一键修复老照片：稳定扩散与ComfyUI工作流详解

news2024/9/24 1:14:49

前言

在数字时代，老照片的修复和上色已不再是繁琐的手工工作。借助先进的人工智能工具，如ComfyUI，我们可以实现一键式的老照片修复，只需上传一张老照片，系统便能自动完成上色和修复工作。这篇文章将详细介绍这一过程的工作流和关键节点，帮助你更好地理解和应用这项技术。

文章末尾有工作流作者、主页、获取方式！需要的朋友自取！

本文涉及的工作流和插件，需要的朋友请扫描免费获取哦

一、工作流概述

老照片修复的工作流主要依赖Stable Diffusion的ComfyUI交互界面。通过这些工具，用户可以自动处理上传的老照片，完成图像的修复和上色，恢复照片的原始风貌。整个过程只需简单几步操作，即可轻松实现。

二、节点详细信息

在ComfyUI工作流中，节点是操作的基础单元。以下是本次老照片修复中使用的关键节点和模块：

Primitive Nodes (6)：这些基础节点负责图像的初步处理，包括加载和生成图像的基础操作。
AuraSR.AuraSRUpscaler (1)：这个节点用于对图像进行超分辨率处理，提升照片的清晰度，使修复后的图像更加细腻。
ChinesePrompt_Mix (2)：提供中文提示的混合节点，帮助精确控制照片修复和上色的效果。
Note (1) & easy getNode (1)、easy setNode (1)：这些节点用于设置和获取特定的工作流参数，确保操作的一致性。
Custom Nodes (23)：这些自定义节点来自Comfyroll Studio、ComfyUI Essentials等多个模块，专门用于优化照片的修复效果。
CR Multi-ControlNet Stack (1)：一个多重ControlNet堆栈，用于精细控制修复过程中的各个参数，确保照片的修复质量。
PreviewImage (6)：在修复过程中的多个步骤，实时预览图像的变化，便于调整和优化。
ImageSharpen (1)：图像锐化节点，用于增强修复后的照片细节，使其更加清晰。
ComfyUI Essentials：基本功能模块如ImageResize+ (1)，用于调整图像尺寸，确保照片处理的适应性。
ComfyUI Impact Pack：包含**ToBinaryMask (1)**等节点，用于创建二值化蒙版，帮助修复图像中的破损部分。
Facerestore CF (Code Former)：该模块专门用于人脸修复，使用FaceRestoreModelLoader (1) 和 **FaceRestoreCFWithModel (1)**节点加载和应用人脸修复模型，恢复人像的原貌。
ReActor Node for ComfyUI：包含**ReActorFaceSwap (1)**节点，用于修复或替换照片中的面部细节。

三、模型信息

在这次修复中使用了两个关键的模型：

codeformer-v0.1.0.pth：这是用于人脸修复的核心模型，能有效恢复老照片中的人脸细节。
inswapper_128.onnx：用于面部替换和修复，确保照片中的人物形象更加自然和真实。

四、应用实例

使用上述工作流，只需上传一张老照片，系统将自动进行以下步骤：

图像加载和初步处理：通过Primitive Nodes加载老照片，并使用AuraSR.AuraSRUpscaler提升图像分辨率。
照片上色：通过DDColor_Colorize节点，为老照片上色，使其恢复生动的色彩。
细节修复：使用ImageSharpen和FaceRestoreCFWithModel等节点，修复照片中的细节和人脸部分。
最终预览与输出：在PreviewImage节点中查看修复效果，确认无误后保存修复后的照片。

为了帮助大家更好地掌握 ComfyUI，我在去年花了几个月的时间，撰写并录制了一套ComfyUI的基础教程，共六篇。这套教程详细介绍了选择ComfyUI的理由、其优缺点、下载安装方法、模型与插件的安装、工作流节点和底层逻辑详解、遮罩修改重绘/Inpenting模块以及SDXL工作流手把手搭建。