waifu2x是日本的一位大佬nagadomi开发的开源项目，目前累计贡献者有31人，该项目利用人工智能深度卷积神经网络技术来无损放大图片，内置了多种RNN模型，现已支持web端、linux端，Windows客户端等,支持本地显卡CUDA加速,实际体验非常令人满意。

0. 在线体验

在线体验地址： http://waifu2x.udp.jp

开源地址： https://github.com/nagadomi/waifu2x

在线最大可放大2倍，可重复放大，本地客户端则无限制放大倍数。

1. Windows本地客户端

Windows客户端下载地址：https://github.com/lltcggie/wa【云.帆.学.社.】ifu2x-caffe/releases

图形界面GUI支持英语，日语，简体中文，繁体中文，韩语，土耳其语，西班牙语，俄语和法语。内置了7种神经网络，其中适用于2D插图的有UpRGB模型、RGB模型、Y模型、UpResNet10模型和CUnet模型。适用于照片或动画的有UpPhoto模型和Photo模型。

初次之外，还有CUI命令式操作，在下载目录下打开终端工具。输入.\waifu2x-caffe-cui.exe –help即可查看详细帮助说明，更多使用方法可以参考文档。

在命令行界面下，有如下模型可供选择：

* models / anime_style_art_rgb

：2D插图（RGB模型）

* mod【云.帆.学.社.】els / anime_style_art

：2D插图（Y模型）

* models / photo

：照片/动画（照片模型）

* models / upconv_7_anime_style_art_rgb

：2D插图（UpRGB模型）

* models / upconv_7_photo

：照片/动画（UpPhoto模型）

* models / upresnet10

：2D插图（UpResNet10模型）

* models / cunet

：2D插图（CUnet模型）

* models / ukbench：老式的摄影模型（仅包括放大的模型。无法去除噪音）

2. Docker版

作者使用LuaRocks作为基础开发环境，不熟悉这个环境的【云.帆.学.社.】也不用在意会卡在环境上，我们只需要本地构建docker镜像即可。

git clone https://github.com/nagadomi/waifu2x.git cd waifu2x docker build -t waifu2x .

镜像构建完毕后，如果想启动web界面，可以运行docker run –gpus all -p 8812:8812 waifu2x th web.lua

，这样就可以得到演示站一样的效果。

如果想直接转换当前图片目录下的文件，可运行如下命令：docker run –gpus all -v `pwd`/images:/images waifu2x th waifu2x.lua 【云.帆.学.社.】-force_cudnn 1 -m scale -scale 2 -i /images/miku_small.png -o /images/output.png

唯一需要注意的是，仅靠CPU是非常慢的，如果是wsl2或者自带GPU的服务器，只需提前安装好CUDA驱动即可。

3. 效果分析

依靠深度学习，我们发现插画类放大后，会自动降噪、锐化，少量细节会丢失，不过整体而言，对比原图后画质更高、画面风格也更柔和、纯粹。

处理速度方面，由于是单张图片，一般都是几秒钟就完成，上图是放大16倍，使用CUnet模型，拆分尺寸为128，硬件环境为RTX2070super，耗时3分45秒，实际运行CUDA占用80%左【云.帆.学.社.】右。

如果用命令行模式批量转换一段视频，假设每张耗时1秒钟，1分钟24帧的视频，将会消耗1440秒，也就是1分钟视频将花费24分钟，如果采用并行处理或优化算法，估计会少用一点时间。后面可以尝试下这个方法。