1.ESRGAN

ESRGAN 由 Xintao Wang 等人于 2018 年提出，旨在通过对抗生成网络（GAN）进一步提升图像超分辨率重建的视觉效果。它是在 SRGAN（Super‑Resolution GAN）的基础上改进而来，重点解决了高频细节表现不足和生成结果偏“平滑”的问题。

优点：生成的细节更丰富、纹理更自然；在多项基准测试（如 DIV2K）上视觉效果显著提升。

局限：主要针对“理想降采样”场景（bicubic 降采样）；对真实世界的噪声、模糊等退化情况适应性较差。

创建conda虚拟环境

conda create -n esrgan python=3.9

激活并进入环境

conda activate esrgan

torch安装

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

其他

pip install numpy opencv-python

克隆代码至本地，下载预训练模型

git clone https://github.com/xinntao/ESRGAN

cd ESRGAN

模型下载：百度网盘链接：https://pan.baidu.com/s/1-Lh6ma-wXzfH8NqeBtPaFQ#list/path=%2F

2.Real-ESRGAN

真实场景中的低分图像通常包含各种不可预知的退化：相机噪声、压缩伪影、镜头模糊等。Real‑ESRGAN 在 ESRGAN 的基础上，引入更贴近真实退化的训练策略，使模型对多种劣化情况具备鲁棒性。

对各种真实低质图像（监控、老照片、网络截图等）具有更好恢复能力。

在公开的“RealSR”数据集上，相比 ESRGAN、SRGAN 等传统方法，主观和客观指标均有显著提升。

项目克隆到本地

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

安装各种依赖

# 安装 basicsr - https://github.com/xinntao/BasicSR
# 使用BasicSR来训练以及推断
pip install basicsr
# facexlib和gfpgan是用来增强人脸的
pip install facexlib
pip install gfpgan
pip install -r requirements.txt
python setup.py develop

预训练模型下载

# RealESRGAN_x4plus.pth
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth -P weights

# RealESRGAN_x4plus_anime_6B
wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.2.4/RealESRGAN_x4plus_anime_6B.pth -P weights

修复实战:

1.ESRGAN

在ESRGAN项目文件夹中找到 test.py 文件，将参数test_img_folder的内容改为自己需要处理图片的文件夹路径（或者我们把图片直接放入项目默认的LR文件夹中），直接运行即可

2.Real-ESRGAN

直接在命令窗口执行，注意：先cd至Real-ESRGAN项目所在目录

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