图像空间(Image Space)缩放
模型放大
潜空间(Latent Space)缩放
- SD放大
- SUPIR放大（仅限SDXL）">SUPIR放大（仅限SDXL）

图像空间的缩放产生的图像与原图可能在画质上有区别，不会产生额外的信息。但是，使用放大模型或者在潜空间的缩放很有可能会改变原有图像的信息（如：纹理、光线等）。通常，图像空间的缩放在预处理阶段使用，模型或潜空间的缩放在后处理阶段使用。

图像空间(Image Space)缩放

基于图像插值的缩放，特点如下

插值方式	原理描述	优点	缺点
邻近插值	选择最邻近的像素值进行填充	速度最快	像素化严重，边缘锯齿感明显
双线性插值	根据四个最近像素值的加权平均进行插值	过渡平滑，计算量小	细节模糊，放大效果一般
区域插值	使用较大区域内的像素加权平均进行计算	保持细节，适合缩小图像	放大效果不如其他方法
双三次插值	基于16个相邻像素，用三次函数进行插值	过渡更平滑，细节保留较好	计算复杂，速度较慢
Lanczos插值	使用Lanczos核函数，考虑更大像素范围（8×8区域）进行插值	保留细节最好，减少模糊和伪影	计算量最大，速度最慢

指定尺寸绽放

指定尺寸的缩放

图像缩放 - 图2

按系数缩放

系数：缩放比例

按像素缩放

按原图比例缩放到“像素数量(megapixels)”，2代表2百万像素。

图像缩放 - 图4

Image Resize By Longer Side

将长边缩放到指定长度，短边与其保持原来的比例。

同理，也有Image Resize By Shorter Side。

图像缩放 - 图5

模型放大

图像缩放 - 图6

这些模型在不同类型的图像处理需求上展现出各自的特点，可根据特定需求选择合适的放大模型来达到最佳效果。以下是图像放大模型的特点简介：

模型名称	特点
ESRGAN_4x	基于 ESRGAN（Enhanced Super-Resolution GAN）的 4 倍放大模型，提供优秀的细节增强和锐化效果。
LDSR	Latent Diffusion Super Resolution，利用潜在扩散过程进行放大，适合处理复杂图像内容。
R-ESRGAN_4x+	在 ESRGAN 基础上进行改进的模型，增强对细节和噪声处理的能力，生成更清晰自然的结果。
R-ESRGAN_4x+ Anime6B	专为动漫图像优化的 4 倍放大模型，适合动漫和插画风格图像，保持线条清晰和颜色准确。
ScuNET GAN	基于 GAN 的图像增强模型，适合真实感图像，重视生成细节和视觉真实感。
ScuNET PSNR	专注于峰值信噪比（PSNR）的图像放大模型，旨在减少图像失真和保留更多细节，适合高精度需求场景。
SwinIR_4x	基于 Swin Transformer 的图像超分辨率模型，具有强大的细节增强和降噪能力。
4x-UltraSharp	专注于提升图像的锐度，生成清晰锐利的放大效果，适合高分辨率需求的场景。
4x_NMKD-Siax_200k	经过 200k 训练步数的放大模型，适合各种图像，平衡了清晰度与去噪处理。
4x_NMKD-Superscale-SP_178000_G	强调图像的超级缩放和细节恢复，适合高要求的图像放大需求，特别是自然场景图像。
4x-AnimeSharp	为动漫风格图像设计，保持线条和色彩的清晰度和细腻度，适合动画和漫画的放大处理。
4x_foolhardy_Remacri	综合细节恢复和降噪的通用放大模型，适合各种风格的图像。
BSRGAN	Blind-SR GAN，适合盲图像超分辨率处理，增强图像细节的同时适应各种图像类型。
DAT 2/3/4	Deep Aggregation Transformer 系列，用于逐步提升图像细节和锐度，适用于高质量图像的放大。
4x-DeCompress	专注于图像的去压缩处理，适合放大并修复压缩损失严重的图像。
4x-DeCompress-Strong	增强型去压缩模型，适合压缩损失严重的图像，具有更强的细节恢复能力。
8x-NMKD-Superscale	提供 8 倍放大比例，适合高分辨率场景，保留细节并进行优化，适合大尺寸图片生成。
4xNomos2_hq_dat2.pth	适用于高清场景的 4 倍放大模型，适合真实感和高精度图像处理。
8x_NMKD-Faces_160000_G	专门针对人脸的 8 倍放大模型，细化人脸细节和肤色处理，适合人像图像的放大。
4xNomos8kSCHAT-L	高分辨率处理模型，适合超高清图像的放大需求，保留了丰富的细节和真实感。
4xRealWebPhoto_v4	专为真实场景照片设计的放大模型，平衡锐化与自然效果，适合网络和网页图像放大。
4xFaceUpSharpDAT	专注人脸图像增强的放大模型，提供清晰的细节恢复和锐化效果，适合高分辨率人脸图像的处理。

潜空间(Latent Space)缩放

图像缩放 - 图7

通常配合图生图工作流使用。

图像缩放 - 图8 通过调整提示语与降噪，可以控制画面内容与原图的相似性。

SD放大

Ultimate SD Upscale介绍

需要安装插件UltimateSDUpscale, https://github.com/ssitu/ComfyUI_UltimateSDUpscale

图像缩放 - 图9

以下是 Ultimate SD Upscale 的主要参数设置说明，以及各参数对图像放大效果的影响：

参数解释见：FAQ，通常使用默认参数即可。

参数名称	描述
采样参数	随机种、运行后操作、步数、CFG、采样器、调度器、降噪等参数同K采集器。
放大系数 Upscale Factor	放大倍率，控制图像的放大倍数，常见选择为 2 倍、4 倍等。较高的放大倍率适用于需要高分辨率输出的场景，但也会增加内存消耗。
模式类型 Type	重新绘制类型： - Linear：逐块处理图像，按行列顺序逐块执行。 - Chess：以棋盘格图案处理，减少接缝痕迹。 - None：禁用重新绘制。适用于无接缝修复，或图像存在可见重叠或接缝痕迹。
分块宽度 Tile width	每块的宽度。块越大，最终图像中的伪影越少。建议 2k 图像使用 512px 宽度。
分块高度 Tile height	每块的高度。默认值为 0，相当于设置为宽度。较大的块可以减少最终图像中的伪影。建议 2k 图像使用 512px 高度。
分区分块 Padding	每块在处理时考虑的相邻块像素数量。
模糊 Mask blur	块遮罩模糊程度。建议 512-768px 块大小的模糊值设置为 12-16，若有接缝可增加模糊值。
接缝修复模式 Type	接缝修复类型： - Bands pass：在行和列的接缝上添加额外处理，覆盖小区域，耗时少。 - Half tile offset pass：在接缝附近添加 2 次半块偏移的处理。覆盖区域较大，效果较好，但耗时更长。 - Half tile offset + intersections pass：先运行 Half tile offset，再在交叉点上运行额外处理。 - None：禁用接缝修复（默认值）。
接缝修复的去噪 Denoise	接缝修复的去噪强度。
接缝修复宽度 Width	重新绘制线的宽度，仅在 Band pass 中使用。
接缝修复分区 Padding	处理接缝时考虑的图像附近像素数量。
接缝修复模糊 Mask blur	接缝修复遮罩模糊程度。建议在 32px 填充时设置为 8-16；若填充增加，模糊值也应相应增加。

SUPIR放大（仅限SDXL）

需要安装插件UltimateSDUpscale, https://github.com/kijai/ComfyUI-SUPIR

模型文件：https://huggingface.co/Kijai/SUPIR_pruned/tree/main

图像缩放 - 图10