Stable Diffusion 常用放大算法详解

常用放大算法

图像放大算法大致有两种：

• 传统图像放大算法（lantent、lanczos、nearest）
• ai图像放大算法（4x-ultrasharp、bsrgan、esrgan等）

传统图像放大算法是基于插值算法，计算出图像放大后新位置的像素值。ai图像放大算法，比一般的传统图像放大算法效果更好。

• 推荐放大算法 esrgan系列 和 4x-ultrasharp
• r-esrgan 4x+ 适用于写实图片
• r-esrgan 4x+ anime6b 适用于二次元类图片或二三次元混合图片

latent 系列（不常用）

latent 系列放大算法是在潜空间对图像进行放大，然后重新采样来增加图像的细节。

此外由于不是对图像像素级别的直接放大操作，当高分迭代步数不够或者重绘幅度过低时，生成的图像会模糊或失真。

重绘幅度在0~0.5的时候放大生成的图像是模糊的，因此在使用 latent 系列算法时，需要一定的重绘幅度，并且随着放大倍数的提高，放大的图像会变得扭曲。

不同 latent 算法之间的区别。

• latent (antialiased)：结合抗锯齿 (antialiased) 技术来消除图像中的锯齿状边缘。
• latent (bicubic)：使用双立法插值 (bicubic) 算法来放大图像，其在每个像素的位置使用一个三次多项式来拟合周围16个邻近像素（4x4的像素网格）的值。该算法考虑了每个像素点与其周围像素点之间的非线性关系，从而能够更准确地模拟图像中复杂的灰度变化，使得图像更加细致。
• latent (bicubic antialiased)：结合双立法插值 (bicubic) 算法和抗锯齿 (antialiased) 技术，放大图像的同时消除锯齿状边缘，提高图像的分辨率和质量。
• latent (nearest)：使用最近邻插值 (nearest neighbor interpolation) 算法来放大图像，其在放大图像后，对于新位置的像素直接采用最近的原图像像素作为其值。这导致新像素之间缺乏过渡，容易导致图像边缘出现明显的锯齿状或阶梯状效果