无码高清？Stable DIffusion教程 | 如何利用 Stable Diffusion webui 将图片变得更清晰？全方位对比4种放大方法！

大家好，我是大师兄

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 （注意需要科学上网）

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）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
（如无法下载，请看文末扫描获取）

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。

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 （如无法下载，请看文末扫描获取）

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 (如无法获取请看文末扫描获取)

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

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
（如无法下载请看文末扫描获取）

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。

高分放大方法

1、Hires. Fix

这个高清修复的方法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。

好啦，本期的内容到这里就结束了！