【共绩 ComfyUI 小课堂】Class 8 ComfyUI 图片放大完整指南：从像素采样到 AI 模型放大

在 AI 图像生成过程中，我们经常因为设备性能限制无法一次性生成大尺寸图片，通常需要先生成小尺寸图像再进行放大。ComfyUI 提供了多种图片放大方法，每种方法都有其独特的特点和适用场景。

本文将详细介绍 ComfyUI 中三种主要的图片放大方法：像素重新采样、SD 二次采样放大和使用放大模型放大图片，帮你根据需求选择最适合的放大方式，获得高质量的放大效果。

1 图片放大方法概述

1.1 三种主要放大方法

ComfyUI 提供了三种主要的图片放大方法，每种方法都有其独特的优势和适用场景：

像素重新采样：通过 Upscale Image By 节点直接放大图片，保持原图内容不变但可能产生马赛克效果。

SD 二次采样放大：将图片输入潜空间重新采样，能够生成更丰富的细节但内容可能有所变化。

使用放大模型放大：通过专门的 AI 放大模型进行放大，速度快且效果较好。

1.2 方法选择建议

选择像素采样的场景：需要保持原图内容完全一致、对细节要求不高、追求快速处理。

选择 SD 二次采样的场景：希望增加更多细节、可以接受内容轻微变化、追求更自然的效果。

选择放大模型的场景：需要快速处理大量图片、对细节有一定要求、硬件资源充足。

2 像素重新采样放大

2.1 像素采样原理

像素重新采样是最基础的放大方法，通过数学算法将原图的像素进行插值扩展。这种方法的特点是：

内容一致性：放大后的图片与原图内容完全一致，画面元素不会发生变化。

细节限制：放大后容易存在马赛克效果，缺少丰富的细节。

处理速度快：计算简单，处理速度最快。

2.2 使用 Upscale Image By 节点

在 ComfyUI 中使用像素采样放大非常简单：

节点选择：在节点菜单中选择 “Upscale Image By” 节点。

参数设置：设置放大倍数，如 2 倍、4 倍等。

连接方式：将需要放大的图片连接到节点的输入端口。

输出结果：放大后的图片从输出端口获取。

sd1.5-upscale-image-1-comfyui-wiki.com.json

2.3 像素采样优缺点

优点：

• 处理速度极快
• 保持原图内容完全一致
• 设置简单，无需额外模型
• 适合快速预览和基础放大

缺点：

• 放大后容易出现马赛克
• 细节表现不够丰富
• 不适合大幅放大
• 视觉效果相对粗糙

3 SD 二次采样放大

3.1 二次采样原理

SD 二次采样放大是将图片输入到潜空间中，然后重新进行潜空间采样的过程。这种方法的核心在于：

潜空间处理：将图片编码到 Stable Diffusion 的潜空间表示。

重新采样：在潜空间中进行重新采样，生成新的图像表示。

内容变化：由于重新采样过程，生成的图片在细节上会与原图有轻微不同。

3.2 关键参数设置

Denoise 参数：这是二次采样的核心参数，控制重新采样的强度。

• 低值（0.1-0.3）：保持原图内容基本不变，轻微增加细节

• 中值（0.4-0.6）：适度增加细节，内容有轻微变化

• 高值（0.7-0.9）：大幅增加细节，内容变化较明显

重要提醒：不要将 Denoise 设置为 1，这会导致图片完全变为噪声，输出结果与原始图片没有关联。

3.3 工作流设置步骤

步骤 1：加载模型

在 Load Checkpoint 节点中选择合适的模型，推荐使用 DreamShaper v8 或其他 SD1.5 模型。

步骤 2：加载图片

在 Load Image 节点中上传需要放大的图片。

步骤 3：设置提示词

在 CLIP Text Encode 节点中设置简单的提示词，如 “1 girl” 即可。

步骤 4：配置采样参数

在 k-Sampler 节点中设置：

• Denoise：0.3-0.5（根据需求调整）
• CFG Scale：7-12
• 采样步数：20-30
• 采样器：DPM++ 2M Karras

步骤 5：设置放大倍数

在 Upscale Image By 节点中设置放大倍数，如 2 倍。

3.4 二次采样优缺点

优点：

• 能够生成更丰富的细节
• 效果相对自然
• 可以结合提示词进行微调
• 适合需要增加细节的场景

缺点：

• 内容可能发生轻微变化
• 处理时间较长
• 需要合适的参数调优
• 对硬件要求较高

4 使用放大模型放大图片

4.1 放大模型原理

放大模型是专门训练用于图像放大的 AI 模型，通过深度学习技术实现高质量的图像放大。这种方法的特点是：

专业性强：模型专门针对图像放大任务训练，效果更专业。

细节丰富：能够生成更自然、更丰富的细节。

处理速度快：相比 SD 二次采样，处理速度更快。

4.2 模型获取与安装

模型来源：可以在 https://openmodeldb.info/ 找到各种放大模型。

模型类型：

• BSRGAN：适合照片和真实图像

• Real-ESRGAN：通用性强，适合多种场景

• ESRGAN：适合动漫和插画风格

• SwinIR：最新的放大模型，效果优秀

安装位置：将下载的模型文件保存到以下目录：

ComfyUI/
├── models/
│   ├── upscale_models/
│   │   ├── BSRGANx2.pth
│   │   ├── RealESRGAN_x4plus.pth
│   │   └── 其他放大模型文件

4.3 使用 Upscale Image(using Model) 节点

节点选择：在节点菜单中选择 “Upscale Image(using Model)” 节点。

模型加载：在 Load Upscale Model 节点中选择已安装的放大模型。

参数设置：根据模型类型设置相应的参数。

连接方式：将需要放大的图片连接到输入端口。

4.4 放大模型优缺点

优点：

• 处理速度快
• 细节表现优秀
• 效果相对稳定
• 适合批量处理

缺点：

• 需要下载额外模型
• 模型文件较大
• 效果受模型质量影响
• 不同模型适合不同场景

5 实际操作教程

5.1 准备工作

模型准备：确保已安装以下模型：

• DreamShaper v8（用于 SD 二次采样）
• 至少一个放大模型（如 BSRGANx2）

工作流准备：下载或创建包含放大功能的工作流文件。

5.2 像素采样放大操作

步骤 1：加载图片

在 Load Image 节点中上传需要放大的图片。

步骤 2：设置放大参数

在 Upscale Image By 节点中设置放大倍数。

步骤 3：执行放大

点击 Run 按钮执行放大操作。

步骤 4：查看结果

在 Save Image 节点中查看放大结果。

5.3 SD 二次采样放大操作

步骤 1：加载模型和图片

在 Load Checkpoint 节点选择模型，在 Load Image 节点加载图片。

步骤 2：设置提示词

在 CLIP Text Encode 节点设置简单的提示词。

步骤 3：配置采样参数

在 k-Sampler 节点设置 Denoise 为 0.3-0.5。

步骤 4：设置放大倍数

在 Upscale Image By 节点设置放大倍数。

步骤 5：执行放大

点击 Run 按钮执行放大操作。

5.4 放大模型操作

步骤 1：加载放大模型

在 Load Upscale Model 节点选择已安装的放大模型。

步骤 2：加载图片

在 Load Image 节点加载需要放大的图片。

步骤 3：执行放大

点击 Run 按钮执行放大操作。

步骤 4：查看结果

在 Save Image 节点查看放大结果。

6 参数调优技巧

6.1 Denoise 参数调优

低 Denoise（0.1-0.3）：

• 适合需要保持原图内容基本不变的场景
• 轻微增加细节，变化较小
• 适合人物照片和重要内容

中 Denoise（0.4-0.6）：

• 平衡细节增加和内容保持
• 适合大多数场景
• 推荐作为起始参数

高 Denoise（0.7-0.9）：

• 大幅增加细节和内容变化
• 适合艺术创作和风格转换
• 需要谨慎使用

6.2 其他参数优化

CFG Scale：建议设置在 7-12 之间，过高可能导致过度饱和。

采样步数：通常 20-30 步即可，过多会浪费时间。

采样器选择：推荐 DPM++ 2M Karras 或 Euler a。

放大倍数：建议从 2 倍开始，逐步增加到目标倍数。

6.3 提示词优化

简单提示词：对于二次采样，简单的提示词如 “1 girl” 即可。

详细提示词：如果需要特定效果，可以添加更详细的描述。

风格保持：确保提示词与原始图像风格匹配。

7 常见问题与解决方案

7.1 放大效果不理想

问题原因：参数设置不当、模型选择不合适、原图质量较差。

解决方案：

• 调整 Denoise 参数
• 尝试不同的放大模型
• 检查原图质量
• 优化提示词设置

7.2 处理速度慢

问题原因：模型过大、参数设置过高、硬件性能不足。

解决方案：

• 使用较小的模型
• 降低采样步数
• 优化硬件配置
• 选择更快的放大方法

7.3 内存不足

问题原因：图片分辨率过高、模型过大、批处理设置不当。

解决方案：

• 降低图片分辨率
• 使用较小的模型
• 减少批处理数量
• 优化系统配置

7.4 细节丢失

问题原因：Denoise 参数过低、放大倍数过大、模型选择不当。

解决方案：

• 适当提高 Denoise 参数
• 分阶段进行放大
• 选择更合适的放大模型
• 优化参数设置

8 高级技巧与最佳实践

8.1 分阶段放大

对于大幅放大，建议采用分阶段方式：

第一阶段：使用像素采样进行基础放大

第二阶段：使用 SD 二次采样增加细节

第三阶段：使用放大模型进行最终优化

8.2 混合放大策略

结合多种放大方法的优势：

像素采样 + 放大模型：先进行像素采样，再使用放大模型优化细节。

SD 二次采样 + 放大模型：先进行二次采样增加细节，再使用放大模型进一步优化。

8.3 批量处理优化

建立模板：为不同类型的图片建立标准化的放大模板。

参数预设：为不同场景建立参数预设，提高处理效率。

自动化流程：使用脚本实现批量处理，减少重复操作。

8.4 质量控制

预览检查：在正式处理前使用预览功能检查设置。

多版本对比：生成多个版本进行对比，选择最佳效果。

后期处理：结合传统图像处理软件进行最终优化。

9 插件推荐

9.1 ComfyUI_TiledKSampler

功能：提供分区采样放大功能，适合处理大尺寸图片。

特点：能够处理超出显存限制的大图片，效果优秀。

下载地址：https://github.com/BlenderNeko/ComfyUI_TiledKSampler

9.2 ComfyUI_UltimateSDUpscale

功能：提供更高级的 SD 放大功能，支持更多参数控制。

特点：功能丰富，适合高级用户使用。

下载地址：https://github.com/ssitu/ComfyUI_UltimateSDUpscale

9.3 使用建议

初学者：建议先掌握基础方法，再尝试插件功能。

高级用户：可以尝试插件功能，获得更专业的控制。

批量处理：插件通常提供更好的批量处理能力。

10 总结

ComfyUI 的图片放大功能为图像处理提供了强大的工具，通过掌握不同的放大方法，你能够根据具体需求选择最适合的解决方案。关键要点包括：

理解不同方法的特点：像素采样保持内容一致，SD 二次采样增加细节，放大模型提供专业效果。

合理选择放大方法：根据具体需求、硬件配置和效果要求选择合适的方法。

掌握参数调优技巧：通过参数调优获得最佳效果，特别是 Denoise 参数的控制。

持续实践优化：通过不断实践提高技能水平，掌握各种高级技巧。

无论是简单的图片放大，还是复杂的细节优化，ComfyUI 都能帮你实现高质量的图像处理效果。记住，好的放大效果需要耐心调试和细心观察，只有通过不断的实践才能掌握这项技术的精髓。

希望这份指南能帮助你快速掌握 ComfyUI 图片放大的精髓，让你的图像处理工作更加高效和专业。