记录1：图片高清修复处理AI图像工具_upscayl

Upscayl（桌面端）

Upscayl 是一个免费开源的 AI 图像超分辨率工具，软件已在Github开源，版本齐全，Windows、MacOS、Linux都能使用。

 官网下载页面2023.05

 目前暂无汉化版，但是操作简单，仅需四步

第一步：点击【SELECT IMAGE】，上传自己需要修复的照片

第二步：图片完成后，选择修复模型，软件内置六个不同的图像处理模型（2023.05.05截止），可以根据需要选择模型

第三步：点击【SET OUT FOLDER】设置图片输出位置

第四步：最后点击【UPSCAYL】即可坐等图片修复完成 

 如果图片比较多，可以开启“Batch Upscale”选择文件夹，将会把文件夹中全部图片批量放大。

 软件默认放大 4 倍，勾选“Double Upscale”可放大 8 倍。

在高级选项中可以选择将图像保存为 PNG、JPG 或 WEBP 格式

【Upscayl Theme】是设置Upscayl客户端外观的选项

【GPU ID】可以选择手动 GPU ID 控制，默认使用第一块GPU

对于其内置的六种图像处理模型，下面是有关其的一些简要介绍，可以根据需要进行选择。

1. REAL-ESRGAN：这是一种基于增强超分辨率的图像增强模型，可以将低分辨率的图像转换为高分辨率图像。它采用了对抗生成网络（GAN）和残差卷积神经网络（RCNN）的结构，能够对图像进行更加精细的处理和增强。该模型适合处理需要高分辨率和高质量的图像，如摄影、电影和游戏等领域。

2. RemaCRI：这是一种基于条件生成对抗网络（CGAN）的图像修复模型，可以对损坏或受污染的图像进行恢复和修复。该模型具有强大的学习能力和泛化能力，可以处理各种不同类型的图像损坏，包括噪声、模糊、切割等。该模型适合处理需要图像恢复和修复的领域，如医学图像、监控图像等。

3. UltraMix Balanced：这是一种基于深度卷积神经网络（DCNN）的图像增强模型，可以增强图像的色彩、对比度和细节等方面。该模型采用了深度残差网络（ResNet）和深度密集连接卷积神经网络（DenseNet）的结构，能够处理复杂的图像增强任务。该模型适合处理需要图像增强的领域，如卫星图像、无人机图像等。

4. UltraSharp：这是一种基于图像超分辨率的模型，可以将低分辨率的图像转换为高分辨率图像。该模型采用了深度残差网络（ResNet）和反卷积神经网络（DeconvNet）的结构，能够处理较为复杂的超分辨率任务。该模型适合处理需要高分辨率图像的领域，如医学图像、地质图像等。

5. Digital Art：这是一种基于深度学习技术的数字艺术模型，可以将现实世界中的图像转化为数字艺术风格的图像。该模型采用了卷积神经网络（CNN）和风格转移技术的结构，能够处理各种不同类型的图像，并生成不同的艺术风格。该模型适合处理需要数字艺术的领域，如电影、游戏。

6. Sharpen Image：这是一种基于图像锐化的模型，可以对图像进行锐化和增强。该模型使用了一种称为卷积核的数学技术，通过对图像进行卷积操作，可以提高图像的边缘和细节，并增强图像的清晰度和对比度。Sharpen Image模型适用于需要强化图像细节和轮廓的领域，如医学图像、卫星图像和安防监控图像等。

1. REAL-ESRGAN：基于深度学习的模型，如ResNet、VGG等，适合处理图像中具有大量细节的图片，可以进行去噪、分类、物体检测等处理。

2. RemaCRI：适合处理具有复杂细节和颜色空间转换的图片，可以进行去噪、超分辨率、增强对比度等处理。

3. UltraMix Balanced：适合处理具有多种颜色和亮度空间转换的图片，可以进行色彩校正、色彩增强、去噪等处理。

4. UltraSharp：适合处理具有高细节和低噪声的图片，可以进行边缘检测、形态学操作、超分辨率等处理。

5. Digital Art：适合处理数字艺术和创意图像，可以进行图像处理、色彩校正、艺术化等处理。

6. Sharpen Image：适合处理逆光照片，可以进行灰度拉伸、黑白转换、锐化等处理。