【ComfyUI插件】ComfyUI-SUPIR插件

前言：

本插件是由 Kjiai开发的插件，专注于提供图像超分辨率（Super-Resolution）增强功能。SUPIR（Super-Resolution Image Processing in Real-time）插件使用先进的深度学习模型，能够通过智能算法对低分辨率的图像进行修复和增强，提升图像的分辨率和细节，确保图像在放大时能够保持清晰度和质量。

关于具体更详细的高清放大细节：高清放大工作流进行测试和分享（二）

本期使用的示例工作流在网盘：小黄瓜知识星球资料分享/插件节点讲解视频/SUPIR文件夹中

安装方法

1、在manager里搜索SUPIR，然后点击安装即可

2、在custom_nodes目录下调用cmd

然后输入git clone https://github.com/kijai/ComfyUI-SUPIR.git ，回车后即可完成安装

项目地址：https://github.com/kijai/ComfyUI-SUPIR.git

模型下载地址

通过网盘分享的文件：Super图片修复模型

链接: https://pan.baidu.com/s/1sg4CvKRALWOE_5ufQt2ppA?pwd=dv4y 提取码: dv4y

下载完成后将文件夹放到__ComfyUI\models\checkpoints__目录下即可

一、SUPIR Model Loader（Legacy）/SUPIR Model Loader（v2）/SUPIR Model Loader（v2）（Clip）节点

节点功能：SUPIR_model_loader 是一个加载和合并 SUPIR 模型与 SDXL 模型的节点。而SUPIR Model Loader (v2)节点只加载SUPIR 模型，需要另外使用Load Checkpoint节点来搭配使用。SUPIR Model Loader (v2)（Clip）节点则将clip模型分为clip_l、clip_g模型进行分开加载。

SUPIR Model Loader (v2)

SUPIR Model Loader (v2)（Clip）

上面这三种加载模型的方式功能都一样。

二、SUPIR Upscale（Legacy）节点

节点功能：该节点是一个使用supir修复模型和sdxl模型组合进行放大的封装节点，功能是放大图片，且能较好保持图片放大细节（注意：这是一个已经停止更新的节点，如果想用最新功能还是使用后面的节点组合更好）

参数：

image: 输入的准备放大的图片

captions: 可选输入项，目的是添加对输入图片的主体描述，使放大更符合预期，这个会和后面的正面提示词框内提示词组合形成最终的正面提示词

- supir_model: 选择想要使用的supir修复模型，这里有两种可以选择：

- supir-v0F模型，这个模型适用于光衰减的图片放大情况

sdxl_model:选择合适的sdxl模型进行放大，如果想要在较小的步数下完成放大效果，可以使用sdxl lightning模型

seed: 种子数

control_before_generate: 选择种子的生成方式，可以随机、固定、增加或者减少种子数

resize_method: 缩放的方法，按需选择，一般选择bicubic或者lanczos效果较好

scale_by: 想要放大的图片比例，默认是1.00，也就是和原图大小一样

steps: 图片采样的步数，越高步数下效果越好，但是生成速度也越慢，可以根据自己需要选择合适的步数

restoration_scale: 修复范围，默认是-1，参数范围从-1到6;提升修复范围，画面在放大后修复会有轻微的差别，提升修复效果，但是也并不是一定越大越好，选择适当即可

cfg_scale: 引导提示词作用效果的数值，默认是4，根据自己需要选择，一般默认即可

a_prompt框: 正面提示词框，一般选择默认即可

n_prompt框: 负面提示词框，一般选择默认即可

s_churn: 搅动参数，EDM采样器下的参数，默认是5，参数范围从0到6，这个参数调大会增加一定细节，但增加的细节并不一定是我们想要的，所以还是需要根据实际使用进行调节，一般默认即可

s_noise: 噪声参数，默认值：1.003, 参数范围从1.000到1.100，这个参数增大会增加图片纹理感，但注意的是纹理不是越大越好，所以还是需要根据实际使用进行调节，一般默认即可

control_scale: 控制范围，从0到10，默认是1，小于1会受提示词影响比较多，大于1会受原始图片影响比较多，大于2之后基本就不可用了，一般使用默认即可

cfg_scale_start: cfg起始权重，默认是4，也就是和cfg_scale相同权重，如果设置不同，则会在生成图片过程，权重线性变化，比如cfg起始权重是1，cfg权重是4，那么生成过程就会从1到4线性增加cfg权重。(注意，设置cfg起始权重为0，则会默认等同于前面cfg权重设置值)

control_scale_start: 控制范围起始权重，默认是0，和1.0设置效果一样，如果设置不为0或者1，则权重会线性变化，比如控制范围起始权重是0.3，那么生成过程则会从0.3向1.0进行权重的线性变化

color_fix_type: 颜色矫正方式，默认是Wavelet ，一共3个选择：None, Wavelet，Adain, 选择需要的方式即可

keep_model_loaded: 是否保存加载模型到显存

use_tiled_vae: 是否使用tiled vae，默认是，可以节省显存

encoder_tile_size_pixels: 编码器的分块编码像素大小设置，默认512，如果输入图片比较大，可以根据自己需要适当提高，缺点是会增加显存使用，但可能会节省一定编码时间

decoder_tile_size_pixels: 解码器的分块解码的潜空间大小设置，默认64，如果前面编码器的分块像素大小设置比较大，这里也可以适当加大，缺点是会增加显存使用

diffusion_dtype: 扩散模型数据类型，分为fp16、bf16、fp32、auto，一般选择auto，进行自动选择即可

encoder_dtype: 编码器类型，分为bf16、fp32、auto。一般选择auto，进行自动选择即可

batch_size:一批生成的图片数量，默认是1

use_tiled_sampling: 是否使用分块采样

sampler_tile_size:分块采样大小设置，在前面使用分块采样为true时生效，默认1024

sampler_tile_stride:分块采样步长设置，在前面使用分块采样为true时生效，默认512

fp8_unet:是否使用fp8的unet模型，默认false，使用会降低显存，但生成图片质量也会略有下降

fp8_vae:是否使用fp8的vae，默认false，使用会降低显存，但生成图片质量也会略有下降

sampler: 采样器，一共两种采样器：RestoreEDMSampler、RestoreDPMPP2Msampler, 默认是RestoreEDMSampler采样器，根据需要选择就行

upscaled_image: 输出的放大图片

其中，__s_noise__参数和纹理细节有关，如下图，当__s_noise__调大至1.1后，图像出现了更多的纹理细节。

其他参数有一些细微的细节变化，大家可以使用__Image Comparer (rgthree)__节点对两张图进行对比（对两张图合成的图片进行左右滑动)。

三、SUPIR First Stage（Denoiser）节点

节点功能：SUPIR_first_stage 是 SUPIR 模型的“第一阶段”处理节点，主要负责对输入图像进行编码和解码操作。其主要目的是通过 SUPIR 模型的“denoise_encoder”来修复图像中的压缩伪影（如噪点、模糊等），从而改善图像质量。这个过程通常会导致一定程度的模糊，属于图像处理中的去噪和修复阶段。

参数：

use_tiled_vae: 是否启用分块 VAE 处理。在大图像时，分块处理可以减少内存消耗，提升处理效率。

encoder_tile_size: 编码器在分块模式下每个块的大小。用于分块 VAE 模式时，每个图像块的尺寸。

decoder_tile_size: 解码器在分块模式下每个块的大小。用于分块 VAE 模式时，每个图像块的尺寸。

encoder_dtype: 编码器使用的浮动点精度。auto 会根据硬件自动选择精度，或者可以手动指定。

如下图所示，该节点主要对图片进行降噪处理

四、SUPIR Encode节点

节点功能：该节点负责将输入图像通过 SUPIR 模型的编码器转化为潜在空间表示。这个过程将图像从其原始空间映射到一个潜在空间，在该空间中，图像的高级特征（如形状、纹理、颜色等）被表示为更紧凑的向量或张量。编码后的潜在空间可以用于后续的图像生成、修改或其他任务。

参数：

use_tiled_vae: 是否启用分块 VAE 处理。在大图像时，分块处理可以减少内存消耗，提升处理效率。

encoder_tile_size: 编码器在分块模式下每个块的大小。用于分块 VAE 模式时，每个图像块的尺寸。

encoder_dtype: 编码器使用的浮动点精度。auto 会根据硬件自动选择精度，或者可以手动指定。

该节点相比于传统的__VAE Encode__节点增加了图片分块以及精度计算方法，在显存上会占用少一些，但处理速度会变慢，功能是一样的。

五、SUPIR Decode节点

节点功能：该节点负责将潜在空间中的表示（通常来自 SUPIR Encode）解码回图像空间。它通过 SUPIR 模型的解码器，将潜在向量转换为图像。这个过程通常用于图像重建或生成任务。

参数：

use_tiled_vae: 是否启用分块 VAE 处理。在大图像时，分块处理可以减少内存消耗，提升处理效率。

decoder_tile_size: 解码器在分块模式下每个块的大小。用于分块 VAE 模式时，每个图像块的尺寸。

六、SUPIR Conditioner节点

__节点功能：主要用于根据给定的正向和负向提示（prompt）生成相应的条件（condition），以便在后续的图像生成过程中作为输入。
__

输入：

SUPIR_model: 指定使用的SUPIR模型。此模型将用于生成条件和无条件的输出。

latents: 输入的潜在图像数据，包含图像的“样本”数据。样本可以是从一个已训练模型中提取的图像潜在表示。

captions: 为每个输入图像提供的标题或文本描述。此输入是可选的，若没有提供则默认为空字符串。

从输出项可以看到，一般需要搭配Sampler采样器使用。

七、SUPIR Sampler节点

节点功能：SUPIR_conditioner 用于生成条件（positive 和 negative）以供后续采样过程使用，而 SUPIR_sample 则实际执行图像生成的过程，使用条件化的提示进行采样。这两个节点联合工作，SUPIR_conditioner 为 SUPIR_sample 提供条件化数据（即正向和负向提示），SUPIR_sample 使用这些条件和潜在噪声生成最终的图像样本。