Real-ESRGAN图像超分模型（超分辨率重建）详细安装和使用教程

Real-ESRGAN是一种基于深度学习的图像超分重建模型，可以用于提高图像的分辨率和清晰度。以下是详细的安装和使用教程：

1. 安装依赖库
   安装Python >= 3.7（推荐使用Anaconda或Miniconda）和PyTorch >= 1.7。建议使用离线本地安装的方式。
2. 克隆项目并进入目录
   使用git克隆Real-ESRGAN项目，进入项目目录：

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

3. 安装依赖库
   需要安装以下依赖库：

• basicsr：用于训练和推断，可以通过pip install basicsr进行安装。
• facexlib和gfpgan：用于增强人脸，可以通过pip install facexlib和pip install gfpgan进行安装。
• 安装其他依赖库：可以通过pip install -r requirements.txt进行安装。
• 运行python setup.py develop进行模型的开发。

1. 模型训练和推断
   使用以下命令训练Real-ESRGAN模型：

   python train.py --model realesrgan-x4plus --scale 4 --dataset DIV2K --n_epochs 100 --batch_size 16 --n_sub_patch 16 --save_epochs 10 --workers 4 --crop_size 128 --save_results --pretrained_model pretrained/realesrgan-x4plus.pth

   其中，—model指定要使用的模型，—scale指定放大倍数，—dataset指定数据集，—n_epochs指定训练轮数，—batch_size指定批次大小，—n_sub_patch指定子块数量，—save_epochs指定保存结果的轮数，—workers指定工作线程数，—crop_size指定裁剪大小，—save_results指定是否保存结果，—pretrained_model指定预训练模型。
   使用以下命令进行模型的推断：

   python test.py --model realesrgan-x4plus --scale 4 --dataset DIV2K --test_mode superresolution --n_sub_patch 16 --crop_size 128 --pretrained_model pretrained/realesrgan-x4plus.pth --save_results

   其中，—model指定要使用的模型，—scale指定放大倍数，—dataset指定数据集，—test_mode指定测试模式，—n_sub_patch指定子块数量，—crop_size指定裁剪大小，—pretrained_model指定预训练模型，—save_results指定是否保存结果。
2. 结果展示
   通过比较原图和放大后的图片可以观察到模型的超分重建效果。例如：使用Photoshop进行放大后的图片和Real-ESRGAN进行放大后的图片进行比较。需要注意的是，Real-ESRGAN并不是完美的，在处理某些画面时可能会产生一些异常变化。但大部分情况下，经过Real-ESRGAN处理后的图片可以得到满意的结果。
   以上是Real-ESRGAN图像超分模型（超分辨率重建）的详细安装和使用教程。希望对您有所帮助。