目录
一、引言
二、插件下载和安装
三、生成输入图片
四、高分放大方法
五、总结
1
引言
“高分放大”（有时候也叫“超分放大”或“高清修复”）描述了在确保图像清晰度的前提下提升图片分辨率的过程。例如，将一张512 x 512的图片放大四倍，得到的就是2048 x 2048分辨率的图片，这个过程不仅放大了图片尺寸，也丰富了图像细节以保持图像清晰度。
在SD webui中，直接生成一张2048 x 2048分辨率的图片由于模型底层机制的限制而变得极其困难。这主要有以下3个原因：
**1、显存限制：**与512 x 512相比，2048 x 2048的像素点数量增长16倍，生成图片所需的内存也随之增长16倍。基本上，运行SD webui会占用约3G的显存，处理512 x 512分辨率的图像，显存使用将增加约1G。因此，若要直接生成2048x2048的图片，需要约20G的显存，而当前主流显卡通常只配备8G甚至4G的内存，无法支撑生成高分辨率图片。
**2、时间限制：**随着显存使用的增加，生成时间也会以指数级别增长，达到正常时间的16倍！
**3、模型限制：**用于训练模型的图片分辨率最高为768 x 768，直接生成过高分辨率的图片可能会导致模型产生重复元素的图片，如重复的人物或头部等。
因此，若想获取一张高分辨率的图片，通常需要进行以下步骤：
1、生成一张低分辨率的图片，例如512 x 512、768 x 512、或512 x 768。
2、然后选择合适的方法放大图片。
下面正式开始介绍本期的内容。
2
插件下载和安装
想要使用高分放大功能，需要借助一些插件的帮助。如果你打算按照这个教程进行操作，那么我建议你安装以下插件。每种插件都提供了三种安装方法，请根据需要自行选择。
1、Ultimate SD Upscale 插件安装
Ultimate SD upscale（终极SD放大） 与 SD webui 内置的放大插件类似，只是 Ultimate SD Upscale 插件提供了更多高级选项。
安装该插件的方法有以下3种。
其中第1种和第2种需要魔法，第3种国内网络即可完成
1）通过SD webui 内部安装
① 打开SD webui，点击 extensions（插件），点击 install from URL（从网址安装）
② 在第一行框内输入：https://github.com/Coyote-A/ultimate-upscale-for-automatic1111
③ 点击 install（安装）
④ 等待安装完成，然后重启SD webui
⑤ 如果安装成功，你可以在 img2img 标签页的 script（脚本）框的下拉菜单中找到该插件。
2）通过 git 安装
① 进入 stable-diffusion-webui\extensions 目录，在目录框内输入 cmd，回车，打开 cmd 面板
② 在 cmd 内输入：git clone https://github.com/Coyote-A/ultimate-upscale-for-automatic1111.git，回车
③ 等待安装完成，重启 SD webui
④ 如果安装成功，你可以在 img2img 标签页的 script（脚本）框的下拉菜单中找到该插件。
3）手动安装
① 下载 Ultimate SD upscale 原文件，下载地址有以下两个，选择其中一个下载：
从 github 下载：https://github.com/Coyote-A/ultimate-upscale-for-automatic1111/archive/refs/heads/master.zip
从网盘下载：https://pan.baidu.com/s/1COZGmt9dDoi3WkzSzmzZnw?pwd=p3ny
提取码：p3ny
② 解压文件，并将 ultimate-upscale-for-automatic1111 文件夹转移到 stable-diffusion-webui\extensions 路径下
③ 重启 SD webui，如果安装成功，你可以在 img2img 标签页的 script（脚本）框的下拉菜单中找到该插件。
2、ControlNet 插件安装及模型下载
ControlNet 是 SD webui 中功能非常强大的插件，提供了许多控制图片生成效果的方法。在这个教程中我将利用 ControlNet 对图片进行高分放大。
sd webui 的插件安装基本都是异曲同工的，安装步骤完全相同，因此下面的安装方法将不再配图。
我提供了三种安装方法。其中第3种可以通过国内网络安装。
1）通过SD webui 内部安装
① 打开SD webui，点击 extensions（插件），点击 install from URL（从网址安装）
② 在第一行框内输入：https://github.com/Mikubill/sd-webui-controlnet
③ 点击 install（安装）
④ 等待安装完成，然后重启SD webui
⑤ 如果安装成功，你可以在 txt2img 标签页中找到该插件。
2）通过 git 安装
① 进入 stable-diffusion-webui\extensions 目录，在目录框内输入 cmd，回车，打开 cmd 面板
② 在 cmd 内输入：git clone https://github.com/Mikubill/sd-webui-controlnet.git，回车
③ 等待安装完成，重启 SD webui
④ 如果安装成功，你可以在 txt2img 标签页中找到该插件。
3）手动安装
① 下载 ControlNet 原文件，下载地址有以下两个，选择其中一个下载：
从 github 下载：https://github.com/Mikubill/sd-webui-controlnet/archive/refs/heads/main.zip
从网盘下载：链接：https://pan.baidu.com/s/1chIJmezaIPDuIP4Q-M6Zsg?pwd=wwey
提取码：wwey
② 解压文件，并将 sd-webui-controlnet 文件夹转移到 stable-diffusion-webui\extensions 路径下
③ 重启 SD webui，如果安装成功，你可以在 txt2img 标签页中找到该插件。
ControlNet 模型下载：
不同于其他插件，ControlNet 的运作还需要下载它独有的模型。
① 打开ControlNet 模型下载地址：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main
② 此网址包含了所有可下载的 ControlNet模型，你可以下载所有 .pth 结尾的文件，但这个教程只会使用到其中的 tile 模型，该模型下载链接：https://huggingface.co/lllyasviel/ControlNet-v1-1/resolve/main/control_v11f1e_sd15_tile.pth，你也可以只下载这个模型，后续有需要再下载其它模型。
③ 将下载的模型放在 stable-diffusion-webui\extensions\sd-webui-controlnet\models 目录下
④ 重启 SD webui，如果安装成功，你应该可以在如下位置找到 tile 模型
3
生成输入图片
图片的生成参数如下：
模型：ChilloutMix
模型下载链接：
https://huggingface.co/swl-models/chilloutmix/resolve/main/Chilloutmix-non-ema-fp16.safetensors
下载的模型移动到 stable-diffusion-webui\models\Stable-diffusion 路径下。
图片生成参数：
Prompt（正向提示词）：raw photo, high quality, 1 girl, young, (detailed clear eyes:1.2), radiant skin, white dress, pink short hair, swept bangs, (collorbone:1.1), slim, perfect nose, (pink lip:1.1), highly detailed, flowering land as background, expansive view, upper body, sunlight, side light, (cinematic lighting:1.1), bright color, dramatic, fantasy, stunningly beautiful,8k, uhd,
Negative prompt（反向提示词）：nsfw, naked, asymmetric eyes,out of frame, abnormal face, ugly, deformed, distorted, (easynegative:1.2), low contrast, (Pale skin:1.2),open mouth
其它参数：
Sampling method（采样方法）：DMP++ 2M Karras
Sampling steps（采样步数）：20
Size（尺寸）：768 x 512
CFG scale（CFG值）：7
Seed（种子）：4263532296
Clip skip：2
获得如下图片：
下面的示例都将以此图作为输入进行测试。
4
高分放大方法
1、Hires. Fix
这个高清修复的方法在我的之前的文章中已有详细介绍，此处便不再赘述。若对此有兴趣，可从下文了解。
传送门：AI绘画不再难！SD webui 参数详细解析，一文读懂！（上）
在这里，我简单概述一下这个方法的优缺点：
**缺点：**这种方法对显存的占用较高，处理时间较长，且会放大生成的每一张图片。然而，有些图片可能并无需放大，因此这种方法的效率偏低，不是特别推荐使用。（以我的4G显存为例，是无法运行的，高显存请随意）
**优点：**有独有的放大算法
接下来，我们将深入探讨另外三种高清修复的方法。
2、AI Upscaler（AI放大法）
AI放大法是 SD webui 中非常基础的一种高分放大方法，操作最简单。这种方法需要使用到AI 放大模型，在 SD webui 中已经内置了几种AI放大模型，如 4xESRGAN、R-ESRGAN 4x+ 和 Lanczos 等等。
更多AI放大模型可以从这个网址下载：https://upscale.wiki/wiki/Model_Database
将下载的模型放在 stable-diffusion-webui/models/ESRGAN 路径下即可。
下面介绍操作步骤。
① 进入 SD webui，点击 Extra（后期处理）标签页
② 拖拽或者上传一张照片到图片框内
③ 改变 Scale by 下的 Resize（调整大小）可以调整放大倍率，默认4倍即可。Scale to 可以放大图片到指定大小
④ 在 Upscaler 1（放大算法1）的下拉菜单中选择 4xESRGAN 4x+，Upscaler 2（放大算法2）选择 4x_CountryRoads_377000_G（这个模型需要自行安装），Upscaler 2 visibility（放大算法2能见度）设置为0.5。由于这张图片的人脸正常，其它设置保持默认
⑤ 点击 Generate（生成），生成图片如下
先来对比一下脸部细节
完全保留了原图的该有的样子，而且清晰度提升非常显著，保留了人脸皮肤的质感。但是会产生一些不太自然的现象，比如眼睛部分，瞳孔模糊，眼角异常。
再来看看其他衣服细节：
可以看出，使用AI放大法对图片进行高分放大后的效果是相当不错的，能够完全保留原图信息，而不做更改。
总结一下AI放大的优缺点
**优点：**处理时间非常短，占用内存少，不改变原图的内容
**缺点：**有较为明显的人工痕迹，且无法处理瑕疵
使用技巧：
1、多试几个放大算法，选择最合适的
2、如果内置的放大算法不能满足你的要求，那么可以下载新的放大算法。
3、Ultimate SD Upscale（终极SD放大法）
在使用AI放大法的时候，可以观察到，放大后的结果是完全忠于输入的图像的，也就是说当你觉得生成的图片已经足够完美了，你不想有任何一点点改动，那么AI放大法是一个很好的高分放大法。
但是如果生成的图片不是那么完美，你希望在放大的时候对其稍微改善，那么终极SD放大法会是一种很不错的方法。
操作步骤：
① 在 txt2img 标签页，点击send to img2img。如果是存在本地的图片，那么先上传到 PNG info 界面，然后再点击 send to img2img。
② 设置 Denoising strength（重绘幅度）为0.25。此值需要根据实际情况选择数值。如果不想让图片有过多的变化，可以使用0.1-0.2的重绘幅度。重绘幅度越大，图片的变化越大，但不能超过0.5。其它保持默认设置，设置好后的界面如下
③ 在 script（脚本）框内选择 Ultimate SD Upscale，其它设置按照下图方式设置
④ 保持 tile width 为512，tile height 为0，此设置会使图片按512x512的大小分别处理
⑤ 点击 Generate（生成），生成图片如下
先来看看脸部细节
效果还是相当不错的，会去除一些瑕疵，比如人脸上的痣，瞳孔也更正常。不过磨皮效果有点过强了，同时眼角还是有点泛白。
再来看一下衣服细节：
总的来说 Ultimate SD Upscale 插件的效果非常不错。在处理复杂图片信息时，终极SD放大法的效果会更为突出
总结一下优缺点
**优点：**能够简单处理瑕疵，与SD放大法相比能够添加更多的细节。
**缺点：**处理时间相比AI放大法更长，对瑕疵的处理程度还不够强
4、ControlNet tile upscale（瓦片放大法）
这种高分放大方法为进阶方法，需要 ControlNet 和 Ultimate SD Upscale 两种插件的共同参与。
瓦片放大法具有两个比较突出的优点：1、能给原始图片添加更多的细节；2、显存占用低，因此可以绘制分辨率更高的图。
具体的操作步骤如下：
① 在 txt2img 标签页，点击send to img2img。如果是存在本地的图片，那么先上传到 PNG info 界面，然后再点击 send to img2img。
设置 Sampling steps（迭代步数）为20，如果要添加更多细节，可以适当增加迭代步数
设置 Denoising strength（重绘幅度）为0.4，值越大图片的变化越大，反之亦然
打开 ControlNet 界面，将待处理图片上传上去
② 勾选上 Enable（启用），显存小的显卡勾选 Low VRAM（低显存模式），勾选Pixel perfect（完美像素模式）
③ Preprocessor（预处理器）选择 tile_resample（分块重采样）
④ Model（模型）选择 control_v11f1e_sd15_tile，设置好后的界面如下：
⑤ Script（脚本）选择 Ultimate SD upscale，其它设置如下
⑥ 点击 Generate（生成）
先来看看脸部细节对比
只能说效果相当炸裂！注意下眼皮的纹理，瞳孔的纹理，嘴唇的褶皱，细节完全拉满！
再看一下衣服细节
总结一下优缺点
**优点：**给图片添加更多细节，是三种方法中效果最好的
**缺点：**处理时间更长，是三种方法中最长的
5
总结
下面综合对比以上三种方法生成的效果
人脸部分：
衣服部分：
以下是我对三种方法的个人打分，相对直观的反应了3种高分放大方法的使用体验。
总的来说，无论是使用 Ultimate SD upscale 还是 ControlNet + Ultimate SD upscale 进行放大，其处理时间都会远远大于AI放大法，相应的效果也会更好。而普通的SD放大能真实的还原图片原本信息，不做修改，而且处理时间很短，但也意味着会放大图片本身存在的下次。
具体应该选择哪种方法，就需要根据个人情况自行选择了。
关于AI绘画技术储备
学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！
对于0基础小白入门：
如果你是零基础小白，想快速入门AI绘画是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案
包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！
需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
1.stable diffusion安装包 （全套教程文末领取哈）
随着技术的迭代，目前 Stable Diffusion 已经能够生成非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务替代，比如制作一个 logo 图片，画一张虚拟老婆照片，画质堪比相机。
最新 Stable Diffusion 除了有win多个版本，就算说底端的显卡也能玩了哦！此外还带来了Mac版本，仅支持macOS 12.3或更高版本。
2.stable diffusion视频合集
我们在学习的时候，往往书籍代码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，一步步带你入门stable diffusion，科学有趣才能更方便的学习下去。
3.stable diffusion模型下载
stable diffusion往往一开始使用时图片等无法达到理想的生成效果，这时则需要通过使用大量训练数据，调整模型的超参数（如学习率、训练轮数、模型大小等），可以使得模型更好地适应数据集，并生成更加真实、准确、高质量的图像。
4.stable diffusion提示词
提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言，整个SD学习过程中都离不开这本提示词手册。
5.AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
这份完整版的学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
扫一扫
8061
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
