Real-ESRGAN：把模糊老图放大四倍的开源超分辨率模型

这篇教程带你做什么

跟着走完，你会在本地装好 Real-ESRGAN，并用两种方式把一张模糊老照片放大 4 倍：先用官方命令行脚本跑通，再写一个 15 行的 Python 脚本接进你自己的流程。全程不需要 GPU 也能跑，有 GPU 会快很多。

仓库地址：https://github.com/xinntao/Real-ESRGAN，BSD 3-Clause 协议，可商用。项目最近一次提交是 2024-08-06，接口已经稳定，不用担心边写边变。

前置条件

• Python 3.8–3.10（basicsr 对 3.11+ 兼容性不好，别用最新版）
• PyTorch 1.10 及以上，有 CUDA 的话先确认 torch.cuda.is_available() 为 True
• git 命令行工具，用于拉仓库和权重
• 显存 4GB 以上体验最好；纯 CPU 也能出图，只是慢
• 磁盘预留 2GB 左右，权重文件单个约 64MB
• 只有处理视频时才需要 ffmpeg，图片推理用不到

安装部署

Step 1：克隆仓库并建虚拟环境

git clone https://github.com/xinntao/Real-ESRGAN.git
cd Real-ESRGAN

python -m venv venv
source venv/bin/activate   # Windows 用 venvScriptsactivate

Step 2：安装依赖

basicsr 负责模型结构，facexlib/gfpgan 负责 --face_enhance 的人脸修复，缺一不可。

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
pip install basicsr facexlib gfpgan
pip install -r requirements.txt
python setup.py develop

Step 3：验证安装

python -c "from realesrgan import RealESRGANer; from basicsr.archs.rrdbnet_arch import RRDBNet; print('ok')"

打印 ok 就说明环境通了。如果报 functional_tensor 的错，先跳到下面的排错表。

第一个 Demo：把一张模糊人脸放大 4 倍

Step 1：准备输入

这一步要做什么：把待处理的图片放进仓库自带的 inputs/ 目录。名字随意，这里假设叫 old.jpg。

cp ~/Pictures/old.jpg inputs/

Step 2：跑官方命令行脚本

这一步要做什么：用预训练的 RealESRGAN_x4plus 模型推理，权重会自动从 GitHub Releases 下载到 weights/。

python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance --outscale 4

预期输出：终端会打印 Testing 1 images...，结束后在 results/ 目录下得到一张文件名带模型名后缀的 PNG（例如 old_RealESRGAN_x4plus_face.png），尺寸是原图的 4 倍。第一次运行会多花几十秒下载权重，之后就走本地缓存。

Step 3：用 Python API 自己写脚本

这一步要做什么：不依赖命令行参数，把超分封装成可直接复用的函数，方便接批处理或 Web 服务。新建 my_upscale.py：

import cv2
from basicsr.archs.rrdbnet_arch import RRDBNet
from realesrgan import RealESRGANer

# 1. 定义网络结构，x4plus 是 23 个 RRDB block
model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64,
                num_block=23, num_grow_ch=32, scale=4)

# 2. 包装成推理器，model_path 可以直接给 URL，会自动下载
upsampler = RealESRGANer(
    scale=4,
    model_path='https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth',
    model=model,
    tile=0,        # 0 表示不切片，显存吃紧时改成 256
    tile_pad=10,
    pre_pad=0,
    half=True,     # GPU 上用 fp16，CPU 上改成 False
)

img = cv2.imread('inputs/old.jpg', cv2.IMREAD_UNCHANGED)
output, _ = upsampler.enhance(img, outscale=4)
cv2.imwrite('outputs/old_x4.png', output)
print('done:', output.shape)

mkdir -p outputs
python my_upscale.py

预期输出：终端打印 done: (H*4, W*4, 3)，outputs/old_x4.png 就是结果图。

配置与调优

显存不够：开 tile 切片

加 --tile 256，脚本会把图切成 256×256 的小块分别推理再拼回去。显存 4GB 以下用 256，2GB 以下用 128。代价是速度变慢，但结果基本一致。Python API 里对应 tile=256。

动漫图和真人图用不同权重

真人照片用 -n RealESRGAN_x4plus；二次元插画换成 -n RealESRGAN_x4plus_anime_6B，模型小得多、速度快、线条更干净。想放大 2 倍用 -n RealESRGAN_x2plus，或者任何模型配 --outscale 2 直接输出 2 倍图。

降噪与精度取舍

老照片噪点多可以试 -n realesr-general-x4v3 --denoise_strength 0.5，这个模型支持 0–1 的降噪强度调节。--fp32 会关掉半精度，速度下降约一半但数值更稳，遇到输出出现异常色块时可以打开对比。

常见坑与排错

下一步

• 试用 ncnn-vulkan 可执行版：仓库 Releases 里有免 Python 环境的单文件程序，支持批量图片和视频，适合发给不懂代码的同事或在无 GPU 机器上跑。
• 在自己的数据集上微调：走 BasicSR 的训练流程（仓库 docs/Train.md），用真实的老照片退化数据训练，效果通常比通用权重更贴合你的场景。
• 封装成服务：把上面的 my_upscale.py 包一层 FastAPI，加个上传接口和队列，就能给内部工具或小程序供 API；注意推理器初始化只做一次，复用 upsampler 实例。