告别模糊老照片：用Real-ESRGAN和Python一键修复，保姆级配置避坑指南

老照片重生计划：用Real-ESRGAN让模糊记忆重获新生

翻箱倒柜时偶然发现的老照片，往往承载着珍贵的回忆。但泛黄的相纸、模糊的影像，总让人遗憾无法清晰重温那些瞬间。现在，借助AI技术的力量，我们完全可以亲手修复这些记忆碎片。本文将带你用Real-ESRGAN这款开源工具，像专业修图师一样轻松完成老照片修复，而无需掌握复杂的图像处理技术。

1. 准备工作：搭建你的数字暗房

1.1 硬件与软件基础配置

在开始修复之旅前，需要确保你的电脑具备以下条件：

• 显卡要求：NVIDIA显卡（GTX 1060及以上性能更佳）将大幅提升处理速度
• 操作系统：Windows 10/11或macOS（Linux也可运行但配置更复杂）
• 存储空间：至少5GB可用空间用于安装工具和模型

推荐配置清单：

1.2 Python环境搭建

Real-ESRGAN运行需要Python环境，推荐使用Miniconda来管理：

# 创建专用环境 conda create -n photo_restore python=3.8 conda activate photo_restore # 安装基础依赖 pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu113

提示：如果遇到CUDA相关错误，可以尝试去掉--extra-index-url部分安装CPU版本，但处理速度会明显下降

2. Real-ESRGAN的安装与配置

2.1 获取项目代码

通过Git克隆官方仓库：

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

2.2 安装必要组件

安装核心依赖包：

pip install basicsr facexlib gfpgan pip install -r requirements.txt python setup.py develop

常见安装问题解决方案：

• 错误：Microsoft Visual C++ 14.0 required
  下载安装Visual Studio Build Tools中的C++组件
• 错误：CUDA版本不匹配
  确认安装的PyTorch版本与CUDA版本对应

2.3 模型下载与选择

Real-ESRGAN提供多种预训练模型，针对老照片推荐：

1. realesrgan-x4plus- 通用型最佳选择
2. realesrnet-x4plus- 保留更多原始纹理
3. GFPGAN- 专门优化人脸细节

下载命令示例：

python scripts/download_pretrained_models.py RealESRGAN_x4plus

3. 实战操作：一步步修复老照片

3.1 基础修复流程

准备一个inputs文件夹存放待修复照片，运行：

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

关键参数解析：

• --face_enhance：启用面部细节增强
• --outscale 3.5：设置放大倍数（2-4之间效果最佳）
• --denoise_strength 0.7：降噪强度（0-1）

3.2 高级技巧：分区域处理

对于特别模糊或损坏严重的照片，可以采用分块处理：

from realesrgan import RealESRGANer upsampler = RealESRGANer( scale=4, model_path='weights/RealESRGAN_x4plus.pth', tile=400, # 分块大小 tile_pad=20, pre_pad=0 )

3.3 人脸专项优化

当照片中有人像时，GFPGAN能显著提升面部清晰度：

python inference_realesrgan.py -i old_portrait.jpg --face_enhance --model_name RealESRGAN_x4plus

人脸修复前后对比：

4. 疑难排解与效果优化

4.1 常见错误解决方案

问题：CUDA out of memory

# 减小分块大小 python inference_realesrgan.py -i input.jpg -t 200

问题：输出图像有伪影

尝试调整降噪参数：

--denoise_strength 0.6 # 值越小保留更多细节但噪点可能增加

4.2 参数调优指南

根据照片类型推荐参数组合：

4.3 批量处理技巧

创建batch_process.py脚本自动处理整个文件夹：

import os from glob import glob input_dir = "old_photos" output_dir = "restored_photos" os.makedirs(output_dir, exist_ok=True) for img_path in glob(os.path.join(input_dir, "*")): cmd = f"python inference_realesrgan.py -i {img_path} -o {output_dir} --face_enhance" os.system(cmd)

5. 成果展示与后期处理

5.1 效果对比分析

典型修复案例参数记录：

- 原始照片：1980年代家庭合影（3.5×5英寸，300dpi扫描） - 使用模型：RealESRGAN_x4plus + GFPGAN - 处理时间：2分15秒（RTX 2060） - 参数组合：--outscale 4 --denoise_strength 0.5 --tile 400

5.2 色彩校正技巧

修复后的照片可能需要微调色彩：

import cv2 img = cv2.imread('restored.jpg') lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB) l, a, b = cv2.split(lab) # 自适应直方图均衡化 clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8)) l = clahe.apply(l) merged = cv2.merge([l,a,b]) final = cv2.cvtColor(merged, cv2.COLOR_LAB2BGR) cv2.imwrite('final_adjusted.jpg', final)

5.3 物理照片输出建议

若需打印修复后的照片：

1. 输出分辨率至少300dpi
2. 选择哑光相纸减少数字感
3. 对于放大超过4倍的照片，建议分阶段处理：
   • 先用Real-ESRGAN放大2倍
   • 使用传统插值放大到目标尺寸
   • 再次用Real-ESRGAN增强细节