别再花钱了！手把手教你免费搭建本地版CodeFormer，修复老照片效果实测
零成本打造个人AI修图神器：CodeFormer本地化部署全攻略
为什么选择本地化部署CodeFormer？
每次看到家中泛黄的老照片，总想让它重现当年的光彩。市面上虽然有不少在线修复工具，但要么收费昂贵，要么需要上传照片到云端——这意味着你的私人记忆可能被存储在不知名的服务器上。而CodeFormer作为一款由顶尖学术机构开发的开源AI修复工具，完全可以在你的电脑上本地运行，既保护隐私又节省开支。
本地化部署有三大不可替代的优势：
- 数据绝对私有：所有处理都在本地完成，照片不会离开你的电脑
- 无使用限制：不受在线服务的次数、分辨率或功能限制
- 长期可用：一次部署永久使用，不受服务商停服影响
我曾尝试过多个在线修复服务，直到发现一张1940年的家族合影被某平台自动压缩后丢失了大量细节，才下定决心研究本地解决方案。下面分享的这套方法，已经帮助上百位摄影爱好者和家族历史研究者找回了珍贵影像的原始面貌。
1. 环境准备：构建AI修图的基础设施
1.1 Python环境配置
CodeFormer需要Python 3.8这个"黄金版本"——版本太高可能导致依赖冲突，太低又缺少必要功能。推荐使用Anaconda来管理Python环境，它能轻松创建独立的Python沙盒。
安装Anaconda后，按以下步骤创建专属环境：
conda create -n codeformer python=3.8.10 conda activate codeformer如果遇到网络问题，可以临时使用国内镜像加速：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/1.2 关键依赖安装
PyTorch是CodeFormer的核心引擎，根据你的硬件配置选择安装命令：
| 硬件配置 | 安装命令 |
|---|---|
| NVIDIA显卡 | conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch |
| 仅CPU | conda install pytorch torchvision torchaudio cpuonly -c pytorch |
| AMD显卡 | pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.4.2 |
验证安装是否成功：
import torch print(torch.__version__) # 应显示如1.12.1版本号 print(torch.cuda.is_available()) # 显卡用户应显示True2. 获取与配置CodeFormer源码
2.1 源码获取的两种方式
对于国内用户，直接从GitHub克隆可能会遇到网络问题。这里推荐两种解决方案：
方法一：使用Gitee镜像
git clone https://gitee.com/mirrors/CodeFormer.git cd CodeFormer方法二：手动下载压缩包
- 访问项目GitHub页面
- 点击"Code"→"Download ZIP"
- 解压后进入项目目录
2.2 依赖安装技巧
项目依赖较多，建议分步安装：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple常见问题处理：
- 遇到
ERROR: Could not build wheels for dlib：先安装CMakeconda install -c conda-forge cmake - 报错
Failed building wheel for basicsr：尝试pip install --upgrade setuptools wheel
3. 模型下载与优化配置
3.1 必备模型下载
CodeFormer需要三个预训练模型才能工作：
python scripts/download_pretrained_models.py facelib python scripts/download_pretrained_models.py dlib python scripts/download_pretrained_models.py CodeFormer如果下载缓慢，可以手动下载后放入指定目录：
weights/ ├── facelib/ ├── dlib/ └── CodeFormer/3.2 性能优化设置
在inference_codeformer.py中可以调整这些关键参数：
# 显存不足时调小这些值 parser.add_argument('--bg_upsampler', type=str, default='None') # 背景放大模型 parser.add_argument('--face_upsample', action='store_true') # 是否增强面部 parser.add_argument('--bg_tile', type=int, default=400) # 大图分块处理大小对于4GB以下显存的显卡，建议添加：
export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:324. 实战：从单张到批量修复
4.1 单张照片修复
基础修复命令：
python inference_codeformer.py -w 0.5 --input_path ./test_images/old_photo.jpg参数详解：
-w 0.5：平衡修复强度(0-1)，值越小修复力度越大--bg_upsampler realesrgan：同时增强背景画质--face_upsample：对脸部区域二次增强
4.2 批量处理技巧
创建batch_process.py脚本自动处理文件夹：
import os import subprocess input_dir = "input_photos" output_dir = "restored_photos" for filename in os.listdir(input_dir): if filename.lower().endswith(('.png', '.jpg', '.jpeg')): cmd = f"python inference_codeformer.py -w 0.5 --input_path {os.path.join(input_dir, filename)} --output_path {output_dir}" subprocess.run(cmd, shell=True)4.3 视频修复方案
对于老视频，可以逐帧处理：
ffmpeg -i old_video.mp4 -qscale:v 1 frames/%04d.jpg python batch_process.py # 处理所有帧 ffmpeg -framerate 24 -i restored_frames/%04d.jpg -c:v libx264 restored_video.mp45. 高级技巧与效果优化
5.1 参数组合效果对比
通过大量测试，我们总结出这些黄金参数组合：
| 照片类型 | 推荐参数 | 效果特点 |
|---|---|---|
| 严重破损老照片 | -w 0.3 --face_upsample | 强修复，重建面部特征 |
| 轻微模糊照片 | -w 0.7 --bg_upsampler realesrgan | 保持原貌同时增强细节 |
| 集体照 | -w 0.5 --bg_tile 800 | 平衡多人脸修复效果 |
5.2 常见问题排查
问题一：输出图像有绿色伪影
- 解决方案：更新PyTorch和torchvision到最新版本
问题二：处理速度极慢
- 检查项：
nvidia-smi # 确认GPU是否被使用 python -c "import torch; print(torch.rand(5,3).cuda())" # 测试CUDA
问题三：面部识别失败
- 调整
detection_model参数尝试不同检测器：python inference_codeformer.py --detection_model retinaface --input_path photo.jpg
6. 扩展应用：打造个人修图工作流
将CodeFormer集成到你的照片管理系统中：
graph LR A[原始照片] --> B[自动分类] B --> C{是否需要修复} C -->|是| D[CodeFormer处理] C -->|否| E[直接归档] D --> F[人工校验] F --> G[最终存储]实际使用中，我建立了一套自动化脚本，可以监控指定文件夹，自动处理新添加的老照片，并通过Telegram机器人通知我处理结果。这套系统已经稳定运行半年，修复了超过2000张家族历史照片。
对于专业用户，还可以考虑：
- 结合Topaz Gigapixel AI进行超分辨率重建
- 使用Adobe Lightroom插件进行后期调色
- 开发Flask/Dash网页界面供家人使用
老照片修复不仅是技术活，更是一种情感连接。当看到曾祖父年轻时的军装照在AI帮助下重现光彩，那种跨越时空的感动，是任何付费服务都无法替代的体验。