1. 项目背景与核心价值
最近在整理老照片和设计素材时,经常遇到一个头疼的问题——那些早年拍摄或下载的低分辨率图片,在现在的4K显示器上查看简直惨不忍睹。传统的图像放大方法(如Photoshop的"图像大小"调整)往往会让图片变得模糊不清,边缘出现锯齿。直到发现了RealESRGAN这个基于AI的超分辨率重建工具,才真正解决了这个痛点。
RealESRGAN是腾讯ARC实验室开源的图像超分辨率算法,相比传统的插值放大方法,它通过深度卷积神经网络学习图像的高频细节,能够智能地补充放大过程中丢失的纹理信息。实测下来,4倍放大后的图片依然能保持惊人的清晰度,特别是对于动漫、插画这类内容,效果更是惊艳。
但官方工具每次只能处理单张图片,当需要批量处理整个文件夹时就很麻烦。于是我用Python写了个脚本,实现以下核心功能:
- 自动遍历指定文件夹的所有图片
- 调用RealESRGAN进行无损放大
- 可选择保留原图或直接替换
- 支持进度显示和错误跳过
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与工具链搭建
2.1 基础环境配置
推荐使用Python 3.8+环境,实测在Windows和Linux下均可运行。需要提前安装:
bash复制pip install opencv-python pillow tqdm
注意:RealESRGAN官方要求CUDA 10.2+环境以获得GPU加速。如果没有NVIDIA显卡,可以添加
--cpu参数运行,但处理速度会明显下降。
2.2 RealESRGAN模型安装
首先克隆官方仓库并安装依赖:
bash复制git clone https://github.com/xinntao/Real-ESRGAN.git
cd Real-ESRGAN
pip install -r requirements.txt
然后下载预训练模型(推荐使用通用的RealESRGAN_x4plus模型):
bash复制wget https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth -P weights/
2.3 脚本依赖检查
创建requirements.txt文件包含以下内容:
code复制numpy>=1.21.0
opencv-python>=4.5.4
Pillow>=9.0.0
tqdm>=4.62.0
运行pip install -r requirements.txt安装所有依赖。
3. 脚本核心逻辑解析
3.1 文件遍历与格式处理
使用Python的os.walk递归遍历文件夹,通过文件扩展名过滤出支持的图片格式:
python复制SUPPORTED_EXTS = ['.j
