuna.tsinghua.edu.cn/simple

第十步：创建一个符号链接

python basicsr/setup.py develop

输入上一行代码命令。

用于在当前系统上安装一个 Python 包或者项目，但不会将其复制到 Python 安装目录中，而是创建一个符号链接（symbolic link），指向项目的源代码所在的目录。

第十一步：两个训练模型

在官网上可以看到这些训练模型。

python scripts/download_pretrained_models.py facelib
python scripts/download_pretrained_models.py dlib
python scripts/download_pretrained_models.py CodeFormer

前两行是专门针对人脸修复的模型。我23年一月安装的时候是只有第一行没有第二行的，现在可能是更新了。

第三行是争对图像整体修复的模型。

这三行命令直接输入即可，同样也是在CodeFormer文件夹下输入。

以上就完全搭建好了CodeFormer本地程序了。

接下来就是测试。首先找到文件夹路径：

C:\Users\Xheng1934\CodeFormer       (users后面是你的账户名称)

进入文件夹后找到inputs的子文件夹。

子文件夹中有很多文件夹，有：whole_imgs，copped_faces，gray_faces，masked_faces这些文件夹。随便点开一个发现是模糊或者有损的照片。此时可以从其中随便复制一两张图片。然后在inputs文件夹中创建一个新文件夹名叫test：

接下来打开cmd，先输入：

cd codeformer

进入CodeFormer文件夹，随后输入：

python inference_codeformer.py -w 0.1 --has_aligned --input_path

然后输入一个空格，把刚才test的文件夹路径复制下来黏贴在后面。

python inference_codeformer.py -w 0.1 --has_aligned --input_path C:\Users\Xheng1934\CodeFormer\inputs\test

随后回车。

可以看到：

All results are saved in results/test_0.1

返回CodeFormer文件夹，找到results子文件夹，打开后即可发现一个名字为test_0.1的子文件夹。所有已经修复的照片都在里面。下图是修复前后的清晰度对比。可见效果非常震惊。

说说不足的地方：

第一：图片尺寸

我不清楚我哪一步有出现小错误。23年一月安装的时候，任何尺寸的图片都可以修复，但是现在只能修复正方形图片，否则图片的长宽会被压缩成正方形。

第二：模型的保真度

看个我修复虎哥图片的例子会发现保真度还有上升空间。

给我虎哥整成大小眼了。不过可以调整参数控制精准度和保真度之间的平衡。w参数越小，修复质量越高，参数越大保真度越高。

python inference_codeformer.py -w 0.5 --has_aligned --input_path C:\Users\Xheng1934\CodeFormer\inputs\test

我同时对比了原图，w=0.5，w=0.1三种图片。

0.5参数还可以。

最后给出修复整体多人图片和视频修复的代码。使用方法和上述相同：

python inference_codeformer.py -w 0.5 --input_path 文件夹路径（整体图片）
python inference_codeformer.py --bg_upsampler realesrgan --face_upsample -w 0.1 --input_path 文件夹路径（视频）

切记所有代码都是在终端中CodeFormer文件夹下执行的。

到这一步已经结束了。下面是pip代替conda安装的问题。

PS：pip安装pytorch的问题（已成功test的不用看）

最后说一下之前说的不用conda安装，用pip安装的问题：

如果是在cmd中运行conda安装，会出现报错：

conda install pytorch torchvision torchaudio cpuonly -c pytorch
Error：conda不是内部或外部命令

使用pip安装：

pip3 install torch torchvision torchaudio（速度慢）

附加一个pip更新的代码：（同样是清华镜像）

python.exe -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip

清华镜像的模板：

pip install xxxxxx -i https://pypi.tuna.tsinghua.edu.cn/simple

镜像安装pytorch：

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

可选安装位置为e盘，在初始cmd中输入：

e:

进入e盘（我23年一月的时候就是安装在e盘没问题的）

pip安装版本也可以用，后续代码相同：

cd CodeFormer
python inference_codeformer.py -w 0.1 --has_aligned --input_path
python inference_codeformer.py -w 0.5 --input_path
python inference_codeformer.py --bg_upsampler realesrgan --face_upsample -w 0.1 --input_path

结束！