简介本资源面向具备一定Python与深度学习基础的开发者聚焦AI图像修复方向提供一套将马赛克化低清人像还原为高清图像的完整项目源码。项目以生成对抗网络为核心思路涵盖数据预处理、生成器与判别器构建、模型训练、损失函数与优化器选择以及图像生成等关键环节适合用于学习GANs在图像处理中的落地实践。压缩包共19个文件约10.07MB包含9个py脚本、1个pt模型权重、1个yml配置文件以及jpeg、png、gif等示例图片和md说明文档覆盖训练、推理与效果展示等模块。目前已有1761人学习下载读者可借助源码理解PULSE类方法的实现逻辑掌握从模型加载到高清人像生成的完整流程并在此基础上迁移到超分辨率、人脸修复等场景提升深度学习与图像处理实战能力。1. 马赛克照片还原高清从像素级退化到可复现的 Python AI 修复链路手里拿到一张被马赛克糊过的照片第一反应往往是「这还能救回来吗」。能救但救回来的不是原图而是模型根据上下文「猜」出来的合理细节。这个区别决定了整条技术路线的选型马赛克是一种不可逆的信息抹除每个色块内部所有像素被均值或中值替代原始高频信息已经丢失。所以「还原高清」本质上是图像超分辨率 盲复原的组合任务而不是解密。用 Python 做这件事主流路径是拿现成的超分模型Real-ESRGAN、GFPGAN、SwinIR 这类做推理再针对马赛克块状伪影做预处理和后处理。适合谁有 Python 基础、想快速跑通一条可复现修复链路的开发者如果你指望 100% 还原原始人脸或文字那得先降低预期——模型给的是「合理猜测」不是「真实还原」。2. 马赛克为什么难还原退化模型与 AI 修复的边界2.1 马赛克是一种有损到不可逆的退化先把退化过程说清楚。一张高清图 H经过马赛克处理变成低清图 L中间经历了两步第一步是分块把图像切成 N×N 的格子常见 8×8、16×16第二步是块内聚合用均值、中值或随机采样把块内所有像素压成一个值。数学上写成L(i,j) f( H(x,y) ) 其中 (x,y) ∈ block(i,j)f 通常是 mean 或 median。关键点在于同一个 L 可以对应无数个 H。块内原本是纯色还是复杂纹理聚合后完全一样。这就是为什么马赛克还原在信息论上属于病态问题ill-posed problem没有唯一解。AI 模型做的事是从海量训练数据里学到「这种块状结构通常对应什么样的高频细节」。它不是在恢复而是在生成。理解这一点后面所有参数选择和效果预期都顺了。2.2 超分模型选型Real-ESRGAN、GFPGAN、SwinIR 怎么挑市面上能直接用的开源模型不少但针对马赛克场景选型逻辑和普通超分不完全一样。普通超分输入是「模糊但连续」的低清图马赛克输入是「块状突变」的图模型对块边界的处理能力差别很大。模型擅长场景对马赛克块状伪影显存占用1080p 输入推理速度Real-ESRGAN通用超分、真实退化中等需配合预处理约 4-6 GB快GFPGAN人脸修复人脸区域好非人脸差约 3-4 GB快SwinIR高质量超分较好Transformer 对块边界敏感约 6-8 GB慢CodeFormer人脸 通用人脸极强约 5-7 GB中等我一般会这样组合先用 Real-ESRGAN 做整体超分再用人脸检测框出人脸区域交给 GFPGAN 或 CodeFormer 精修。纯 SwinIR 效果稳但慢适合离线批量处理。如果只有 CPU那基本只能跑小图或者用 ONNX 量化版本速度会让人想砸键盘。2.3 预处理把马赛克块「软化」再送进模型直接拿马赛克图喂模型效果往往不理想因为块边界太硬模型会把这些硬边当成真实边缘去强化结果块状感更明显。常见做法是先做一步轻度高斯模糊或导向滤波把块边界软化让模型看到的是「模糊图」而不是「马赛克图」。import cv2 import numpy as np def soften_mosaic(img_path, blur_ksize3, sigma0.8): 软化马赛克块边界降低模型对硬边的误判 blur_ksize: 高斯核大小奇数3 或 5 比较稳 sigma: 高斯标准差0.5-1.0 之间太大丢细节 img cv2.imread(img_path) if img is None: raise FileNotFoundError(f读不到图: {img_path}) # 轻度高斯模糊只软化边界不破坏整体结构 softened cv2.GaussianBlur(img, (blur_ksize, blur_ksize), sigma) return softened if __name__ __main__: out soften_mosaic(mosaic_input.png, blur_ksize3, sigma0.8) cv2.imwrite(softened.png, out)逻辑说明高斯核 3×3 配合 sigma 0.8作用范围刚好覆盖马赛克块之间的 1-2 像素过渡带不会把块内信息进一步抹掉。如果原图马赛克块很大16×16 以上可以把核调到 5但 sigma 不要超过 1.2否则模型会丢失太多结构线索。这一步是「后悔药」——不做也能跑但做了之后块状伪影明显减轻。3. 用 Python 跑通一条可复现的修复链路3.1 环境搭建Python 版本、依赖与 GPU 加速环境这块踩坑最多。Python 版本建议 3.9 或 3.103.11 以上有些老包编译不过。PyTorch 要跟 CUDA 版本对齐别装错。# 创建虚拟环境别在系统 Python 里乱装 python -m venv venv_mosaic source venv_mosaic/bin/activate # Windows 用 venv_mosaic\Scripts\activate # 装 PyTorch以 CUDA 11.8 为例去官网查对应命令 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 装基础图像库和超分相关依赖 pip install opencv-python numpy pillow basicsr facexlib gfpgan realesrgan参数说明--index-url后面跟的是 PyTorch 官方 wheel 源CUDA 版本必须和本机驱动匹配。装完用python -c import torch; print(torch.cuda.is_available())验证返回 True 才算 GPU 可用。如果返回 False先查驱动版本别急着重装。3.2 核心推理脚本Real-ESRGAN GFPGAN 串联下面这段是整条链路的核心。思路是先软化再 Real-ESRGAN 超分再检测人脸并用 GFPGAN 精修最后合并输出。import cv2 import numpy as np import torch from basicsr.archs.rrdbnet_arch import RRDBNet from realesrgan import RealESRGANer from gfpgan import GFPGANer def build_realesrgan(model_path, scale4, tile0, halfTrue): 构建 Real-ESRGAN 推理器 model_path: 权重文件路径需自行下载 scale: 放大倍数4 是通用选择 tile: 分块大小0 表示不分块显存不够时设 256 或 512 half: 半精度GPU 上开CPU 上关 model RRDBNet(num_in_ch3, num_out_ch3, num_feat64, num_block23, num_grow_ch32, scalescale) upsampler RealESRGANer( scalescale, model_pathmodel_path, modelmodel, tiletile, tile_pad10, pre_pad0, halfhalf, devicecuda if torch.cuda.is_available() else cpu ) return upsampler def restore_mosaic(img_path, esrgan_model, gfpgan_modelNone): 完整修复流程读图 - 软化 - 超分 - 人脸精修 - 输出 img cv2.imread(img_path) if img is None: raise FileNotFoundError(img_path) # 第一步软化块边界 softened cv2.GaussianBlur(img, (3, 3), 0.8) # 第二步Real-ESRGAN 超分 output, _ esrgan_model.enhance(softened, outscale4) # 第三步如果提供了 GFPGAN做人脸区域精修 if gfpgan_model is not None: _, _, restored_faces gfpgan_model.enhance( output, has_alignedFalse, only_center_faceFalse, paste_backTrue ) output restored_faces return output if __name__ __main__: esrgan build_realesrgan(weights/RealESRGAN_x4plus.pth, scale4, tile256) gfpgan GFPGANer( model_pathweights/GFPGANv1.4.pth, upscale4, archclean, channel_multiplier2, bg_upsampleresrgan ) result restore_mosaic(mosaic_input.png, esrgan, gfpgan) cv2.imwrite(restored_output.png, result)逻辑说明tile256是显存不够时的救命参数把大图切块推理再拼回去代价是边缘可能有轻微接缝。halfTrue在 GPU 上开半精度速度提升明显但老显卡如 GTX 10 系可能不支持报错就改 False。GFPGAN 的paste_backTrue保证只替换人脸区域背景保留 Real-ESRGAN 的结果避免整图被人脸模型带偏。3.3 参数调优放大倍数、tile 大小与降噪强度参数不是拍脑袋定的每个都有明确的取舍。放大倍数scale2 倍适合原图本身分辨率还行、只是被马赛克糊了的情况4 倍是通用选择但会引入更多「生成细节」可能偏离原貌。如果原图马赛克块很大4 倍反而容易生成过度平滑的假脸。tile 大小0 表示整图推理显存够就设 0效果最好。显存不够从 512 往下调256 是常见平衡点128 会明显变慢且接缝增多。降噪强度Real-ESRGAN 有denoise_strength参数部分版本支持默认 0.5。马赛克图建议调到 0.3-0.4因为块内信息已经很少降噪太狠会把仅有的结构也抹掉。# 调参示例显存 6GB 以下用 tile256 halfTrue esrgan build_realesrgan(weights/RealESRGAN_x4plus.pth, scale4, tile256, halfTrue) # 如果输出太糊把 scale 降到 2再单独用 PIL 做一次双三次放大 # 如果输出块状感仍重把预处理高斯核从 3 调到 5sigma 从 0.8 调到 1.0提示每次只改一个参数改完对比输出别一次调三个否则出了问题都不知道是哪个引起的。4. 避坑与排查马赛克还原最常见的 5 个翻车现场4.1 现象输出全是噪点人脸变成鬼脸原因模型权重和架构不匹配或者 half 精度在老显卡上溢出。常见于随便下载一个 .pth 就往 RRDBNet 里塞版本对不上。解决确认权重文件名和模型架构对应RealESRGAN_x4plus 配 RRDBNet(num_block23)x4plus_anime 配 6 个 block 的版本。half 报错就关掉用 FP32 跑。4.2 现象块状伪影没减轻反而更明显原因预处理没做或者高斯核太小。模型把马赛克硬边当成真实边缘强化了。解决加预处理高斯核至少 3×3sigma 0.8 起步。如果块特别大16×16核调到 5sigma 1.0。别用中值滤波会把块内残存细节也抹平。4.3 现象显存爆了CUDA out of memory原因tile0 整图推理1080p 以上必爆。或者同时加载了 Real-ESRGAN 和 GFPGAN 两个模型显存叠加。解决tile 设 256 或 512half 开 True。如果还爆先把图缩到 720p 再推理输出后再放大。GFPGAN 的 bg_upsampler 可以设 None只修人脸不修背景省一半显存。4.4 现象人脸修好了但和背景色调不一致原因GFPGAN 输出的人脸区域和 Real-ESRGAN 的背景在色彩空间上有偏差paste_back 时融合不自然。解决在 paste_back 之前做一次直方图匹配或者用泊松融合。简单做法是把 GFPGAN 的 weight 参数调低0.5-0.7让它别修得太狠保留更多原始色调。4.5 现象CPU 上跑一张图要十几分钟原因CPU 推理没有并行加速Real-ESRGAN 的 23 个 RRDB block 在 CPU 上就是灾难。解决换 ONNX Runtime 或 OpenVINO 做 CPU 推理速度能快 3-5 倍。或者直接用 Real-ESRGAN 的 ncnn 版本专门为 CPU 优化过。实在不行把图裁成小块分批跑至少能看到进度。5. 进阶技巧用分块推理 重叠融合把大图跑稳大图4K 以上直接推理要么显存爆要么 tile 接缝明显。我一般用分块推理 重叠融合把图切成有重叠的小块每块单独推理再按权重融合回去。重叠区域用余弦窗加权接缝基本看不出来。def tiled_inference(img, model, tile_size512, overlap64): 分块推理 重叠融合 tile_size: 每块边长 overlap: 重叠像素数建议 tile_size 的 1/8 h, w img.shape[:2] output np.zeros((h*4, w*4, 3), dtypenp.float32) weight np.zeros((h*4, w*4, 3), dtypenp.float32) # 生成余弦窗边缘权重低中心权重高 def cosine_window(size): x np.linspace(0, np.pi, size) return np.outer(np.sin(x), np.sin(x)) step tile_size - overlap for y in range(0, h, step): for x in range(0, w, step): y2 min(y tile_size, h) x2 min(x tile_size, w) patch img[y:y2, x:x2] # 推理并放大 out_patch, _ model.enhance(patch, outscale4) # 计算在输出图上的位置 oy, ox y*4, x*4 oy2, ox2 oy out_patch.shape[0], ox out_patch.shape[1] # 余弦窗加权 win cosine_window(out_patch.shape[0])[:, :, None] output[oy:oy2, ox:ox2] out_patch * win weight[oy:oy2, ox:ox2] win # 归一化避免边缘变暗 output output / np.maximum(weight, 1e-6) return output.astype(np.uint8)逻辑说明overlap64保证相邻块有足够重叠区余弦窗让重叠区平滑过渡。weight累加后归一化避免简单平均导致的边缘变暗。这套写法比直接 tile 推理慢 20% 左右但接缝问题基本消失。验证方法很简单拿一张纯色图跑一遍输出应该还是纯色如果出现网格状明暗条纹说明 overlap 不够或窗函数有问题。我自己的习惯是任何马赛克修复任务先跑一张小图确认链路通再上大图。参数从保守值开始scale2, tile512, halfFalse确认效果后再逐步放开。别一上来就 4 倍 整图 半精度翻车了连哪一步出的问题都找不到。希望帮到你。本文还有配套的精品资源点击获取
Python AI 修复马赛克照片：超分辨率与盲复原实战
简介本资源面向具备一定Python与深度学习基础的开发者聚焦AI图像修复方向提供一套将马赛克化低清人像还原为高清图像的完整项目源码。项目以生成对抗网络为核心思路涵盖数据预处理、生成器与判别器构建、模型训练、损失函数与优化器选择以及图像生成等关键环节适合用于学习GANs在图像处理中的落地实践。压缩包共19个文件约10.07MB包含9个py脚本、1个pt模型权重、1个yml配置文件以及jpeg、png、gif等示例图片和md说明文档覆盖训练、推理与效果展示等模块。目前已有1761人学习下载读者可借助源码理解PULSE类方法的实现逻辑掌握从模型加载到高清人像生成的完整流程并在此基础上迁移到超分辨率、人脸修复等场景提升深度学习与图像处理实战能力。1. 马赛克照片还原高清从像素级退化到可复现的 Python AI 修复链路手里拿到一张被马赛克糊过的照片第一反应往往是「这还能救回来吗」。能救但救回来的不是原图而是模型根据上下文「猜」出来的合理细节。这个区别决定了整条技术路线的选型马赛克是一种不可逆的信息抹除每个色块内部所有像素被均值或中值替代原始高频信息已经丢失。所以「还原高清」本质上是图像超分辨率 盲复原的组合任务而不是解密。用 Python 做这件事主流路径是拿现成的超分模型Real-ESRGAN、GFPGAN、SwinIR 这类做推理再针对马赛克块状伪影做预处理和后处理。适合谁有 Python 基础、想快速跑通一条可复现修复链路的开发者如果你指望 100% 还原原始人脸或文字那得先降低预期——模型给的是「合理猜测」不是「真实还原」。2. 马赛克为什么难还原退化模型与 AI 修复的边界2.1 马赛克是一种有损到不可逆的退化先把退化过程说清楚。一张高清图 H经过马赛克处理变成低清图 L中间经历了两步第一步是分块把图像切成 N×N 的格子常见 8×8、16×16第二步是块内聚合用均值、中值或随机采样把块内所有像素压成一个值。数学上写成L(i,j) f( H(x,y) ) 其中 (x,y) ∈ block(i,j)f 通常是 mean 或 median。关键点在于同一个 L 可以对应无数个 H。块内原本是纯色还是复杂纹理聚合后完全一样。这就是为什么马赛克还原在信息论上属于病态问题ill-posed problem没有唯一解。AI 模型做的事是从海量训练数据里学到「这种块状结构通常对应什么样的高频细节」。它不是在恢复而是在生成。理解这一点后面所有参数选择和效果预期都顺了。2.2 超分模型选型Real-ESRGAN、GFPGAN、SwinIR 怎么挑市面上能直接用的开源模型不少但针对马赛克场景选型逻辑和普通超分不完全一样。普通超分输入是「模糊但连续」的低清图马赛克输入是「块状突变」的图模型对块边界的处理能力差别很大。模型擅长场景对马赛克块状伪影显存占用1080p 输入推理速度Real-ESRGAN通用超分、真实退化中等需配合预处理约 4-6 GB快GFPGAN人脸修复人脸区域好非人脸差约 3-4 GB快SwinIR高质量超分较好Transformer 对块边界敏感约 6-8 GB慢CodeFormer人脸 通用人脸极强约 5-7 GB中等我一般会这样组合先用 Real-ESRGAN 做整体超分再用人脸检测框出人脸区域交给 GFPGAN 或 CodeFormer 精修。纯 SwinIR 效果稳但慢适合离线批量处理。如果只有 CPU那基本只能跑小图或者用 ONNX 量化版本速度会让人想砸键盘。2.3 预处理把马赛克块「软化」再送进模型直接拿马赛克图喂模型效果往往不理想因为块边界太硬模型会把这些硬边当成真实边缘去强化结果块状感更明显。常见做法是先做一步轻度高斯模糊或导向滤波把块边界软化让模型看到的是「模糊图」而不是「马赛克图」。import cv2 import numpy as np def soften_mosaic(img_path, blur_ksize3, sigma0.8): 软化马赛克块边界降低模型对硬边的误判 blur_ksize: 高斯核大小奇数3 或 5 比较稳 sigma: 高斯标准差0.5-1.0 之间太大丢细节 img cv2.imread(img_path) if img is None: raise FileNotFoundError(f读不到图: {img_path}) # 轻度高斯模糊只软化边界不破坏整体结构 softened cv2.GaussianBlur(img, (blur_ksize, blur_ksize), sigma) return softened if __name__ __main__: out soften_mosaic(mosaic_input.png, blur_ksize3, sigma0.8) cv2.imwrite(softened.png, out)逻辑说明高斯核 3×3 配合 sigma 0.8作用范围刚好覆盖马赛克块之间的 1-2 像素过渡带不会把块内信息进一步抹掉。如果原图马赛克块很大16×16 以上可以把核调到 5但 sigma 不要超过 1.2否则模型会丢失太多结构线索。这一步是「后悔药」——不做也能跑但做了之后块状伪影明显减轻。3. 用 Python 跑通一条可复现的修复链路3.1 环境搭建Python 版本、依赖与 GPU 加速环境这块踩坑最多。Python 版本建议 3.9 或 3.103.11 以上有些老包编译不过。PyTorch 要跟 CUDA 版本对齐别装错。# 创建虚拟环境别在系统 Python 里乱装 python -m venv venv_mosaic source venv_mosaic/bin/activate # Windows 用 venv_mosaic\Scripts\activate # 装 PyTorch以 CUDA 11.8 为例去官网查对应命令 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 装基础图像库和超分相关依赖 pip install opencv-python numpy pillow basicsr facexlib gfpgan realesrgan参数说明--index-url后面跟的是 PyTorch 官方 wheel 源CUDA 版本必须和本机驱动匹配。装完用python -c import torch; print(torch.cuda.is_available())验证返回 True 才算 GPU 可用。如果返回 False先查驱动版本别急着重装。3.2 核心推理脚本Real-ESRGAN GFPGAN 串联下面这段是整条链路的核心。思路是先软化再 Real-ESRGAN 超分再检测人脸并用 GFPGAN 精修最后合并输出。import cv2 import numpy as np import torch from basicsr.archs.rrdbnet_arch import RRDBNet from realesrgan import RealESRGANer from gfpgan import GFPGANer def build_realesrgan(model_path, scale4, tile0, halfTrue): 构建 Real-ESRGAN 推理器 model_path: 权重文件路径需自行下载 scale: 放大倍数4 是通用选择 tile: 分块大小0 表示不分块显存不够时设 256 或 512 half: 半精度GPU 上开CPU 上关 model RRDBNet(num_in_ch3, num_out_ch3, num_feat64, num_block23, num_grow_ch32, scalescale) upsampler RealESRGANer( scalescale, model_pathmodel_path, modelmodel, tiletile, tile_pad10, pre_pad0, halfhalf, devicecuda if torch.cuda.is_available() else cpu ) return upsampler def restore_mosaic(img_path, esrgan_model, gfpgan_modelNone): 完整修复流程读图 - 软化 - 超分 - 人脸精修 - 输出 img cv2.imread(img_path) if img is None: raise FileNotFoundError(img_path) # 第一步软化块边界 softened cv2.GaussianBlur(img, (3, 3), 0.8) # 第二步Real-ESRGAN 超分 output, _ esrgan_model.enhance(softened, outscale4) # 第三步如果提供了 GFPGAN做人脸区域精修 if gfpgan_model is not None: _, _, restored_faces gfpgan_model.enhance( output, has_alignedFalse, only_center_faceFalse, paste_backTrue ) output restored_faces return output if __name__ __main__: esrgan build_realesrgan(weights/RealESRGAN_x4plus.pth, scale4, tile256) gfpgan GFPGANer( model_pathweights/GFPGANv1.4.pth, upscale4, archclean, channel_multiplier2, bg_upsampleresrgan ) result restore_mosaic(mosaic_input.png, esrgan, gfpgan) cv2.imwrite(restored_output.png, result)逻辑说明tile256是显存不够时的救命参数把大图切块推理再拼回去代价是边缘可能有轻微接缝。halfTrue在 GPU 上开半精度速度提升明显但老显卡如 GTX 10 系可能不支持报错就改 False。GFPGAN 的paste_backTrue保证只替换人脸区域背景保留 Real-ESRGAN 的结果避免整图被人脸模型带偏。3.3 参数调优放大倍数、tile 大小与降噪强度参数不是拍脑袋定的每个都有明确的取舍。放大倍数scale2 倍适合原图本身分辨率还行、只是被马赛克糊了的情况4 倍是通用选择但会引入更多「生成细节」可能偏离原貌。如果原图马赛克块很大4 倍反而容易生成过度平滑的假脸。tile 大小0 表示整图推理显存够就设 0效果最好。显存不够从 512 往下调256 是常见平衡点128 会明显变慢且接缝增多。降噪强度Real-ESRGAN 有denoise_strength参数部分版本支持默认 0.5。马赛克图建议调到 0.3-0.4因为块内信息已经很少降噪太狠会把仅有的结构也抹掉。# 调参示例显存 6GB 以下用 tile256 halfTrue esrgan build_realesrgan(weights/RealESRGAN_x4plus.pth, scale4, tile256, halfTrue) # 如果输出太糊把 scale 降到 2再单独用 PIL 做一次双三次放大 # 如果输出块状感仍重把预处理高斯核从 3 调到 5sigma 从 0.8 调到 1.0提示每次只改一个参数改完对比输出别一次调三个否则出了问题都不知道是哪个引起的。4. 避坑与排查马赛克还原最常见的 5 个翻车现场4.1 现象输出全是噪点人脸变成鬼脸原因模型权重和架构不匹配或者 half 精度在老显卡上溢出。常见于随便下载一个 .pth 就往 RRDBNet 里塞版本对不上。解决确认权重文件名和模型架构对应RealESRGAN_x4plus 配 RRDBNet(num_block23)x4plus_anime 配 6 个 block 的版本。half 报错就关掉用 FP32 跑。4.2 现象块状伪影没减轻反而更明显原因预处理没做或者高斯核太小。模型把马赛克硬边当成真实边缘强化了。解决加预处理高斯核至少 3×3sigma 0.8 起步。如果块特别大16×16核调到 5sigma 1.0。别用中值滤波会把块内残存细节也抹平。4.3 现象显存爆了CUDA out of memory原因tile0 整图推理1080p 以上必爆。或者同时加载了 Real-ESRGAN 和 GFPGAN 两个模型显存叠加。解决tile 设 256 或 512half 开 True。如果还爆先把图缩到 720p 再推理输出后再放大。GFPGAN 的 bg_upsampler 可以设 None只修人脸不修背景省一半显存。4.4 现象人脸修好了但和背景色调不一致原因GFPGAN 输出的人脸区域和 Real-ESRGAN 的背景在色彩空间上有偏差paste_back 时融合不自然。解决在 paste_back 之前做一次直方图匹配或者用泊松融合。简单做法是把 GFPGAN 的 weight 参数调低0.5-0.7让它别修得太狠保留更多原始色调。4.5 现象CPU 上跑一张图要十几分钟原因CPU 推理没有并行加速Real-ESRGAN 的 23 个 RRDB block 在 CPU 上就是灾难。解决换 ONNX Runtime 或 OpenVINO 做 CPU 推理速度能快 3-5 倍。或者直接用 Real-ESRGAN 的 ncnn 版本专门为 CPU 优化过。实在不行把图裁成小块分批跑至少能看到进度。5. 进阶技巧用分块推理 重叠融合把大图跑稳大图4K 以上直接推理要么显存爆要么 tile 接缝明显。我一般用分块推理 重叠融合把图切成有重叠的小块每块单独推理再按权重融合回去。重叠区域用余弦窗加权接缝基本看不出来。def tiled_inference(img, model, tile_size512, overlap64): 分块推理 重叠融合 tile_size: 每块边长 overlap: 重叠像素数建议 tile_size 的 1/8 h, w img.shape[:2] output np.zeros((h*4, w*4, 3), dtypenp.float32) weight np.zeros((h*4, w*4, 3), dtypenp.float32) # 生成余弦窗边缘权重低中心权重高 def cosine_window(size): x np.linspace(0, np.pi, size) return np.outer(np.sin(x), np.sin(x)) step tile_size - overlap for y in range(0, h, step): for x in range(0, w, step): y2 min(y tile_size, h) x2 min(x tile_size, w) patch img[y:y2, x:x2] # 推理并放大 out_patch, _ model.enhance(patch, outscale4) # 计算在输出图上的位置 oy, ox y*4, x*4 oy2, ox2 oy out_patch.shape[0], ox out_patch.shape[1] # 余弦窗加权 win cosine_window(out_patch.shape[0])[:, :, None] output[oy:oy2, ox:ox2] out_patch * win weight[oy:oy2, ox:ox2] win # 归一化避免边缘变暗 output output / np.maximum(weight, 1e-6) return output.astype(np.uint8)逻辑说明overlap64保证相邻块有足够重叠区余弦窗让重叠区平滑过渡。weight累加后归一化避免简单平均导致的边缘变暗。这套写法比直接 tile 推理慢 20% 左右但接缝问题基本消失。验证方法很简单拿一张纯色图跑一遍输出应该还是纯色如果出现网格状明暗条纹说明 overlap 不够或窗函数有问题。我自己的习惯是任何马赛克修复任务先跑一张小图确认链路通再上大图。参数从保守值开始scale2, tile512, halfFalse确认效果后再逐步放开。别一上来就 4 倍 整图 半精度翻车了连哪一步出的问题都找不到。希望帮到你。本文还有配套的精品资源点击获取
