GFPGAN实战指南：老照片人脸修复、环境搭建与批量处理全流程

简介：基于GFPGAN算法的老照片修复Python实现源码包，面向图像处理开发者和AI应用学习者，主要解决老照片模糊、破损、画质退化等问题。GFPGAN（全称Generalized Face Prior Guided Restoration Network）借助生成对抗网络与人脸先验知识，在修复过程中保留五官清晰度和真实感，尤其适合人像类旧照片的高质量还原。压缩包共51个文件、约6.09MB，包含21个py脚本、7个yml配置、6个png与2个jpg图片、3个txt和2个md文档，以及mdb数据库、pth模型权重等；其中py脚本覆盖gfpganv1_arch、stylegan2_clean_arch等核心网络结构，并配有训练、推理入口和YAML参数配置，便于按模块理解数据加载、模型训练到图像生成的全流程。包内还提供输入样例、效果对比图及README、PaperModel说明文档，可直接运行体验，也可基于源码二次开发。已有491人学习浏览，适合希望研究GFPGAN原理、训练自定义修复模型或批量处理旧照片的开发者下载参考。

1. 老照片修复用 GFPGAN：不只是磨皮锐化，而是把退化过程“逆回去”

很多人拿到扫描的老照片第一反应是开个图像编辑软件拉对比度、加锐化，结果人脸越修越失真，皮肤像塑料，五官轮廓发僵。老照片的问题从来不是单纯低分辨率，而是经历了多年存储的模糊、噪点、压缩伪影和色彩偏移，是多种退化叠加的结果。GFPGAN（Generative Face Prior GAN）这类生成模型解决的是另一件事：它先学会“一张清晰人脸长什么样”，再在修复时把人脸先验信息注入退化图像，从而把退化过程逆向推理出干净版本。这篇笔记围绕一套基于 GFPGAN 的 Python 修复源码展开，适合两类人：想批量修复家庭旧照的从业者，和正在调研人脸修复模型选型的技术人员。你要关心的不是“能不能一键变清晰”，而是参数怎么调、什么照片不能修、批量跑怎么不崩。

2. GFPGAN 的修复管线：从人脸定位到特征注入

2.1 为什么是 GFPGAN 而不是普通超分模型

图像超分模型里 ESRGAN 是绕不开的参照物。它把低分辨率图放大时依赖的是像素重建损失，对自然风景、物体纹理效果不错，但对于人脸这种强结构区域，它容易把眼睛、嘴部细节“画”得合理但不逼真。原因在于人脸区域的先验太强了：额头、下颌、眼眶的比例稍有偏差，观感立刻崩坏。GFPGAN 的出发点就是直接利用人脸生成模型（StyleGAN2）的预训练权重作为先验，把修复过程约束在“人脸流形”上。

这套源码的核心流程分三段：第一段用检测模型定位人脸区域并切割出来；第二段把切出来的人脸小块送入 GFPGAN 生成器，生成器内部通过调制模块将人脸先验特征与输入图像的退化特征融合；第三段把修复后的人脸贴回原图，并对边界做融合处理。因此它天然比通用超分模型更适合“写真类老照片”，尤其是人物面部占画面比例小的场景。

选型结论很直接：你的输入是人像老照片，就优先 GFPGAN；如果只是一张风景旧照，顺手用 ESRGAN 更稳。

2.2 源码里的人脸检测依赖与对齐策略

这套源码默认使用的人脸检测器是可配置的，常见做法是选用 RetinaFace 或 YOLO 检测模型。检测出来后并不是直接送入生成器，而是会做人脸对齐。原始照片里的人脸可能有倾斜、侧脸、低头，直接送进 GFPGAN 会导致生成器难以利用先验。源码中对齐操作使用五点关键点（双眼中心、鼻尖、嘴角两端）计算仿射变换矩阵，把人脸旋转到正面视角。这个细节直接决定了修复结果的稳定性——不对齐的侧脸图经常会修复成面目扭曲。

分支逻辑上，如果检测不到人脸，源码会退回背景修复模式，只做去噪与轻度锐化，不会强行调用人脸增强分支。这是避免“无中生有”的关键保护机制。我在实际跑图时遇到过一个场景：一张民国时期合影里有一个小孩被前面的人挡住半个脸，检测器只给出了一个低置信度框，源码默认过滤掉了该框，保留了原始模糊区域，避免了生成器脑补出错误五官。

2.3 生成器输入尺寸与背景融合的取舍

GFPGAN 生成器默认输入是 512×512 的人脸patch。如果你的原图人脸区域小于这个尺寸，源码会做上采样再送入；如果大于，则直接中心裁剪或缩放。这里有个隐性的陷阱：直接缩放会让人脸高光细节丢失，所以源码里给了一个 cropped_face_size 参数，推荐值是 512，一般不建议超过 1024，超过后模型推理时间显著增加但感知质量提升有限。

背景融合阶段用的是一种基于泊松融合的变体策略——把修复后人脸贴回原图时，不是硬性覆盖，而是计算人脸 mask 的边界羽化，再对边缘像素做梯度域融合。这样修完的图不会出现明显的“贴图感”。实际效果中，头发边缘和下颌线是融合最容易穿帮的部位，所以源码里对 mask 做了膨胀与高斯模糊处理，把边界过渡带拉宽到约 15～25 像素。后面我会在参数调试里细说这个值怎么调。

3. 环境搭建与依赖安装：CUDA、torch 版本和模型权重一次性配齐

3.1 显卡需求与 CPU 兜底方案

GFPGAN 推理的最核心依赖是 PyTorch 和能跑 fp16 的 GPU。显存方面，我实测 6GB 显存可以流畅处理 512×512 的人脸，Batch Size 开到 2 也不会 OOM；如果显存只有 4GB，建议把 batch size 固定为 1，同时把 torch.backends.cudnn.benchmark 打开。纯 CPU 环境不是不能跑，但一张 1024×1024 的老照片人脸修复大概需要 4 到 6 分钟，如果你有几十张图，时间成本就不太能接受了。

源码的环境约束写得很明确：Python 3.8+、PyTorch 1.7 到 2.x 均可兼容，但注意 CUDA 版本要和 torch 的编译版本匹配。给你一个参考配置：

3.2 安装步骤与模型权重存放路径

先创建一个干净的虚拟环境，避免和本机其他图像项目打架。我一般这样操作：

conda create -n photo_restore python=3.10 -y conda activate photo_restore pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install gfpgan==1.3.8 pip install facexlib==0.2.5 pip install realesrgan==0.3.0

这段代码做了三件事：创建不含历史依赖污染的环境；安装带动 CUDA 11.8 加速的 torch 主包；安装 GFPGAN 及其配套的人脸检测工具库 facexlib 和背景增强库 realesrgan。gfpgan 主包本身不携带模型文件，需要单独下载权重。

mkdir -p ~/gfpgan_weights # 将 GFPGANv1.4.pth 放到 gfpgan_weights 目录 python -c "from gfpgan.utils import GFPGANer; print('loaded')"

权重文件的放置路径有讲究。安装 gfpgan 后，其内部默认会在用户目录下查找gfpgan/weights子目录。我第一次跑时报错 “Cannot find the key arcface” 就是权重放错了位置。建议直接在代码初始化时显式指定 model_path，而不是依赖默认搜索路径，具体写法见下一章。

3.3 一个值得检查的依赖坑：facexlib 的版本锁定

facexlib 这个库负责提供人脸检测和关键点提取，它的 API 在 0.2.4 到 0.2.5 之间有过调整。如果你安装的是最新版但代码里还在用旧版函数名，会在运行时抛AttributeError: module 'facexlib.detection' has no attribute 'init_detection_model'。这套源码里显式锁定了 0.2.5，建议你不要轻易升级。同类问题也出现在 realesrgan 上，如果要跑背景增强分支，注意它和 gfpgan 配套的版本关系——官方源码明确二者是捆绑发布的。

4. 修复实操：把跑通一张图的完整流程拆分给你

4.1 初始化修复器：关键参数逐个说

代码入口先初始化 GFPGANer，这一步决定后续所有行为。我习惯把它封装成一个函数，方便批处理时复用。

import os from gfpgan import GFPGANer def create_restorer(weight_path, upscale=2, arch='clean', channel_multiplier=2): restorer = GFPGANer( model_path=weight_path, # 权重文件的完整路径 upscale=upscale, # 放大倍数，老照片常用2 arch=arch, # clean / original，推荐clean channel_multiplier=channel_multiplier, # 2对应原版模型 bg_upsampler=None, # 背景增强器，可传入RealESRGANer device='cuda' ) return restorer

逻辑说明：upscale 参数控制修复输出相对输入原图的放大比例。老照片扫描件一般分辨率够用，设 2 倍既能兼顾细节又不会让生成器产生太多幻觉纹理；若原图只有 200×300，可以调成 4，但要接受更长的推理时间。arch 参数中 clean 模式是去除了多余连接后的精简结构，实测在相同权重下速度提升约 15%，且画质无肉眼差别。bg_upsampler 如果传入一个 RealESRGAN 实例，那么人脸修复完背景也会被同步增强，我一般会在正式修图时传入，因为只修人脸不修背景会让照片风格不统一。

4.2 单张图修复：图像读取、推理、写回

最核心的调用就一行，但前后处理决定成败。

import cv2 img = cv2.imread('old_photo.jpg') # BGR格式，注意顺序 cropped_faces, restored_faces, restored_img = restorer.enhance( img, has_aligned=False, # 输入是否为已对齐人脸 only_center_face=False, # 是否只处理画面中心人脸 paste_back=True # 修复后是否贴回原图 ) cv2.imwrite('restored_photo.jpg', restored_img)

enhance 方法返回三个对象：cropped_faces 是检测并切割出的原人脸切片列表，restored_faces 是对应修复后的切片，restored_img 是完成背景增强与贴回后的整图。has_aligned 参数要特别注意：如果你是从图库里取出已对齐的人脸图，设为 True 会跳过检测对齐步骤，加速推理；但对普通老照片场景，必须保持 False，否则人脸位置信息缺失会崩。only_center_face 适合合影场景——你只想修坐在中间的那个人，其他面部不做惊扰，设 True 后非中心人脸会被跳过。

写回图像时我建议先看 restored_faces 列表的长度。如果检测到多个人脸，列表会逐个存储。有时候你只需要保存每个人脸的单独修复结果，直接遍历写文件即可。

for idx, face_img in enumerate(restored_faces): cv2.imwrite(f'restored_face_{idx}.png', face_img)

这段代码把每张修复后的人脸单独落盘，便于后续人工挑选或做证件照处理。这里有个隐藏的细节：restored_faces 里的图像已经是 BGR 格式的 ndarray，但每张人脸可能是不同尺寸，直接保存没有问题，但如果你用 PIL 保存则需要先转换通道顺序。

4.3 批量修复：串行太慢，分批控制显存

批量处理老照片时，最忌讳一次性把所有图片读入内存再全跑完。常见做法是写一个生成器按需读图。下面这个脚本处理一个目录内所有 jpg/png，并把结果写到另一个目录。

import os import glob import cv2 input_dir = './raw_photos' output_dir = './restored_photos' os.makedirs(output_dir, exist_ok=True) image_paths = glob.glob(os.path.join(input_dir, '*.jpg')) + \ glob.glob(os.path.join(input_dir, '*.png')) batch_size = 2 current_batch = [] for path in image_paths: img = cv2.imread(path) current_batch.append((path, img)) if len(current_batch) == batch_size: for p, im in current_batch: _, _, restored = restorer.enhance( im, has_aligned=False, only_center_face=False, paste_back=True ) out_path = os.path.join(output_dir, os.path.basename(p)[:-4] + '_restored.jpg') cv2.imwrite(out_path, restored) current_batch.clear() print(f'processed batch at {batch_size}')

逻辑不复杂，但有几处经验要提。batch_size 不是越大越好，每张图检测到的人脸数量不定，如果一张合照里有十张脸，两张图就是二十张人脸推理，显存开销远超你按图像数计算的预期。建议从 1 开始试，观察显存占用再往上加。另外，cv2.imread 读入顺序是 BGR，这里从头到尾保持一致，如果中途用 matplotlib 的 imshow 查看会颜色错乱，别被干扰。

5. 避坑与常见问题排查：修复结果发灰、权重报错、内存爆炸的对症处理

5.1 修复后面部发灰或色彩饱和度下降

现象：老照片修复后五官变得清晰，但整个人脸发灰，与原图背景色调脱节。

原因：图像被送入网络前经过了归一化和通道转换，输出后直接写回而没有恢复原始亮度和对比度。特别是当原图本来就偏暗黄时，生成器会对“暗部”做过度的去色处理。

解决：在推理前先记录原图的亮度均值和标准差，修复后对结果做一个线性调整。我通常在 enhance 之后加一段校正代码：

import numpy as np def adjust_color(restored, original, strength=0.3): orig_mean = np.mean(original, axis=(0, 1)) rest_mean = np.mean(restored, axis=(0, 1)) adjusted = restored + strength * (orig_mean - rest_mean) return np.clip(adjusted, 0, 255).astype(np.uint8)

这段的做法是让输出图像的整体均值向原图靠近，强度系数 0.3 表示只拉回三成偏差，保留生成器带来的通透感。参数说明：strength 过高会让修复痕迹消失，过低则依旧发灰，0.2～0.4 是比较安全的空间。

5.2 多人合影时，非中心人脸修复后表情扭曲

现象：一张三人的合照，中间人脸修复自然，两侧人脸的眼嘴区域出现变形。

原因：检测对齐后的侧脸在输入生成器前被强行旋转到正脸视角，生成器补全的五官是基于概率推断的，对角度大于 45° 的侧脸很容易“画错”。

解决：不要尝试调高 only_center_face，它只是选择逻辑。正确做法是把对齐网络的关键点置信度阈值暴露出来，低于阈值的 patch 直接跳过修复。在初始化检测器后手动修改置信度阈值：

from facexlib.detection import init_detection_model detector = init_detection_model('retinaface_resnet50', half=True) detector.min_face_size = 30 # 小于30像素的脸不修 detector.threshold = 0.8 # 置信度低于0.8的不修

参数说明：min_face_size 是针对旧照片中远处人脸设置的过滤条件，设太低会把噪声当人脸，设太高又漏掉小脸。threshold 调高能避免误检，但对于严重模糊的老照片建议降到 0.7，因为旧照片人脸细节少，检测器天然置信度偏低。

5.3 运行时报 “CUDA out of memory” 且重启后依旧

现象：batch_size 已经调成 1，显存还是溢出，而且每次都在检测完人脸后、进入生成器前崩溃。

原因：人脸检测器 RetinaFace 在前向时会把输入图缩放到多个尺度，如果输入原图很大（超过 3000×4000），中间特征图占据显存远超预期。这个问题往往不是生成器引起的，而是检测器引起的。

解决：先对原图做一次最长边限制，同时把半精度推理打开。

def limit_img_size(img, max_side=2048): h, w = img.shape[:2] scale = max_side / max(h, w) if scale < 1: img = cv2.resize(img, (int(w * scale), int(h * scale))) return img

缩放导致的质量损失可以忽略，因为后续人脸区域依然会独立上采样到 512×512。我把这段强制放在读图之后，从此再没遇到过这类 OOM。

5.4 输出图像出现十字交叉伪影

现象：修复后的人脸皮肤上有一条淡灰色的十字线，位置大致在图像中央。

原因：生成器在推理时对输入做了 padding，某些情况下 padding 值过大导致边界反射影响内部特征。常见于旧版 torch 的 padding 行为变化。

解决：显式给 GFPGAN 的 forward 传入 padding 参数，或者升级 torch 至 2.0 以上。源码包里如果在旧版本 torch 1.8 上跑，建议直接换环境。这个问题很隐蔽，我第一次遇到时还以为是权重没加载全，折腾了两个小时才发现是 torch 版本不匹配。

5.5 修复结果“太年轻”，把老人修成了年轻人

现象：脸上皱纹几乎被完全抹平，年龄感减弱严重。

原因：GFPGAN 的生成器偏向生成“平均脸”或“理想脸”，对皱纹、雀斑这类高频纹理保留不够。这是一个原理层面的限制，不是参数 bug。

解决：源码里可以传入增强系数，我一般会把生成器的 style 强度降低。具体做法是修改推理后融合比例，将修复结果与原图按 7:3 混合。没有现成参数时，可以这样处理：

blended = cv2.addWeighted(restored_img, 0.7, original_img, 0.3, 0)

这样在保留五官清晰度的同时，让皱纹深浅和皮肤肌理有部分原图参与，看起来更像“修复”而不是“换脸”。参数 0.7/0.3 是根据大量旧照片试出来的，你可以按年龄感需求微调。

6. 进阶技巧：把 GFPGAN 嵌入批量工作流并验证修复效果可重复

到这一步你已经能单张修复，但实际项目里往往还需要把 GFPGAN 和传统去划痕算法串联，并且要对结果做量化验证。我分享一个固定的串联流程：先去划痕，再修色彩，最后跑 GFPGAN。去划痕我用的是 OpenCV 自带的中值滤波加顶帽变换，只处理低频划痕；色彩校准则用灰度世界算法；这两步做完再交给 GFPGAN，能显著减少生成器对劣质纹理的误判。

工具函数写出来大概是这样的：

def pre_restore(img): # 灰度世界校正 avg_b = np.mean(img[:, :, 0]) avg_g = np.mean(img[:, :, 1]) avg_r = np.mean(img[:, :, 2]) gray_avg = (avg_b + avg_g + avg_r) / 3 img[:, :, 0] = np.minimum(255, img[:, :, 0] * (gray_avg / avg_b)) img[:, :, 1] = np.minimum(255, img[:, :, 1] * (gray_avg / avg_g)) img[:, :, 2] = np.minimum(255, img[:, :, 2] * (gray_avg / avg_r)) return img.astype(np.uint8)

验证阶段，我习惯用两把尺子。第一把是 PSNR 和 SSIM，适用于有原对照图的场景；第二把是对比修复前后的人脸关键点距离变化，如果关键点偏移超过五个像素说明生成器动了结构，那是不能接受的。写一个最简关键点对比逻辑：

def face_keypoint_distance(face_before, face_after, detector): points_b = detector(face_before)[0]['keypoints'] points_a = detector(face_after)[0]['keypoints'] dist = np.mean(np.linalg.norm(points_a - points_b, axis=1)) return dist

参数说明：这个函数输入的 face_before 和 face_after 必须是同一尺度对齐后的图像，否则距离没有意义。在我的批处理脚本里，我会把 dist 超过 5 的照片单独挑出来人工复核。这比肉眼一张张看高效得多。

还有一个更轻量的技巧是把 GFPGAN 封装进 Flask 服务，局域网内直接用浏览器上传照片、预览效果、下载结果。核心就两步：调一次 create_restorer 初始化全局实例，然后接口函数里调用 enhance。注意 Flask 的线程模型，建议把 restorer 实例设置为全局单例，避免每个请求重复加载权重。这个做法在给客户做批量图处理时尤其顺手，对方不需要安装任何 Python 环境。

回头说几个实战中反复遇到的习惯问题。其一，权重文件一定要校验 MD5，网上流传的损坏权重会导致输出噪点图，表面看是模型 bug，实则是文件下了一半。其二，每批照片处理前先跑一张测试图确认输出正常，不要信 “昨天跑通今天也一定通”，环境被意外改动的情况很常见。其三，原始照片永远另存一份，GFPGAN 再稳定也不能替代备份。

从那以后我每次跑老照片批量修复，都会强制把预处理、GFPGAN、校正、验证四个环节写进同一个 pipeline 脚本，每一步的中间结果也落盘保存。这样即使某一批结果不满意，也能精确定位是色彩校正的系数问题，还是生成器的输入尺寸设置问题，而不是在最后一张成品图里盲目调参。希望这份拆解笔记能帮你在修复项目里少走几个弯路。

本文还有配套的精品资源，点击获取