别再为模糊老照片发愁了！手把手教你用腾讯GFP-GAN v1.3模型修复人脸（附Colab在线版）

零门槛修复老照片：腾讯GFP-GAN实战指南

翻开相册时，那些泛黄模糊的老照片总让人既怀念又遗憾。现在，借助腾讯ARC实验室开源的GFP-GAN模型，即使没有任何编程基础的用户也能轻松修复珍贵影像。本文将带您从在线体验到本地部署，全方位掌握这个人像修复神器的使用技巧。

1. 为什么选择GFP-GAN修复人像

在数字图像修复领域，GFP-GAN凭借三大优势脱颖而出：

• 真实性与保真度平衡：通过生成式面部先验(GFP)技术，在保持面部特征的同时实现自然修复
• 多场景适应：可处理低分辨率、压缩失真、运动模糊等多种退化类型
• 开箱即用：提供预训练模型和在线Demo，降低使用门槛

与传统的超分辨率技术相比，GFP-GAN特别针对人脸特征进行了优化。其核心创新在于将StyleGAN的生成能力与空间特征变换层结合，既保留了源图像的身份特征，又恢复了丰富的面部细节。

2. 五分钟在线体验

无需安装任何软件，通过以下平台可立即体验GFP-GAN的效果：

2.1 Hugging Face Spaces版

访问https://huggingface.co/spaces/akhaliq/GFPGAN上传图片即可：

# 典型输出结果示例 修复前: 512x512像素 | 修复后: 1024x1024像素 处理时间: 约15秒(GPU环境)

注意：此版本仅返回人脸区域，适合证件照等场景

2.2 Colab在线版

Google Colab提供了完整的处理流程：

1. 打开https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo
2. 点击"Runtime" → "Run all"
3. 在出现的单元格中上传图片

平台对比：

3. 本地环境部署指南

对于需要批量处理或离线使用的场景，本地部署是最佳选择。

3.1 基础环境配置

确保系统已安装：

• Python 3.7+
• pip 20.0+
• Git

# 克隆仓库 git clone https://github.com/TencentARC/GFPGAN.git cd GFPGAN # 安装依赖 pip install basicsr facexlib realesrgan pip install -r requirements.txt python setup.py develop

3.2 模型下载与配置

下载预训练模型至指定目录：

wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth \ -P experiments/pretrained_models --no-check-certificate

3.3 CPU环境特殊配置

若使用CPU运行，需修改两处关键配置：

1. 编辑inference_gfpgan.py：

# 修改以下参数 parser.add_argument('--half', action='store_true', help='Use half precision') 改为 → parser.add_argument('--half', action='store_false')

2. 在facexlib/utils中添加CPU兼容代码：

import torch device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

4. 实战修复技巧

4.1 基础使用命令

处理单张图片：

python inference_gfpgan.py -i inputs/test.jpg -o results -v 1.3 -s 2

批量处理文件夹：

python inference_gfpgan.py -i inputs/old_photos -o restored_photos -v 1.3

4.2 参数优化建议

根据照片质量调整这些关键参数：

4.3 常见问题解决

• 面部扭曲：尝试添加-aligned参数
• 背景模糊：使用-bg_upsampler realesrgan
• 内存不足：减小-bg_tile值或使用CPU模式

5. 进阶应用场景

5.1 老电影帧修复

结合FFmpeg提取视频帧：

ffmpeg -i old_movie.mp4 -qscale:v 2 frames/frame_%04d.jpg python inference_gfpgan.py -i frames -o restored_frames ffmpeg -framerate 24 -i restored_frames/frame_%04d.jpg -c:v libx264 restored.mp4

5.2 证件照优化流程

1. 使用GFP-GAN修复面部
2. 通过Real-ESRGAN增强背景
3. 用GIMP调整色彩平衡

5.3 批量处理脚本示例

import os from subprocess import call input_dir = "family_photos" output_dir = "restored" for filename in os.listdir(input_dir): if filename.endswith((".jpg",".png")): call(f"python inference_gfpgan.py -i {input_dir}/{filename} -o {output_dir} -v 1.3", shell=True)

修复老照片不仅是技术操作，更是连接过去与现在的桥梁。最近处理一批90年代的家庭合影时，适当调低-s参数至1.5反而获得了更自然的效果——技术参数永远服务于艺术表达。