基于Real-ESRGAN与ControlNet的游戏素材超清重绘实战

开始之前想先聊聊这次项目的起因。很多老玩家对机战系列都有一种很深的执念，特别是当年在掌机上玩过的机战UX，像素贴图虽然很有时代感，但在今天的大屏幕上确实显得模糊。于是就有了“把老素材全部高清重绘一遍”的想法。这个项目最花时间的不是训练模型，而是素材的整理与抽卡筛选——前后处理了十万级别的图集，才选出质量过关的贴图。本文就把这套完整的“超清重绘版”制作流程分享出来，包含环境搭建、批量超分、ControlNet 结构保持重绘、透明通道处理、常见坑点等内容，适合对 AI 图片处理、游戏素材高清化感兴趣的开发者参考。

1. 背景与核心概念

1.1 为什么老机战游戏需要“超清重绘”

机战UX作为一款掌机平台的作品，原始素材的分辨率普遍不高。直接拉伸到高分辨率屏幕上，会出现明显的锯齿、模糊和色块断层。单纯靠传统插值算法，比如双线性、双三次插值，虽然能放大图片，但细节是“猜”出来的，边缘干净了，纹理却依然是糊的。对于机战这类以机体立绘和战斗动画为核心表现力的游戏，素材质量直接决定玩家的观感。

超清重绘要解决的，就是“在不破坏原图结构、表情、机甲线条的前提下，让画面获得更高分辨率和更丰富的细节”。这句话听起来简单，实际落地却很考验流程设计。直接拿一张低清图丢给 AI 重绘，最容易出现的问题是“结构跑偏”：原作里肩甲的角度变了、头部监视器画成了别的形状、推进器的喷口数量不对。所以工程化的重绘流程必须引入结构约束，保证 AI 是在“原图骨架上补细节”，而不是自由创作。

这也是本文会重点讲 ControlNet 和分块重绘的原因。保证结构不漂移，是机战素材批量重绘的第一原则。尤其当素材量达到数万张时，靠人工逐张检查根本不现实，必须设计一套可批量执行的流水线，把单张图的成功率堆高。

1.2 超清重绘的技术路线概览

目前主流的素材高清化方案可以分为三条路线。

第一条是基于 GAN 的单图超分路线，代表是 Real-ESRGAN。它适合处理摄影图、动漫图，速度非常快，显存占用低，但问题在于细节提升有限，对于机体上的铭文、细线、警示标志，很容易糊成一片。

第二条是基于扩散模型的重绘路线，代表是 Stable Diffusion 结合 ControlNet。它的想象力更足，能生成清晰的纹理细节，但速度慢，显存占用高。更关键的是，如果控制不好保留度，AI 会把机体“改设计”成另一种风格。

第三条是混合路线，也是本文推荐的做法：先用超分模型做第一层“保底放大”，再用 SD 局部重绘做细节增强，最后通过图生图、抠图、合成等手段整合回原图。这种路线兼顾了质量和速度，适合批处理。

在机战UX项目中，我使用的是“Real-ESRGAN 放大 + ControlNet Canny 结构控制 + SD 1.5 二次细化”的组合。下面会给出完整代码和参数说明。

1.3 本文的阅读收益

读完本文，你将掌握三件事。

第一，知道如何在本地搭建一套可用于游戏素材批量高清化的 Python 处理环境，包括 PyTorch、Real-ESRGAN、diffusers、ControlNet 等工具的安装与配置。

第二，掌握一套完整的批量重绘脚本设计思路，包括数据目录规划、抽帧与筛选、超分处理、ControlNet 重绘、透明通道修复和最终合成。

第三，能看懂并解决这个领域最常见的工程问题，比如显存溢出、脸部崩坏、结构偏移、色差断层、透明边缘黑边等。对于想自己动手做老游戏素材高清化的读者，这套经验能帮你少走很多弯路。

2. 环境准备与工具选择

2.1 硬件与系统建议

超清重绘是一个典型的“显存饥饿型”任务。建议显存至少 8GB，最好 12GB 以上。项目里用了大量 512×512 的分块重绘，8GB 显存可以跑，但批大小要设小一点。如果是 4GB 显存，建议把分块尺寸改成 384，或者只做单张测试。

操作系统方面，Windows、Linux 均可。下面的命令以 Windows + Conda 为例，Linux 用户把 activate 之后的部分换成对应路径即可。GPU 建议使用 NVIDIA 显卡，因为 CUDA 生态的兼容性最好；AMD 显卡可以跑但需要额外适配 DirectML 或 ROCm，不在本文范围内。

Python 版本建议使用 3.10，PyTorch 版本建议使用 2.x。如果你电脑上已经装了其他深度学习的包，建议新建一个虚拟环境，避免把现有环境搞坏。

2.2 创建虚拟环境

打开命令行，执行下面的命令。

conda create -n srgan python=3.10 -y conda activate srgan

接着安装 PyTorch。这里以 CUDA 11.8 为例，具体版本号要根据你的显卡驱动调整。如果 NVIDIA 驱动较新，也可以直接装最新的稳定版，命令相似。

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

安装完成后，可以用下面的 Python 代码确认 CUDA 是否可用。这一步非常重要，很多项目卡在环境阶段就是因为 torch 装成了 CPU 版，后续所有 GPU 操作都会报设备错误。

import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))

如果torch.cuda.is_available()返回True，说明环境正常。

2.3 安装核心依赖

我们需要安装 Real-ESRGAN、diffusers、controlnet-aux、opencv、Pillow、numpy 等库。下面是一次性安装的命令。

pip install realesrgan basicsr facexlib gfpgan pip install diffusers transformers accelerate controlnet-aux pip install opencv-python pillow numpy scipy

其中controlnet-aux用来提取 Canny 边缘、深度图等辅助条件。facexlib和gfpgan主要用于人脸修复，如果素材重点是机甲面部和驾驶舱，可以不做，但装上不影响。

需要注意，Real-ESRGAN 的版本差异较大，如果后续导入报错，多半是 basicsr 版本冲突。可以尝试用下面命令降级或升级。

pip install basicsr==1.4.2

更简单的方法是直接克隆官方仓库，把realesrgan目录放进项目，并在代码里用本地路径导入。这种方式能避免很多包管理问题，适合对稳定性要求高的批处理场景。

3. 核心原理拆解

3.1 超分辨率模型做了什么

超分辨率模型的任务，是输入一张低分辨率图片，输出一张高分辨率图片，并且让输出在感知层面“看起来更清晰”。Real-ESRGAN 通过对抗训练习得了从低清到高清的映射能力。它做了三件事：放大图像尺寸、去模糊去锯齿、补充细节纹理。

不过，它的细节补充是“生成式”的，意味着它可能会在某些区域产生不真实的纹理。对摄影作品来说影响不大，但对于机战素材，错误纹理可能让装甲板看起来像一团噪声。所以超分模型适合作为第一层处理，而不是最终处理。

下面的代码展示了如何使用 Real-ESRGAN 对单张图片做 4 倍放大。

# 文件路径：scripts/esrgan_demo.py import cv2 from basicsr.archs.rrdbnet_arch import RRDBNet from realesrgan import RealESRGANer def build_esrgan(): model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=4) upsampler = RealESRGANer( scale=4, model_path="weights/RealESRGAN_x4plus.pth", model=model, tile=256, tile_pad=10, pre_pad=0, half=False, device="cuda", ) return upsampler def main(): upsampler = build_esrgan() input_img = cv2.imread("input/raw_face.png", cv2.IMREAD_UNCHANGED) output_img, _ = upsampler.enhance(input_img, outscale=4) cv2.imwrite("output/esrgan_face.png", output_img) if __name__ == "__main__": main()

tile参数很关键。它把图片切成固定大小的块分别处理，防止大图一次推理导致显存爆炸。half=False表示使用 FP32 精度，如果你显存比较吃紧，可以改成half=True使用半精度。

3.2 ControlNet 如何保持原图结构

ControlNet 是 Stable Diffusion 的一个扩展模块，通过注入额外条件，比如 Canny 边缘、深度图、涂鸦、线稿，来约束扩散模型的生成过程。在素材重绘中，最常用的是 Canny 边缘和 Lineart 线稿。

Canny 边缘检测会提取图像中亮度变化剧烈的区域，相当于给 AI 画了一张“线稿地图”。AI 在生成新图时，必须尊重这条边缘线，不能跨线乱画。这样，机体轮廓、装甲缝线、喷口位置都能被锁定。

下面是用 controlnet-aux 提取 Canny 边缘的示例。

# 文件路径：scripts/canny_demo.py import cv2 from controlnet_aux import CannyDetector def extract_canny(image): detector = CannyDetector() canny_image = detector(image, low_threshold=100, high_threshold=200) return canny_image if __name__ == "__main__": img = cv2.imread("input/raw_mech.png") img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) canny = extract_canny(img) canny.save("output/canny.png")

low_threshold和high_threshold决定了边缘检测的敏感度。值越低，保留的边缘越多，AI 的自由度越小；值越高，保留的边缘越少，AI 发挥空间越大。对于机战这类需要严格结构对齐的素材，可以稍微降低阈值，比如 80-180，确保轮廓不容易跑偏。

3.3 Tiled Diffusion 分块重绘

重绘一张大图时，如果直接整个丢给 SD 模型，显存会直接爆炸，而且细节控制力很差。所以需要把图片切成多个小块，逐块重绘，再拼回去。这就是 Tiled Diffusion 的核心思想。

分块重绘的好处有三个。第一，显存压力大幅下降。第二，每个小块的构图简单，模型更容易理解局部结构。第三，可以针对不同区域使用不同的重绘强度。比如机体主体部分重绘强度 0.35，背景部分可以 0.5，让背景产生更多变化。

分块处理要注意“接缝问题”。如果切块完全独立处理，拼回去时会出现明显的色差和纹理错位。常用的解决方法是重叠区采样，也就是在切块时让相邻块之间有一定的重叠像素，最后拼接时取重叠区域的平滑过渡值。下文实战部分的代码会展示这个细节。

3.4 批量处理流水线设计

单个素材重绘成功后，接下来要考虑批量处理。批量处理的关键是数据流设计，建议按下面的流程组织：

1. 原始素材目录：存放从游戏提取的原始图片，或已经抽帧的动画帧。
2. 预处理目录：存放缩放、裁剪、边缘检测后的中间结果。
3. 超分目录：存放 Real-ESRGAN 放大后的图片。
4. 重绘目录：存放 SD + ControlNet 重绘后的结果。
5. 审核目录：存放需要人工检查的图片，或者标注为不合格的图片。

这样分级的好处是，每一步可以独立运行、独立回滚。如果某一步参数调坏了，不用重新跑整个流程，只需要重跑对应目录即可。工程化思路在做大批量素材时远比“一张张手动处理”重要。

4. 实战：搭建机战素材超清重绘流水线

4.1 项目目录结构

首先创建一个项目目录，建议结构如下。

mech_ux_upscale/ ├── input/ │ ├── raw/ │ ├── frames/ │ └── clear/ ├── output/ │ ├── esrgan/ │ ├── canny/ │ ├── redrawn/ │ └── final/ ├── weights/ │ ├── RealESRGAN_x4plus.pth │ └── model_index.json ├── scripts/ │ ├── extract_frames.py │ ├── batch_esrgan.py │ ├── batch_controlnet.py │ └── composite.py └── configs/ └── params.yaml

input/raw放原始贴图，input/frames放从动画截取的战斗帧，input/clear放已经去背景干净的立绘。output下面按处理阶段分目录。weights放模型权重文件，建议从官方源下载，不要从来源不明的压缩包解压直接使用。

4.2 数据准备与动画抽帧

机战的战斗动画以动态帧为主，测试阶段需要能从视频或动画文件里抽帧。下面是一个基于 OpenCV 的抽帧脚本，可以把视频转换成序列帧。

# 文件路径：scripts/extract_frames.py import cv2 import os def extract_frames(video_path, output_dir, interval=2, max_frames=1000): os.makedirs(output_dir, exist_ok=True) cap = cv2.VideoCapture(video_path) frame_index = 0 saved_index = 0 while True: ret, frame = cap.read() if not ret: break if frame_index % interval == 0: save_path = os.path.join(output_dir, f"frame_{saved_index:06d}.png") cv2.imwrite(save_path, frame) saved_index += 1 frame_index += 1 if saved_index >= max_frames: break cap.release() print(f"提取完成，共保存 {saved_index} 张图片") if __name__ == "__main__": extract_frames("input/anime/mech_ux_attack.mp4", "input/frames", interval=3)

interval表示每隔多少帧抽取一张。战斗动画里帧与帧之间变化很快，间隔大容易漏掉关键动作；间隔小会导致数量太大。建议先用 interval=2 或 3 试跑，观察抽出的画面是否连续。

抽帧后，建议做一次“清晰度初筛”，把明显模糊的帧直接丢弃。一个简单的判断方式是计算拉普拉斯算子的方差，低于阈值的图片视为模糊。

# 文件路径：scripts/filter_blur.py import cv2 import os def is_blurry(image_path, threshold=80.0): img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) laplacian_var = cv2.Laplacian(img, cv2.CV_64F).var() return laplacian_var < threshold def filter_frames(folder, threshold=80.0): drop_list = [] for name in os.listdir(folder): path = os.path.join(folder, name) if is_blurry(path, threshold): drop_list.append(path) for path in drop_list: os.remove(path) print(f"删除模糊图片 {len(drop_list)} 张") if __name__ == "__main__": filter_frames("input/frames", threshold=80.0)

这个环节对应了项目中“十万图抽卡”的前置工作：先利用算法初筛，把质量差的素材剔除，再进入重绘流程。这样可以避免浪费大量 GPU 时间处理废图。

4.3 批量超分脚本

接下来写一个批量超分脚本，把input/clear和input/raw里的图片全部进行 4 倍放大，保存到output/esrgan。

# 文件路径：scripts/batch_esrgan.py import os import cv2 from basicsr.archs.rrdbnet_arch import RRDBNet from realesrgan import RealESRGANer def build_upsampler(model_path): model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=4) upsampler = RealESRGANer( scale=4, model_path=model_path, model=model, tile=256, tile_pad=10, pre_pad=0, half=True, device="cuda", ) return upsampler def batch_process(input_dir, output_dir, upsampler): os.makedirs(output_dir, exist_ok=True) files = [f for f in os.listdir(input_dir) if f.lower().endswith((".png", ".jpg", ".jpeg", ".bmp"))] for i, name in enumerate(files): in_path = os.path.join(input_dir, name) out_path = os.path.join(output_dir, os.path.splitext(name)[0] + "_x4.png") img = cv2.imread(in_path, cv2.IMREAD_UNCHANGED) if img is None: print(f"[跳过] 无法读取 {name}") continue output, _ = upsampler.enhance(img, outscale=4) cv2.imwrite(out_path, output) if (i + 1) % 50 == 0: print(f"已处理 {i + 1} / {len(files)} 张") print("批量超分完成") if __name__ == "__main__": upsampler = build_upsampler("weights/RealESRGAN_x4plus.pth") batch_process("input/clear", "output/esrgan", upsampler)

这段代码的核心是enhance方法。outscale=4表示放大 4 倍。如果你的原图本身就是 256×256，那么输出就是 1024×1024，适合直接作为后续重绘的底图。

用half=True可以大幅降低显存占用，但如果你的显卡不支持半精度，或输出图出现颜色异常，就改回half=False。

4.4 ControlNet 重绘工作流

现在进入最关键的一步，使用 Stable Diffusion + ControlNet 对超分后的图进行细节重绘。这里我们采用 Canny 条件，保证机体的轮廓、分色、装甲缝隙在重绘后依然稳定。

# 文件路径：scripts/batch_controlnet.py import os import cv2 import torch import numpy as np from PIL import Image from diffusers import StableDiffusionControlNetPipeline, ControlNetModel, UniPCMultistepScheduler from controlnet_aux import CannyDetector MODEL_ID = "runwayml/stable-diffusion-v1-5" CONTROLNET_ID = "lllyasviel/sd-controlnet-canny" def load_pipeline(): controlnet = ControlNetModel.from_pretrained(CONTROLNET_ID, torch_dtype=torch.float16) pipe = StableDiffusionControlNetPipeline.from_pretrained( MODEL_ID, controlnet=controlnet, torch_dtype=torch.float16, safety_checker=None, ) pipe.scheduler = UniPCMultistepScheduler.from_config(pipe.scheduler.config) pipe = pipe.to("cuda") pipe.enable_xformers_memory_efficient_attention() return pipe def preprocess_canny(image_path): detector = CannyDetector() img = Image.open(image_path).convert("RGB") canny = detector(img, low_threshold=80, high_threshold=180) return img, canny def redraw_single(pipe, image_path, output_path, prompt, negative_prompt, strength=0.35, steps=25): img, canny = preprocess_canny(image_path) width, height = img.size # 分块尺寸，显存小可以改成 512 tile_size = 768 overlap = 64 result = Image.new("RGB", (width, height)) for y in range(0, height, tile_size - overlap): for x in range(0, width, tile_size - overlap): right = min(x + tile_size, width) bottom = min(y + tile_size, height) box = (x, y, right, bottom) tile = img.crop(box) tile_canny = canny.crop(box) tile_image = pipe( prompt=prompt, negative_prompt=negative_prompt, image=tile_canny, num_inference_steps=steps, guidance_scale=7.5, width=right - x, height=bottom - y, controlnet_conditioning_scale=0.8, strength=strength, ).images[0] result.paste(tile_image, (x, y)) result.save(output_path) print(f"已重绘: {output_path}") if __name__ == "__main__": pipe = load_pipeline() prompt = "mecha robot game art, ultra clear, high detail, clean lineart, cel shading" negative_prompt = "blurry, low quality, deformed, bad anatomy, watermark, text" redraw_single(pipe, "output/esrgan/mech_01_x4.png", "output/redrawn/mech_01_redraw.png", prompt, negative_prompt)

注意几点。

strength参数控制的是“重绘强度”。设成 0.3-0.4，表示主要在原有构图基础上补细节，不会大幅改变结构；如果设成 0.7 以上，AI 可能把机体外观改成另一种画风。

controlnet_conditioning_scale控制条件图的影响程度。值越大，结构保持越严格。对于机战素材，建议 0.7-0.9 之间。

分块拼接部分，我这里为了展示简洁，没有做重叠区融合，实际使用会出现接缝。更稳妥的做法是记录每块在重叠区域的像素权重，拼接时按距离做线性融合。后面会给出优化方向。

4.5 透明通道与最终合成

游戏素材有很多是带 alpha 通道的 PNG，直接重绘会丢失透明信息。处理这类素材时，需要先分离前景和背景，对 RGB 通道重绘，再把原始 alpha 通道贴回去。

# 文件路径：scripts/composite.py import cv2 import numpy as np def composite_rgba(redraw_path, alpha_source_path, output_path): redraw = cv2.imread(redraw_path, cv2.IMREAD_UNCHANGED) alpha_src = cv2.imread(alpha_source_path, cv2.IMREAD_UNCHANGED) if alpha_src.shape[2] == 4: alpha = alpha_src[:, :, 3] else: # 如果没有 alpha 通道，用图像边缘做简单蒙版 gray = cv2.cvtColor(alpha_src, cv2.COLOR_BGR2GRAY) _, alpha = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY) if redraw.shape[2] == 3: b, g, r = cv2.split(redraw) rgba = cv2.merge((b, g, r, alpha)) else: rgba = redraw.copy() rgba[:, :, 3] = alpha cv2.imwrite(output_path, rgba) print(f"合成完成: {output_path}") if __name__ == "__main__": composite_rgba("output/redrawn/mech_01_redraw.png", "input/clear/mech_01.png", "output/final/mech_01_final.png")

透明通道处理是容易被忽略的环节。如果直接把 RGB 重绘结果另存为 PNG，背景会变成黑色；如果直接把原图 alpha 贴上去，有时候会出现一圈白边或黑边。处理时可以用cv2.erode或羽化操作收缩 alpha，减少边缘杂色。

4.6 运行与验证

整个流水线的运行顺序如下。

python scripts/extract_frames.py python scripts/filter_blur.py python scripts/batch_esrgan.py python scripts/batch_controlnet.py python scripts/composite.py

运行完成后，建议抽查output/redrawn和output/final两张图，用看图软件放大 200% 对比细节。重点检查三个位置：机体轮廓线是否依然锐利、装甲板上的文字和编号是否清晰、颜色有没有出现奇怪的断层或色斑。

如果发现轮廓漂移，优先调高controlnet_conditioning_scale，同时降低strength。如果发现画面太糊，说明重绘强度不够，可以稍微提高strength，或者换用细节更好的大模型。

5. 常见问题与排查思路

5.1 常见问题汇总

5.2 显存不足怎么办

显存不足是新手最容易遇到的问题。建议先把tile从 512 改成 384 或 256，同时把half打开，这样占用会显著下降。如果还是不够，就把batch_size设为 1，并在每张图处理完成后清空 GPU 缓存。

import torch torch.cuda.empty_cache()

需要注意的是，清空缓存会拖慢速度，所以不要每张都清，可以在处理完一张图或遇到内存峰值之前调用。

5.3 怎么判断一张图重绘质量是否合格

推荐用两个指标。第一个是结构偏差：把重绘图和原图都转成灰阶，计算感知哈希，如果哈希距离过大，说明结构变化太明显，应标记为不合格。第二个是清晰度：计算重绘图的拉普拉斯方差，低于一定阈值则说明仍偏模糊。

对于精细项目，最好准备一组“标准抽检集”，包含不同机体、不同颜色、不同背景下的小样张，每次调整参数后先跑这个抽检集，而不是直接跑全量素材。这样能快速判断当前参数是否适合整体素材范围。

6. 最佳实践与工程建议

6.1 重绘参数的经验策略

不同素材类型需要不同的参数组合。立绘类素材，画面大、结构完整，建议strength控制在 0.25-0.35，controlnet_conditioning_scale设置在 0.8 左右。战斗动画帧，动作感强，边缘信息丰富，strength可以提高到 0.4，guidance_scale调到 7.0-8.0 以增加细节锐度。

提示词方面，不要写太长。机战素材的核心词是mecha, robot, game art, cel shading, clean lineart。尽量避免加入不相关的风格词，比如oil painting, 3d render, realistic photo，这些词会让 AI 偏离原版画风。

6.2 素材管理与“抽卡”筛选

项目里提到的“十万图抽卡”，本质是一次大规模的素材筛选工程。不要指望每张 AI 生成图都能直接用。正确的做法是：批量生成，批量评估，筛选出高质量结果，再进入人工精修。

建议建立一个评分脚本，综合考虑清晰度、结构相似度和色彩偏差，给每张重绘图打一个分。低于阈值的直接淘汰，高于阈值的再做人工复核。这样可以大幅提升整理效率。

# 文件路径：scripts/score.py import cv2 import numpy as np from PIL import Image import imagehash def image_score(original_path, generated_path): orig = cv2.imread(original_path) gen = cv2.imread(generated_path) # 尺寸对齐 gen = cv2.resize(gen, (orig.shape[1], orig.shape[0])) # 清晰度 laplacian_var = cv2.Laplacian(cv2.cvtColor(gen, cv2.COLOR_BGR2GRAY), cv2.CV_64F).var() # 结构相似度 orig_hash = imagehash.phash(Image.open(original_path)) gen_hash = imagehash.phash(Image.open(generated_path)) hash_diff = orig_hash - gen_hash # 色彩差异 color_diff = np.mean(cv2.absdiff(orig, gen)) return laplacian_var, hash_diff, color_diff

这个脚本不复杂，但已经能帮你把“看起来还行”和“值得精修”的图片区分开。

6.3 版权与合规提示

游戏素材重绘涉及版权问题，这里必须提醒两件事。

第一，如果素材来自商业游戏，重绘后的内容仅适合学习、研究、个人存档或获得授权后的非商业用途。公开传播或销售重绘素材，需要获得版权方授权。第二，AI 生成模型的权重和第三方库也要注意各自的许可证，尤其是商用场景，需要逐条确认。

对于机战UX项目，我的建议是把它定位为“个人的技术练习项目”，并且在分享时只展示技术流程和对比效果，不提供原游戏 ROM、原始贴图包或未经授权的资源下载。这样既尊重版权，也能让技术经验正常传播。

6.4 可维护性与自动化

批处理项目最容易维护失控。我的经验是：把所有关键参数收敛到一个配置文件里，代码不要硬编码。

# 文件路径：configs/params.yaml esrgan: model_path: weights/RealESRGAN_x4plus.pth scale: 4 tile: 256 half: true controlnet: model_id: lllyasviel/sd-controlnet-canny sd_model_id: runwayml/stable-diffusion-v1-5 low_threshold: 80 high_threshold: 180 conditioning_scale: 0.8 strength: 0.35 steps: 25 guidance_scale: 7.5 tile_size: 768 overlap: 64 paths: input_raw: input/raw input_frames: input/frames output_esrgan: output/esrgan output_canny: output/canny output_redrawn: output/redrawn output_final: output/final

这样当你需要处理另一款游戏素材时，只需要复制一份配置，改改参数，不用动代码。

7. 总结与后续学习路线

回到开头的目标：做一款老机战游戏的超清重绘素材。本文完整梳理了从环境搭建、素材抽帧、批量超分、ControlNet 结构保持重绘、透明通道合成到质量控制的全流程。整个项目最核心的收获，并不是“AI 能画出多好看的图”，而是“如何在一个大规模素材集上稳定地复用一套流程”。

如果你有类似的需求，建议从一个小样张集开始，先把参数调稳，再扩展到全量素材。同时要建立清晰度与结构相似度的自动评分机制，用数据代替手感去筛选结果。这样哪怕素材量到了几万张，也能有条不紊地推进。

下一步你可以继续深入研究这几个方向：一是局部重绘的精细化，比如针对驾驶舱内的人脸单独调用面部修复模型；二是尝试更新的 SDXL 模型以及配套的 Tiled Diffusion 插件，画质上限更高；三是把流程封装成 WebUI 或者批处理工具，方便团队协作。无论如何，高清化只是手段，最终目的是保留经典作品的神韵。希望这篇文章能帮你在素材高清化这条路上少踩几个坑。