大家好我是阿道夫！！！
今个来讲讲 Stable Diffusion 终极高清放大出图，关于高清放大看这篇就够了！
不管你有没有AI绘画经验，都可以跟着课程学习
不会的伙计也没关系，后续的课程我将会把工作流进行封装，你只需要在页面上操作即可！
这篇文章主要讲解
-
三层放大的原理和步骤，知道为撒要这么搞
-
ComfyUI 高清放大实操步骤，跟着操作总不会迷路
-
终极放大工作流文件领取，实现一键抄作业（bushi…
你可以根据自己的需要挑选着阅读哦～
一 三层高清放大
如果我们之前有玩 Stable Diffusion WebUI ，应该了解过 WebUI 中以下几种常见的放大方法
通过这几种放大方式的组合，能够生成充满细节的高清大图
第一层 潜空间高清放大
在使用 webui时，可以在文生图中选择高清修复看到很多放大算法，其中前面几个包含 latent 的放大算法就是潜空间放大算法。
还记得 Latent 潜空间 这个词吗？不记得的话也可以翻看下前面的内容哦。
Latent 放大算法是一种基于 VAE 模型的图像增强算法，可以在潜空间中将图片进行放大并根据重绘幅度进行重绘
对于其它几种 Latent 算法
-
Latent (antialiased)：结合了抗锯齿（antialiasing）技术的图像Latent放大算法。抗锯齿是一种用于消除图像中锯齿状边缘的技术，常用于提高图像的视觉质量。
-
Latent (bicubic)：双立方插值算法（Bicubic Interpolation）是一种常见的插值算法，它基于双线性插值算法，通过扩展影响范围至邻近的16个像素点，依据对未知像素点P的远近影响进行插值计算，从而得到更细致的影像。
-
Latent (bicubic antialiased)：结合了双立方插值算法（Bicubic Interpolation）和抗锯齿（Antialiasing）技术的图像超分辨率技术的Latent放大算法。该算法通过插值算法来放大图像的尺寸，同时消除锯齿状边缘，从而提高图像的分辨率和质量。
-
Latent (nearest) ：结合了最近邻插值算法（Nearest Neighbor Interpolation）的图像超分辨率技术的Latent放大算法。该算法通过插值算法来放大图像的尺寸，同时保持图像的原始像素值，从而提高图像的分辨率和质量。
-
Latent (nearest-exact) ：结合了最近邻插值算法和双线性插值算法的特点的Latent放大算法，以达到更精确的放大效果。
要记住，对于 SD 分为了潜空间(latent space)和像素空间(pixel space)，在潜空间中可以对图片进行重绘放大，而在像素空间（真实空间）中不能重绘，单纯的高清放大
举个🌰 来看看 Latent 不算的放大算法的效果
##提示词参数
model: majicMIX realistic
prompt: a young woman, 25 years old, black hair, medium hair, black eyes, shoulder, cute, portrait, black jacket, black shirt, black sweater, beautiful lighting, black lipstick, black lips, pale skin,
step: 30
sampler: DPM++ 2M Karras
size: 512x512
不放大
再来看看不同放大算法的效果。
Latent 放大
Latent (antialiased) 放大
Latent (bicubic) 放大
Latent (bicubic antialiased)放大
Latent (nearest)放大
你更喜欢哪种放大算法呢？
第二层 分块放大
分块放大原理很简单，指的是将图像按像素分块，接着按比例放大图像，这样搞的目的是为了解决显存不足的问题。
这也就意味着，通过分块放大，只需要多花费一些时间和较小的质量损耗，我们可以生成任意大小的图片，而不会爆显存！
分块放大也是发生在潜空间中，可以进行重绘放大。
第三层 模型放大
模型放大在 WebUI 中其实就是 通过 Extras（后期处理） 选项卡执行的放大算法
模型放大发生在像素空间（pixel space） 中，也就是说模型放大不会进行重绘，只会根据算法对原图进行放大
如果模型没选对，且放太大，最终出图会发现非常的假。
算法的对比可以参考如下，出图时参照不同的风格选择合适的放大算法！
二 ComfyUI 三层高清放大实操
终极放大的思路其实就是上面我们讲到的三种放大方法的整合
-
对出图先进行潜空间的 Latent 算法放大
-
将放大后的图片再次丢到潜空间中通过分块进行重绘放大，避免爆显存
-
潜空间出图后，再次进行模型放大微调
那这在 WebUI 中可以操作吗？
可以！但是需要手动，在第一步操作后需要手动操作第二步，接着在手动操作第三步！非常不方便
在 ComfyUI 中就恰恰相反，可以将这些步骤串起来，搭建成一个工作流 ，只需要输入参数即可完成整个放大流程！
接着一起来实操。高清放大工作流在文末领取哦
第一层 潜空间放大
第一步，我们使用 ComfyUI 搭建一个潜空间放大的工作流，后续的放大步骤会基于这个工作流往后追加
潜空间的放大比较简单，我们先加载一个默认的工作流，设置好基础的参数
ComfyUI 是通过两个 采样器 来实现 webui 中的高清修复功能
第一个采样器
实现了基础出图的功能，配置了模型、提示词、一个空的 latent 空间 和一个采样器
出图效果
第二个采样器
看了前面的原理介绍，高清修复要做的就是 在潜空间中，根据放大倍数进行方法的基础上结合重绘幅度进行图片的放大重绘
所以我们加了一个 Latent 按系数放大 的节点来设置放大倍数
接着在在加一个采样器节点，设置重绘时的参数
出图效果
这个地方要注意，重绘幅度（也就是降噪）的值设置为 0.5 左右比较合适，这样出图不会和原图差距太大。
问：关于预览图片为什么要加一个 vae解码节点？
答：采样器是发生在潜空间中，在预览/保存图片时需要将图片解码为像素空间的图片
第二层 分块放大
分块放大指的是将图片按像素进行分块处理，然后按块进行重绘放大。
使用分块放大功能需要先安装插件和模型，压缩包在公众号回复插件获取下载链接。
下载解压后，将
-
ComfyUI_UltimateSDUpscale插件放在你的/ComfyUI/custom_nodes目录下 -
4x-UltraSharp.pth和ESRGAN_4x.pth放在ComfyUI/models/upscale_models目录下
接着在 ComfyUI 上 右键-新建节点-图像-放大-SD放大 创建放大节点，右键-新建节点-加载器-放大模型加载器 创建模型加载器节点，连接到 SD放大模型上
出图效果
第三层 模型放大
模型放大就比较简单了，先把 分块放大 图像在拼接一个 模型放大节点 右键-新建节点-图像-放大-通过模型放大
使用 4x-UltraSharp.pth 模型会默认放大4倍，在这没办法调节比例
需要调节的话可以再连接一个 按比例缩放的图像节点
这张图太大，足足有 90MB，就不贴原图了！
到这儿整个三层放大就结束了，在一起回顾一下我的操作！
首先 我们先通过高清修复在潜空间中对默认出图进行了 2 倍的潜空间放大重绘
接着 将放大后的图片进行分块拆分，按分块进行放大重绘，同样放大了两倍
最后 将放大了4倍的图片通过模型放大算法继续优化放大了4倍
整整放大了 16 倍！
高清放大工作流工作流的下载链接，我也放在了网盘哦，公众号回复工作流 获取下载链接！
使用方式
进入到 ComfyUI 直接选择加载，选择工作流即可！
都看到这了，这么爱学习的你别忘了点个赞在看哦
资料软件免费放送
次日同一发放请耐心等待
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！
感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
需要的可以扫描下方CSDN官方认证二维码免费领取【保证100%免费】
**一、AIGC所有方向的学习路线**
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、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。
五、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】
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
