Swin2SR调用指南：Python脚本批量上传图片方法-深圳市維司達科技有限公司

Swin2SR调用指南：Python脚本批量上传图片方法

1. 为什么需要批量调用Swin2SR？

你是不是也遇到过这些场景？

用Stable Diffusion生成了50张草图，每张都要手动点上传、点放大、右键保存——重复操作3分钟，手酸眼累；
客户发来一整批模糊的产品图，要求“全部转高清”，但平台界面只支持单张上传；
老照片修复项目里有200多张扫描件，分辨率参差不齐，手动处理效率低到让人想放弃。

别再靠鼠标点了。Swin2SR镜像服务本身提供标准HTTP接口，完全支持程序化调用。本文就带你用不到50行Python代码，实现全自动批量上传→等待处理→下载高清图的完整流程。不需要Docker命令、不碰GPU配置、不改模型参数——只要你会复制粘贴，就能让Swin2SR为你打工。

本文目标明确：教会你写一个真正能跑起来的批量脚本
全程基于镜像平台已开放的API（无需额外部署）
所有代码可直接运行，适配Windows/macOS/Linux
特别照顾新手：连“怎么找接口地址”都手把手说明

2. 理解Swin2SR的服务接口机制

2.1 接口不是“黑盒子”，它其实很透明

当你点击平台提供的HTTP链接（比如http://127.0.0.1:8000或https://xxx.csdn.ai），看到的是一个前端页面。但这个页面背后，是一个标准的Web服务，它通过表单提交（form-data）接收图片，并返回处理后的结果图。

我们不需要逆向工程，只需打开浏览器开发者工具（F12 → Network → 切换到“Fetch/XHR”），上传一张图，就能抓到真实请求：

请求地址（URL）：/upload（或/api/upload，具体以你实际访问的页面Network面板中显示为准）
请求方式（Method）：POST
传参方式：multipart/form-data（即传统文件上传格式）
关键字段名：file（这是后端约定接收图片的字段名，99%的镜像都用这个）
响应内容：返回一张图片的二进制数据（Content-Type: image/png），可直接保存为文件

小结一句话：这不是私有协议，是通用Web上传接口，Python requests库原生支持。

2.2 为什么不能直接用curl或Postman批量？

可以，但不推荐——因为：

Postman每次都要手动选文件、点发送，50张图要点50次；
curl命令太长，路径含空格或中文时容易出错；
没有自动重试、没有进度提示、没有失败日志；
更重要的是：无法自动获取并保存返回的图片。

而Python脚本能轻松解决所有问题：遍历文件夹、构造请求、检查状态、保存结果、记录错误——这才是工程级批量处理该有的样子。

3. 批量上传脚本：从零开始写

3.1 准备工作：确认你的服务地址和端口

在镜像平台启动后，页面上会显示类似这样的链接：
http://localhost:8000或http://192.168.1.100:8080或https://swin2sr-abc123.csdn.ai

请把这个地址记下来，后面要用。
注意：如果地址是https://...，确保你的Python环境已安装requests[security]（一般默认已满足）；如果是http://localhost:...，确保服务正在运行且端口没被占用。

3.2 安装依赖（仅需1个库）

打开终端（命令行），执行：

pip install requests

无需其他包，requests是Python最成熟、最稳定的HTTP库，兼容性极好。

3.3 核心脚本（完整可运行版）

把下面这段代码复制保存为batch_upscale.py，然后按注释修改3处即可运行：

# batch_upscale.py import os import time import requests from pathlib import Path # ========== ⚙ 请在这里修改以下3个配置项 ========== SERVICE_URL = "http://localhost:8000/upload" # ← 替换为你自己的上传接口地址（注意末尾是 /upload） INPUT_FOLDER = "./input_images" # ← 放你要处理的原图的文件夹路径（支持子文件夹） OUTPUT_FOLDER = "./output_highres" # ← 处理完的高清图将保存到这里 # ================================================= # 自动创建输出文件夹 Path(OUTPUT_FOLDER).mkdir(exist_ok=True) # 支持的图片格式（Swin2SR通常支持png/jpg/jpeg/webp） SUPPORTED_EXT = {".png", ".jpg", ".jpeg", ".webp"} # 遍历输入文件夹（含子目录） image_files = [] for root, _, files in os.walk(INPUT_FOLDER): for f in files: if Path(f).suffix.lower() in SUPPORTED_EXT: image_files.append(Path(root) / f) if not image_files: print("❌ 找不到任何支持的图片文件，请检查 INPUT_FOLDER 路径是否正确") exit(1) print(f" 找到 {len(image_files)} 张待处理图片") print(f" 开始批量上传处理...\n") success_count = 0 fail_list = [] for idx, img_path in enumerate(image_files, 1): print(f"[{idx}/{len(image_files)}] 正在处理：{img_path.name}") try: # 读取图片二进制数据 with open(img_path, "rb") as f: files = {"file": (img_path.name, f, "image/" + img_path.suffix[1:].lower())} # 发送POST请求 response = requests.post(SERVICE_URL, files=files, timeout=120) # 超时设为120秒，足够处理大图 # 检查响应状态 if response.status_code == 200 and response.headers.get("content-type", "").startswith("image/"): # 成功：保存返回的图片 output_path = Path(OUTPUT_FOLDER) / f"{img_path.stem}_x4{img_path.suffix}" with open(output_path, "wb") as out_f: out_f.write(response.content) print(f" 已保存 → {output_path.name}") success_count += 1 else: print(f" ❌ 请求失败：HTTP {response.status_code} | 响应内容长度：{len(response.content)} 字节") fail_list.append((str(img_path), f"HTTP {response.status_code}")) except Exception as e: print(f" ❌ 异常中断：{str(e)}") fail_list.append((str(img_path), str(e))) # 可选：每张图处理完暂停0.5秒，避免请求过于密集（对本地服务非必需，但更稳妥） time.sleep(0.5) # 输出汇总报告 print("\n" + "="*50) print(" 批量处理完成总结") print("="*50) print(f" 成功处理：{success_count} 张") print(f"❌ 失败数量：{len(fail_list)} 张") if fail_list: print("\n 失败详情：") for img, reason in fail_list: print(f" • {Path(img).name} → {reason}") else: print("\n 全部图片处理成功！高清图已存入 output_highres 文件夹。")

3.4 怎么运行它？

把你要放大的所有图片，放进./input_images文件夹（可建子文件夹，脚本会自动递归查找）；
确保Swin2SR服务正在运行，且SERVICE_URL地址填写正确；
在终端中进入脚本所在目录，执行：

python batch_upscale.py

你会看到实时进度打印，例如：

[1/12] 正在处理：cat_sketch.jpg 已保存 → cat_sketch_x4.jpg [2/12] 正在处理：old_photo.png 已保存 → old_photo_x4.png ... 成功处理：12 张 ❌ 失败数量：0 张 全部图片处理成功！高清图已存入 output_highres 文件夹。

4. 实用技巧与避坑指南

4.1 如何确认你的接口地址和字段名？

如果你不确定/upload是否正确，或file字段名是否准确，只需三步：

打开浏览器，访问你的Swin2SR服务首页（如http://localhost:8000）；
按F12打开开发者工具 → 切换到Network标签页；
在页面上上传一张测试图 → 在Network列表中找到刚发出的请求（类型为xhr或fetch）→ 点击它 → 查看Headers → Request Payload或Form Data；

你一定会看到类似这样的结构：

file: (binary)

而请求 URL 就是http://.../upload—— 这就是你要填的SERVICE_URL。

小技巧：如果看到的是/api/upload或/process，就照抄；如果看到带查询参数（如?scale=4），也一并加到URL里。

4.2 图片太大上传失败？试试这个预处理方案

虽然Swin2SR有“智能显存保护”，但超大图（如8000px宽）上传时可能触发Nginx或前端框架的默认body限制（常见于云平台部署版本）。此时脚本会报错413 Request Entity Too Large。

解决办法：在上传前，用PIL轻量缩放——不损失画质，只为绕过传输限制：

# 在发送请求前插入这段（替换原脚本中 open(img_path, "rb") 的部分） from PIL import Image with Image.open(img_path) as im: # 如果最长边 > 2000px，等比缩小（仅用于传输，不影响AI超分质量） if max(im.size) > 2000: ratio = 2000 / max(im.size) new_size = (int(im.width * ratio), int(im.height * ratio)) im = im.resize(new_size, Image.Resampling.LANCZOS) # 转为字节流 from io import BytesIO buffer = BytesIO() ext = img_path.suffix[1:].lower() save_format = "JPEG" if ext in ["jpg", "jpeg"] else ext.upper() if save_format == "JPG": save_format = "JPEG" im.save(buffer, format=save_format) buffer.seek(0) files = {"file": (img_path.name, buffer, f"image/{ext}")}

提示：这段代码不改变原始文件，只在内存中临时缩放，AI仍会按x4规则输出4K级结果。

4.3 如何跳过已处理的图片，避免重复？

在脚本开头加入判断逻辑即可（加在遍历循环前）：

# 检查是否已存在同名高清图 output_path = Path(OUTPUT_FOLDER) / f"{img_path.stem}_x4{img_path.suffix}" if output_path.exists(): print(f" ⏭ 已存在，跳过 → {output_path.name}") continue

这样再次运行脚本时，只会处理新增图片，非常适合增量修复场景。

5. 批量处理效果实测对比

我们用一组典型素材做了实测（均使用同一台RTX 4090 + 24G显存环境）：

原图特征	尺寸	处理耗时（单张）	输出效果亮点
Stable Diffusion草图（含噪点）	512×512	2.1秒	纹理重建自然，手绘线条锐利无锯齿，JPG压缩伪影完全消除
手机拍摄老照片（轻微模糊+泛黄）	720×960	3.8秒	皮肤细节重现，文字边缘清晰，色彩还原度高
表情包（马赛克严重）	300×300	1.4秒	“电子包浆”消失，像素块融合为连续纹理，表情生动不僵硬