AI 绘画StableDiffusionWebui图生图

news2025/2/11 14:20:19

介绍

stable-diffusion-webui AI绘画工具，本文介绍图生图，以一张图片做底图优化生成。

例如：上传一张真人照片，让AI把他改绘成动漫人物；上传画作线稿，让AI自动上色；上传一张黑白照，让AI把它修复成彩色相片。
https://github.com/AUTOMATIC1111/stable-diffusion-webui

这个功能位于「Img2img」的页签。

参数

Resize mode：调整生成图片分辨率的模式,有原始分辨率、矩形、精确缩放等选项
- Just resize：紧调整大小，直接拉伸图像
- Crop and resize：裁剪然后调整大小，长宽比保持不变,但左右两侧会损失一点数据。
- Resize and fill：调整大小并填充，这会在你的图像周围填充新的噪点
- Just resize (latent upscale)：和第一个选项相同,但使用的是潜在空间上采样技术。
Sampling method：采样方法,主要有Euler、Euler a、DPM++、DPM Fast等。
Sampling steps：采样步数,一般设为20-100,步数越多质量越高但速度更慢。
Refiner：选择是否使用重采样模型提升质量。
- Switch at 10 - 在第10步时切换到重采样模型。
- Switch at 0 - 表示一开始就使用重采样模型,不进行普通采样。
- Switch at -1 - 表示全部使用普通采样,不切换到重采样模型。
Resize to：直接设定生成图片的分辨率大小
Resize by：按比例缩放生成图片的分辨率。
CFG Scale：控制生成图片质量和速度的折中参数,范围7-12。
Denoising strength：去噪强度,默认为0.75,数值越高去噪强度越大。
Seed：随机种子数,确保每次相同条件可以复现结果。
Script：选择定制脚本,实现不同效果。
Interrogate Deepboooru
上传图片后，用Danbooru图库数据判别图片并自动填入提示词。需要注意Deepbooru训练的图像数量有限，它顶多只能用来认图片的场景和人物tag，无法准确标出最新的动漫角色。
Interrogate CLIP
类似Deepbooru用途，不过较适合判别真人照片内容。

Refiner

Refiner 选项框内包含两个选项，一个是模型的选择框 “checkpoint”，另一个是决定何时开始使用 refiner 模型 “switch at”。当 “switch at”设定为0.5时即表示前一半的步骤使用 base 模型迭代，最后一半的步骤使用 refiner 模型迭代。设定为1则表示关闭此功能。

很有意思的是，refiner 的模型选项框内可以选择不止refiner 模型，还可以选择其他的普通模型（SDXL 和 SD1.5 都可以），因此就衍生出一种新的玩法，比如前面几步我使用真实模型，后面几步则使用动漫模型推理，生成更具特色的图片。

在这里插入图片描述

inpainting

https://github.com/AUTOMATIC1111/stable-diffusion-webui-feature-showcase#inpainting
当用户想要改进生成的图像中的某些部分时，可以使用修复功能来指定并编辑图像中的任何部分。

在这里插入图片描述

scripts （自定义脚本）

Loopback

这个功能允许用户多次将输出图像反馈到img2img中，使用相同的提示生成更多图像。

SD Upscale

用于提高低分辨率、小尺寸图像的大小和质量，通过使用算法如Lanczos和Real ESRGAN/ESRGAN来放大多个图像，并将这些图像叠加生成单一放大图像。

Lanczos 是一种标准的图像缩放算法，虽然面部更干净一些，但它通常更忠实于原始图像。
Real ESRGAN 2x Plus的色调稍偏暖，头发、衣服上的皱纹等细节有些模糊，给人一种柔和的印象。
无论Real ESRGAN 4x Anime 6B是否是专门用于动画的算法，给人的印象是整体绘制均匀，并且经过校正，使颜色清晰分离而不是渐变。另外，修饰后的脸部也有一丝动漫人物的气息。
Real ESRGAN 4x 具有柔软而模糊的触感，尤其是当您观察女孩的皮肤触感时。

Outpainting mk2

图像的外延绘制功能，即在图像的边缘添加新的内容。

Poor man’s outpainting

更基础的外延绘制方法。

Prompts from file or textbox

用于从文件中读取提示，并用于图像生成

Prompt matrix

这个功能允许用户通过组合输入的字符串（提示）来生成图像。通常，关键词是用逗号分隔的，但在Prompt matrix中，它们是用竖线(‘|’)分隔的。例如，输入提示“繁忙的现代城市街道 | 插画 | 电影式灯光”，系统将生成结合了“繁忙的现代城市街道”、“插画”和“电影式灯光”的图像。这个功能可以输出多种组合的图像，让用户看到不同元素组合的效果。
在这里插入图片描述

controlnet m2m

加载视频，，并照常配置 controlnet 的其余部分，但不加载图片

Controlnet 将从视频中获取图片并创建视频。
https://www.reddit.com/media?url=https%3A%2F%2Fpreview.redd.it%2Fio1uce6d6zka1.gif%3Fformat%3Dmp4%26s%3Deae8ab720eeaa71a0197a3999ae53d7d88057317

X/Y Plot

这个功能提供了两种选择项“X Type”和“Y Type”，用户可以选择不同的变量，如“Seed”（种子）、“Steps”（步骤）、“CFG Scale”（CFG比例，越高的值使图像更接近提示）、“Prompt S/R”（结束提示）和“Sampler”（采样器）。用户可以通过这些选项来生成不同风格和特征的图像。例如，选择不同的画家风格和采样器类型，可以看到每位画家风格的差异以及不同采样器带来的效果。

在这里插入图片描述