SD Enhance

独立的 Stable Diffusion 图片后期处理工具，内置常用放大器模型。

从 AUTOMATIC1111/stable-diffusion-webui 中分离的后期处理模块，使用 Gradio 实现前端界面。

功能

• 图片放大：内置 ESRGAN / RealESRGAN / SwinIR / Lanczos / Nearest 等多种放大器
• 人脸修复：支持 GFPGAN / CodeFormer（需手动下载模型文件）
• 单张处理、批量文件、目录批量三种输入模式
• 两级放大器混合

系统要求

• Python 3.10+
• Windows / Linux / macOS
• NVIDIA GPU（推荐）或 CPU

获取

方式一：下载 Release 压缩包（推荐）

从 Releases 页面下载最新版 sd-enhance-v*.zip，解压后安装依赖即可使用。

压缩包包含全部源码和模型文件（约 410MB），无需额外下载。

方式二：克隆仓库 + 自行准备模型

git clone https://github.com/你的用户名/sd-enhance.git
cd sd-enhance

模型文件可从已有 stable-diffusion-webui 目录复制。

安装

# 1. 创建虚拟环境
python -m venv venv

# Windows:
venv\Scripts\activate
# Linux/Mac:
# source venv/bin/activate

# 2. （NVIDIA GPU 用户）安装 CUDA 版 PyTorch
#    如果只需 CPU 版，跳过此步直接执行第 3 步
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu126

# 3. 安装其余依赖
pip install -r requirements.txt

已有 PyTorch 环境？ 如果你有其他 Python 环境（如 stable-diffusion-webui 的 venv）已经装了 CUDA 版 PyTorch，可以跳过第 2 步和第 3 步的 torch 安装。 之后打开配置工具（config_tool.bat），在"设备 & 目录配置"标签页中指定该环境的 python.exe 路径， start.bat 启动时会自动使用该环境的 PyTorch，无需重复安装。

使用

一键启动（Windows）

双击 start.bat，然后浏览器访问 http://127.0.0.1:7860

配置工具（推荐）

首次使用或需要修改 CUDA / PyTorch 设置时，运行配置工具：

双击 config_tool.bat，然后浏览器访问 http://127.0.0.1:7861

配置工具提供图形化界面，包含：

• 系统诊断：查看 GPU、CUDA 驱动、PyTorch 状态
• 设备 & 目录配置：切换 CPU / GPU 模式、指定 CUDA 安装目录、指定 Python 环境路径
• PyTorch 管理：检测 CUDA 可用性、查看安装命令
• 模型状态：扫描并列出所有已安装的放大/修复模型

设置保存后，start.bat 启动时会自动应用。

命令行启动

python main.py

更多选项

# 指定端口
python main.py --port 7860

# CPU 模式
python main.py --device cpu

# 创建公开分享链接
python main.py --share

# 指定输出目录
python main.py --output-dir "D:\my_outputs"

# 复用外部 WebUI 的模型文件
python main.py --webui-path "D:\sd-webui-aki-..."

模型文件

已内置的放大模型

类型	位置	文件
ESRGAN	models/ESRGAN/	ESRGAN_4x.pth, BSRGAN.pth, 4x-AnimeSharp.pth
RealESRGAN	models/RealESRGAN/	RealESRGAN_x4plus.pth, RealESRGAN_x4plus_anime_6B.pth
SwinIR	models/SwinIR/	SwinIR_4x.pth

人脸修复模型（如需要）

面部修复功能需要手动下载以下模型文件，放入对应目录后重启即可：

1. GFPGANv1.4.pth（~340MB）

   • 下载：https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.4.pth
   • 放到：models/GFPGAN/GFPGANv1.4.pth

2. codeformer-v0.1.0.pth（~340MB）

   • 下载：https://github.com/sczhou/CodeFormer/releases/download/v0.1.0/codeformer.pth
   • 放到：models/Codeformer/codeformer-v0.1.0.pth

项目结构

sd-enhance/
├── start.bat             # 一键启动（Windows）
├── config_tool.bat       # 配置工具启动脚本（Windows）
├── release_package.bat   # Release 打包脚本（生成含模型的 zip）
├── main.py               # 程序入口
├── config_tool.py        # 图形化配置工具
├── sd_enhance_config.json # 持久化配置文件（自动生成，本地使用）
├── requirements.txt      # Python 依赖
├── LICENSE               # AGPL-3.0
├── README.md             # 本文件
├── models/               # 模型文件（Release zip 内含，不从 git 拉取）
│   ├── ESRGAN/
│   ├── RealESRGAN/
│   └── SwinIR/
├── sd_enhance/           # 核心代码
│   ├── config.py         # 配置管理
│   ├── app.py            # Gradio UI
│   ├── pipeline.py       # 处理管线
│   ├── postprocessing/   # 后期处理操作
│   ├── models/           # 模型封装
│   └── utils/            # 工具函数
├── output/               # 输出目录（自动创建）
└── venv/                 # 虚拟环境（.gitignore 忽略）

许可

AGPL-3.0

本项目基于 AUTOMATIC1111/stable-diffusion-webui 的后期处理模块分离而来，遵循其 AGPL-3.0 许可。

配置文件

文件	说明
sd_enhance_config.json	持久化配置文件（由 config_tool.py 生成和修改）
config_tool.py	图形化配置工具（Port 7861）
config_tool.bat	配置工具一键启动脚本

sd_enhance_config.json 字段

字段	类型	默认值	说明
device	str	"auto"	计算设备：auto / cuda / cpu
half	bool	true	FP16 半精度（仅 CUDA 下生效）
port	int	7860	Gradio 服务端口
models_dir	str	null	自定义模型目录（默认 ./models）
output_dir	str	null	自定义输出目录（默认 ./output）
cuda_path	str	null	手动指定 CUDA Toolkit 路径
python_path	str	null	手动指定 Python 环境路径

CLI 参数优先级高于配置文件。例如 --device cpu 会覆盖配置中的 "cuda"。