图像放大 #
放大概述 #
为什么需要放大？ #
AI 图像生成通常在较低分辨率下进行，需要通过放大技术获得高分辨率输出。
text
┌─────────────────────────────────────────────────────────────┐
│ 放大流程 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 低分辨率生成 放大处理 高分辨率输出 │
│ │
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ 512x512 │ ──→ │ Upscale │ ──→ │2048x2048│ │
│ │ │ │ │ │ │ │
│ └─────────┘ └─────────┘ └─────────┘ │
│ │
│ 优势： │
│ ├── 低分辨率生成速度快 │
│ ├── 放大可添加细节 │
│ └── 获得高质量高分辨率图像 │
│ │
└─────────────────────────────────────────────────────────────┘
放大方法对比 #
text
┌─────────────────────────────────────────────────────────────┐
│ 放大方法对比 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 方法 速度 质量 显存 适用场景 │
│ ───────────────────────────────────────────────────────── │
│ 插值放大 快 一般 低 快速预览 │
│ 模型放大 中 好 中 通用放大 │
│ 潜空间放大 快 好 中 高效放大 │
│ 高清重绘 慢 极好 高 最高质量 │
│ │
└─────────────────────────────────────────────────────────────┘
放大方法详解 #
插值放大 #
text
ImageScale 节点：
┌─────────────────────────────────────────────────────────────┐
│ ImageScale 节点 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 输入：IMAGE │
│ │
│ 参数： │
│ ├── upscale_method: 放大方法 │
│ │ ├── nearest-exact - 最近邻（快速） │
│ │ ├── bilinear - 双线性（平滑） │
│ │ ├── area - 区域（保持细节） │
│ │ ├── bicubic - 双三次（高质量） │
│ │ └── lanczos - Lanczos（最佳质量） │
│ │ │
│ ├── width: 目标宽度 │
│ ├── height: 目标高度 │
│ └── crop: 是否裁剪 │
│ │
│ 输出：IMAGE │
│ │
└─────────────────────────────────────────────────────────────┘
使用示例：
基础生成 → VAE Decode → ImageScale (lanczos, 2048x2048)
→ Save Image
模型放大 #
text
ImageUpscaleWithModel 节点：
┌─────────────────────────────────────────────────────────────┐
│ 模型放大节点 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 输入： │
│ ├── upscale_model: UPSCALE_MODEL │
│ └── image: IMAGE │
│ │
│ 输出：IMAGE │
│ │
└─────────────────────────────────────────────────────────────┘
工作流：
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ UpscaleModel│ │ VAE Decode │ │ Image │
│ Loader │────→│ │────→│ UpscaleWith │
└─────────────┘ └─────────────┘ │ Model │
└─────────────┘
推荐模型：
├── RealESRGAN_x4plus - 通用 4x 放大
├── RealESRGAN_x4plus_anime_6B - 动漫专用
├── 4x-UltraSharp - 细节增强
├── 4x_NMKD-Siax_200k - 高质量
└── SwinIR - 高质量放大
模型安装位置：
ComfyUI/models/upscale_models/
潜空间放大 #
text
LatentUpscale 节点：
┌─────────────────────────────────────────────────────────────┐
│ LatentUpscale 节点 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 输入：LATENT │
│ │
│ 参数： │
│ ├── upscale_method: 放大方法 │
│ │ ├── nearest-exact │
│ │ ├── bilinear │
│ │ ├── area │
│ │ ├── bicubic │
│ │ └── bislerp（推荐） │
│ │ │
│ ├── width: 目标宽度 │
│ ├── height: 目标高度 │
│ └── crop: 是否裁剪 │
│ │
│ 输出：LATENT │
│ │
└─────────────────────────────────────────────────────────────┘
工作流：
基础生成 → KSampler → LatentUpscale → KSampler(denoise:0.5)
→ VAE Decode → Save Image
优势：
├── 在潜空间操作，效率高
├── 可配合二次采样增强细节
└── 显存占用相对较低
高清重绘 #
text
高清重绘工作流：
原理：
├── 低分辨率生成基础图像
├── 放大到高分辨率
├── 使用低 denoise 重绘增强细节
└── 获得高质量高分辨率图像
工作流：
┌─────────────────────────────────────────────────────────────┐
│ │
│ 阶段 1：基础生成 │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Empty │ │ │ │ │ │
│ │ Latent │────→│ KSampler │────→│ Latent │ │
│ │ (512x512) │ │ (denoise:1) │ │ Upscale │ │
│ └─────────────┘ └─────────────┘ │ (1024x1024) │ │
│ └──────┬──────┘ │
│ │ │
│ 阶段 2：细节增强 │ │
│ ┌─────┴─────┐ │
│ ┌─────────────┐ ┌─────────────┐ │ │ │
│ │ CLIP Text │ │ │ │ KSampler │ │
│ │ Encode │────→│ KSampler │←───┤ (denoise: │ │
│ │ (same) │ │ │ │ 0.5) │ │
│ └─────────────┘ └─────────────┘ └─────┬─────┘ │
│ │ │
│ 阶段 3：解码输出 │ │
│ ┌─────┴─────┐ │
│ │ VAE Decode │ │
│ │ Save Image │ │
│ └───────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
参数建议：
├── 第一阶段：512-768 分辨率，denoise=1.0
├── 放大：2x 或目标分辨率
├── 第二阶段：denoise=0.3-0.6
└── 可多次迭代增强细节
高级放大技巧 #
多阶段放大 #
text
多阶段放大策略：
阶段 1：512 → 768
├── LatentUpscale
└── KSampler (denoise: 0.4)
阶段 2：768 → 1024
├── LatentUpscale
└── KSampler (denoise: 0.3)
阶段 3：1024 → 1536
├── LatentUpscale 或 ImageUpscaleWithModel
└── 可选 KSampler (denoise: 0.2)
优势：
├── 渐进式放大
├── 每阶段添加细节
└── 避免一次性放大失真
Tile 放大 #
text
使用 Tile ControlNet 放大：
原理：
├── 将图像分块处理
├── 每块独立增强细节
└── 合并成完整图像
工作流：
低分辨率图 → ImageScale (插值放大)
→ Tile ControlNet
→ KSampler (denoise: 0.3-0.5)
→ 高分辨率输出
优势：
├── 可处理任意大小图像
├── 保持细节一致性
└── 适合大幅面输出
组合放大 #
text
组合放大方法：
方法 1：模型放大 + 重绘
ImageUpscaleWithModel → KSampler (denoise: 0.3)
方法 2：潜空间放大 + 模型放大
LatentUpscale → VAE Decode → ImageUpscaleWithModel
方法 3：多模型组合
ImageUpscaleWithModel (Model 1) → ImageUpscaleWithModel (Model 2)
选择建议：
├── 快速预览：插值放大
├── 通用场景：模型放大
├── 高质量：高清重绘
└── 最高质量：多阶段 + Tile
放大参数优化 #
分辨率选择 #
text
分辨率规划：
SD 1.5：
├── 基础：512x512
├── 放大：1024x1024, 1536x1536
└── 最大建议：2048x2048
SDXL：
├── 基础：1024x1024
├── 放大：1536x1536, 2048x2048
└── 最大建议：3072x3072
注意事项：
├── 保持宽高比
├── 使用 64 的倍数
├── 考虑显存限制
└── 过大可能失真
Denoise 设置 #
text
重绘 Denoise 选择：
高 denoise (0.6-0.8)：
├── 更多细节变化
├── 可能偏离原图
└── 适用：风格转换
中 denoise (0.4-0.6)：
├── 平衡细节和保真
├── 推荐范围
└── 适用：通用增强
低 denoise (0.2-0.4)：
├── 保持原图特征
├── 轻微细节增强
└── 适用：精细调整
常见问题 #
问题 1：放大后模糊 #
text
症状：放大后图像模糊，细节丢失
解决：
├── 使用模型放大替代插值
├── 增加重绘阶段
├── 提高 denoise 值
└── 使用更高质量的放大模型
问题 2：放大后失真 #
text
症状：放大后图像变形或出现伪影
解决：
├── 降低 denoise 值
├── 使用多阶段放大
├── 选择合适的放大模型
└── 检查分辨率设置
问题 3：显存不足 #
text
症状：高分辨率放大时显存不足
解决：
├── 使用 Tile 放大
├── 分阶段放大
├── 使用 --lowvram 模式
└── 降低单次放大倍数
下一步 #
现在你已经掌握了图像放大，接下来学习 批量处理，了解如何高效批量生成图像。
最后更新：2026-04-05