chaiNNer是一款自由開源的圖片處理軟體，主打工作流式操作，將繁複的圖片處理流程自動化。
chaiNNer最主要的功能是放大圖片。
示意圖：圖片放大效果，將上圖的圖片放大並修正模糊噪點，成為下圖
示意圖：圖片放大效果，將左圖放大並修復人臉，放大後變成右邊的樣子。
Ivon之前分享過Upscayl這個軟體，就有使用RealESRGAN模型放大圖片的功能了，那麼為什麼要用chaiNNer呢？追求更高的自由度。
講到工作流的圖片處理軟體，不免會讓人想到ComfyUI吧。是的二者確實有許多相似之處，不過ComfyUI偏重Stable Diffusion圖片生成，而且需要的依賴套件非常多。至於chaiNNer就相對輕量，只提供圖片處理功能。
chaiNNer的定位不只是圖片放大軟體，而是一個以節點為主的圖片處理工作流程 ，有以下功能：
- 可以用來放大動漫圖片，自由選取想要使用的放大模型。可以參考原始圖片修正放大後的顏色。
- 放大真人圖片的時候可以載入GFPGAN臉部修復模型，強化效果
- 如果輸入的圖片是像素畫，則放大後不會模糊。
- 支援放大影片，雖然只是簡單的把影片畫格一張張抽出來放大再拼回去而已。
- 基本圖像處理，涵蓋降噪、調整色溫、裁切、旋轉、加上文字功能，可以針對個人需求設計一套自動化操作。
- 偵測邊緣生成遮罩、生成法線貼圖、AI去背、局部重繪（內容感知填色）
- 相容多種後端，可以使用NCNN或ONNX或PyTorch模型，也可以連接到Stable Diffusion WebUI處理。
本篇文章Ivon示範使用chaiNNer放大圖片，打造類似Upscayl的放大效果，並讓使用者可以根據自己需求做調整。
1. 系統需求#
這個軟體支援Linux、Windows、macOS
chaiNNer需要CUDA，建議使用有Nvidia獨顯的電腦。純用CPU算會很慢。
單純跑放大圖片模型的話4GB VRAM應該是夠用的，不過如果額外疊其他模型可能就會爆掉。
部份模型可以用CPU跑，但運算速度就會慢很多。
2. 安裝chaiNNer#
以Ubuntu為例，先在系統安裝Nvidia驅動與CUDA
然後到Github下載
chaiNNer-linux-x64.zip，解壓縮，點二下chainner啟動程式。初次啟動之後會自動安裝好所有Python依賴套件。
安裝好後還要點右上角，依序下載PyTorch和ONNX的依賴套件。
接著就可以開始建立工作流了，將左邊的方塊拖曳到畫面中央，就會成為一個個節點(node)。chaiNNer的基本概念是從左邊「載入檔案」，然後中間節點處理圖片，最後在最右邊的節點「輸出檔案」。連好工作流之後點選畫面上方播放鍵開始運算。
建立工作流後記得按File → Save存檔，chaiNNer的存檔格式是
.chn
3. 下載模型#
chaiNNer功能繁多，依照需求自行到各大網站下載。通常在Github、Huggingface、OpenModelDB都可以找到這些模型。
chaiNNer的作者在這個Github儲存庫分享了支援的模型種類。
chaiNNer沒有限定模型路徑，不過，程式資料都會儲存在程式所在的目錄，下載的模型建議統一放到這裡的models目錄。
4. 放大圖片工作流#
OpenModelDB有許多用戶訓練的模型分享，效果不一而足，請自行測試。
動漫圖片#
工作流參考：
需要的模型：RealESRGAN_x4plus_anime_6B.pth
RealESRGAN預設會將圖片放大4倍解析度，有放大兼降噪的效果，應該不需要用到降噪模型。
為了防止圖片放大後產生色偏，有使用顏色修正節點。修正顏色的我使用不吃GPU的簡單Average Color Fix節點。如果想要更好效果試試Wavelet Color Fix節點。
如果輸入圖片解析度太大，中間可以再插入一個Resize的節點，將圖片裁切後再放大。
這個工作流會讀取該圖片並輸出到同一個目錄下。如果要批次處理圖片：將Load Image的節點換成Load Images節點，這樣就會變成處理特定目錄下的所有圖片。
真實圖片#
工作流參考：
需要的模型：GFPGAN.pth臉部修復模型和4x_NMKD-Siax_200k.pth放大模型。NKMD系列的模型效果都不錯，不會有很重的油畫感。
流程與放大動漫圖片類似，但是多加了一個臉部修復模型。這個模型會針對圖片中的臉部進行修復，使得圖片放大後不會出現噪點。
先放大圖片，然後用臉部修復強化，效果比較好。因為臉部放大模型會將整張圖片解析度再次放大，所以最後使用Resize節點調整大小，防止圖片過大。
5. 放大影片工作流#
工作流參考：
跟放大圖片流程一樣，使用類似的模型。原理是簡單的把影片畫格一張張抽出來，放大，再拼回去。
影片格式選MKV，至於輸出FPS還有音軌繼承原始影片，所以把二者節點連在一起。
6. 圖片去背工作流#
工作流參考：
需要的模型：u2net.oonx
使用Remove Background節點之後，圖片會產生遮罩，要連到Alpha Matting切分圖片，再把去背後的圖片存檔。
如果要搭配圖片放大節點使用的話，建議是先「放大圖片」再跑「去背」流程，不然透明圖層會變成黑色的。